Dengan serangkaian waktu, seseorang dapat memperkirakan fungsi autokorelasi dan memplotnya, misalnya seperti yang terlihat di bawah ini:
Apa yang kemudian bisa dibaca tentang deret waktu, dari fungsi autokorelasi ini? Apakah itu misalnya mungkin untuk beralasan tentang stasioneritas dari deret waktu?
Diedit : Di sini saya telah memasukkan ACF dari seri berbeda dengan lebih banyak lag
time-series
autocorrelation
utdiscant
sumber
sumber
Jawaban:
ACF ini menyarankan non-stasioneritas yang mungkin diperbaiki dengan memasukkan efek harian seperti yang terlihat pada struktur bukti pada jeda 24. Efek harian dapat berupa kemunduran otomatis dari pesanan 24 atau mungkin deterministik di mana 23 boneka harian mungkin diperlukan. Anda dapat mencoba salah satu dari ini dan menilai hasilnya. Struktur lebih lanjut tampaknya diperlukan. Ini bisa berupa kebutuhan untuk memasukkan pergantian level atau beberapa bentuk struktur auto-regresif jangka pendek seperti operator perbedaan 1. Setelah mengidentifikasi dan memperkirakan mode yang berguna, residu mungkin menyarankan tindakan lebih lanjut (augmentasi model) untuk memastikan bahwa sinyal telah sepenuhnya mengekstraksi semua informasi dan menghasilkan proses noise yang normal atau Gaussian. Ini kemudian akan menjawab pertanyaan samar Anda tentang "stabilitas". Semoga ini membantu !
Tambahan sedikit!
Kata "menyarankan" digunakan karena ACF bukan kata terakhir pada saat data aktual. Dengan tidak adanya data aktual, ACF terkadang berguna dalam mengkarakterisasi proses.
sumber