ARIMA模型中𝑦′ 𝑡 = (1 − 𝐿)𝑑 *𝑦t的含义

在ARIMA模型中，𝑦'𝑡 表示时间序列数据的差分项，𝑑 表示差分操作的阶数。

差分操作是一种常见的用于处理非平稳时间序列数据的方法，通过计算相邻时间点之间的差异来消除或减小数据的趋势和季节性。

(1 - 𝐿) 表示差分操作符的形式，其中 𝐿 是滞后操作符，表示将时间序列数据向后推移 1 个时间点。

𝑦𝑡 表示时间序列数据在当前时间点 𝑡 的值。

因此，(1 - 𝐿)𝑑 *𝑦𝑡 表示对时间序列数据进行 𝑑 阶差分操作，即将当前时间点和过去 𝑑 个时间点的值进行差分计算。

这个操作可以消除或减小时间序列数据的长期趋势和季节性，使得数据更加平稳。平稳的时间序列数据更容易建立模型，并且可以通过预测差分项来还原为原始的非差分数据。

ARIMA模型使用差分项来处理非平稳性，并结合自回归（AR）和移动平均（MA）项来建立模型。通过确定合适的差分阶数和自回归、移动平均的阶数，可以建立ARIMA模型来描述时间序列数据的相关性和随机性，并进行未来时间点的预测。