時間序列是指將同一統計指標的數值按時間先後的順序排列而成的數列，主要目的是用歷史資料**未來。時間序列一般分為連續性和離散型，下面只講離散型。
我這裡主要講的是r中arima模型（單積自回歸移動平均）其中ar是自回歸；ma是移動平均，具體推導很複雜就不詳述了。
白雜訊：均值，方差不隨時間變化的一種平穩的隨機過程
差分：時間序列中本期值與前一期值相減（有一階差分，高階差分）
差分就是把不平穩的序列變成平穩的序列（可多次差分 d 表示次數），再對差分後的資料求自相關係數p和偏自相關係數q。
r中實現：基礎包中的arima 函式
xu = ts(data,start=(1111),frequency=1)
cf = diff(xu,1|2…) 差分，後面是次數 得到d值
acf(cf); 得到p值
pacf(cf) ；得到q值
model = arima(xu,order=c(p,d,q))
summary(model)
library(forecast)
pred = forecast(model,h=5,level=c(99.5)); h是**後面幾期，level是置信區間or pred <- forecast.arima(data.fit,h=7,level=c(99.5))
plot(yuce)
yuce 輸出**值
plot.forecast(pred)
R語言 時間序列arima模型
t c a1 yt 1 a2y t 2 apyt p t b1 t 1 b2 t 2 bq t qyt c a1yt 1 a2yt 2 apyt p t b1 t 1 b2 t 2 bq t qtyt t t l yt c l t l yt c l t l 1 a1l a2l2 apl p l 1 ...
R語言 ARIMA時間序列模型
本實驗使用r的fecofin包中的cpi.dat資料集。cpi是乙個經季節調整的美國消費 指數，此資料是月度的。資料載入方法 首先安裝該資料所在包 install.packages fecofin repos 載入資料 originaldata cpi.dat 應用arima p，i，q 對1977...
R時間序列分析
r時間序列分析 為什麼定階數,如何定,如何判斷 r時間序列分析工具 xts包 xts x null,order.by index x coredata xts資料子集 ohlc資料格式 quantmod包 ttr包 自回歸模型 ar 跟以前時刻有關和當前隨機游動有關 ar p 的性質 平穩性要求 a...