时间序列分析与预测

(* ￣3) 时间序列：同一现象在不同时间的相继观察值排列而成的序列。

(* ￣3) 平稳序列：基本上不存在趋势，在某个固定的水平上波动，虽然也有波动，但不存在某种规律，其波动可以看成随机的。

(* ￣3) 非平稳序列：包含趋势性、季节性或者周期性的序列。趋势可以是线性的，也可以是非线性的。

(* ￣3) 时间序列预测的传统方法：1、简单平均法；2、移动平均法：包括简单移动平均法（以T为移动周期，以均方误差最小选择合适的T）和加权移动平均法（权值之和为1）.

(* ￣3) 指数平滑法：常用，

(* ￣3) 自回归求和移动平均模型（ARIMA）：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别以后就可以从时间序列的过去值及现在值来预测未来值。

(* ￣3) 自回归移动平均模型（ARMA）：最常用的拟合平稳随机序列的模型