煤炭价格预测：基于matlab的时间序列分析（主要流程+完整代码）

案例简介

结合秦皇岛港动力煤价格的历史数据(附件1)，以及问题1中的影响煤炭价格的主要因素，建立煤炭价格预测模型，分别以天、周、月为单位，预测未来31天、35周、36个月的煤炭价格。

时间序列简介

平稳时间序列{xt}

确定性序列:若序列x(n)在任意时刻n时的值能够被精确地确定(或是被预测)，那么，我们说x(n)是一个确定性的序列，如我们熟知的正弦序列、周期脉冲序列等。

平稳时间序列：时间序列行为不随时间改变
一组数列如下表示

数列示意图

ARIMA=AR+MA+INTEGRATER

自回归AR：利用自身历史值预测

移动平均MA：关注自回归模型中的误差项

𝑦_𝑡当前值， 𝜇常数项，𝜀_𝑡误差（白噪音），阶数𝑝, 𝑞——人为定义，相关系数𝛾_𝑖,𝜃_𝑖——求解

整合INTEGRATER：差分法平稳化处理：计算时间序列中t时刻与t-1时刻的差值，从而得到一个新的、更平稳的时间序列。

实例应用

数据平稳化

单位根检验
ADF
KPSS

###代码

y_h_adf = adftest(Y)
y_h_kpss = kpsstest(Y)

输出 y