时间序列模型是什么？

时间序列定义：

时间序列是时间间隔不变的情况下收集的不同时间点数据集合，这些集合被分析（通过曲线拟合和参数估计来建立数学模型的理论和方法）用来了解长期发展趋势及为了预测未来。

时间序列分类：

ARMA模型的全称是自回归 移动平均 (auto regression moving average)模型，它是目前最常用的拟合平稳序列的模型，它又可细分为三大类：

• AR模型(auto regression model)
• MA模型(moving average model)
• ARMA模型(auto regression moving average model)

ARIMA模型又称自回归 求和移动平均 模型，当时间序列本身不是平稳的时候，如果它的增量，即的一次差分，稳定在零点附近，可以将看成是平稳序列。在实际的问题中，所遇到的多数非平稳序列可以通过一次或多次差分后成为平稳时间序列，则可以建立模型：

实际用处：

在学校里面接触到通常都是基于一条曲线，无论是股票曲线天气曲线，交易数量曲线)来建立一个时间序列模型，使用一些 Time Series Decomposition，ARIMA，RNN/LSTM 等算法来建立某个时间序列预测模型来检测这条时间序列曲线对于条曲线的监

名词解释

1. AR模型(Autoregressive model:自回归模型)
2. MA模型(moving average model:滑动平均模型)
3. ARMA模型(Auto-Regressive and Moving Average Model:自回归滑动平均模型)
4. ARIMA模型(Autoregressive Integrated Moving Average Model:自回归积分滑动平均模型)

时间序列模型