Time Series

ARIMA模型运用的基本流程有几下几步：

• 数据可视化，识别平稳性。

• 对非平稳的时间序列数据，做差分，得到平稳序列。

• 建立合适的模型。

     平稳化处理后，若偏自相关函数是截尾的，而自相关函数是拖尾的，则建立AR模型；
  
      若偏自相关函数是拖尾的，而自相关函数是截尾的，则建立MA模型；
  
     若偏自相关函数和自相关函数均是拖尾的，则序列适合ARMA模型。

• 模型的阶数在确定之后，对ARMA模型进行参数估计，比较常用是最小二乘法进行参数估计。

• 假设检验，判断（诊断）残差序列是否为白噪声序列。

• 利用已通过检验的模型进行预测。

平稳性的三个标准：

• constant mean

• constant variance

• an autocovariance that does not depend on time.

参考佳文

Time Series Analysis - 時間序列模型基本概念：AR, MA, ARMA, ARIMA 模型

ARIMA

ARIMA模型

时间序列分析----结合ARMA的卡尔曼滤波算法

用ARIMA模型做需求预测

ARIMA模型详解 此文提到了：MA模型就是无穷阶AR模型的等价表示