我们可以尝试一个非常简单的模型，其中日期Y_t的消耗量是时间，温度（以多项式形式表示）以及工业生产指数IPI_t的函数。

此分析的目的是构建一个过程，以在给定时变波动性的情况下正确估计风险价值。风险价值被广泛用于衡量金融机构的市场风险。我们的时间序列数据包括 1258 天的股票收益...

在本文中，我们将尝试为苹果公司的日收益率寻找一个合适的 GARCH 模型（点击文末“阅读原文”获取完整代码数据）。

在能源领域，精准预测能源消费总量对制定合理能源战略至关重要。当前，能源消费预测分析主要运用单一模型（如灰色预测法、时间序列分析法等）和组合模型两种方式。然而，单...

指数平滑法对于预测来说是非常有帮助的，而且它对时间序列上面连续的值之间相关性没有要求。

根据我们对温度的预测，我们可以预测电力消耗。绘制电力消耗序列图：（点击文末“阅读原文”获取完整代码数据）。

众自20世纪80年代至今，随着改革开放的深入以及中国最终加入WTO，我国的对外贸易实现了跨越式的发展，中国已经成为世界第一大出口国和第二大进口国，中国经济对世界...

【深度学习 | 核心概念】那些深度学习路上必经的核心概念，确定不来看看？ （一） 作者： 计算机魔术师 版本： 1.0 （ 20...

【数据挖掘 & 机器学习 | 时间序列】时间序列必学模型: ARIMA超详细讲解 作者： 计算机魔术师 版本： 1.0 （ 20...

传统时间序列模型允许包含过去观察到的系列信息，但不允许客户包含其他可能相关的信息。例如，假期的影响、竞争对手的活动、法律变化、整体经济或其他外部变量可能解释了某...

从AIC的结果来看，arima(2,1,1)模型拥有最小的AIC值，因此为最优模型，因此将arima(2,1,1)模型作为最优模型。

基于arima时间序列模型之上，考虑了季节性因素。把过去的值（AR）、过去的预测误差（MA）、过去值之间的差异（I）和季节长度（S）作为预测参数。通过对PACF...

最近我们被客户要求撰写关于上海空气质量指数的研究报告。本文向大家介绍R语言对上海PM2.5等空气质量数据（查看文末了解数据免费获取方式）间的相关分析和预测分析，...

1、用了多种方法预测未来6个月的销售额，并计算了算法的标准差、平均值、与1绝对值求和等验证指标。

若非平稳序列经过差分后能显示出平稳序列的性质，我们就可以称这个非平稳序列为差分平稳序列，而ARIMA模型拟合就相当于给差分平稳序列使用ARMA模型进行拟合。 ...

最近我们被客户要求撰写关于ARIMA + GARCH交易策略的研究报告，包括一些图形和统计输出。

本文将使用简单的说明性示例来解释移动平均模型（Arima [p，q]中的MA [Q]）。

算法：Holt-Winters季节性预测模型是一种三次指数平滑预测，除了水平和趋势外，还将指数平滑应用到季节分量上。

当一个序列遵循随机游走模型时，就说它是非平稳的。我们可以通过对时间序列进行一阶差分来对其进行平稳化，这将产生一个平稳序列，即零均值白噪声序列。例如，股票的股价遵...

以下是一个时间序列示例，该示例说明了从1949年到1960年每月航空公司的乘客数量。