常用的时间序列模型

1. 白噪声模型
   
2. 时间序列算法之ARIMA模型
   对非平稳时间序列的分析方法可以分为确定性因素分解的时序分析和随机时序分析两个大类。
   确定性因素分解的方法把所有序列的变化都归结为4个因素：长期趋势、季节变动、循环变动和随机波动。其中长期趋势和季节变动的规律性信息通常比较容易提取，而由随机因素导致的波动则非常难确定和分析，对随机信息浪费验证，会导致模型拟合精度差。
   随机时序分析法的发展就是为了弥补确定性因素分解方法的不足。根据时间序列的不同特点，随机时序分析可以建立的模型有ARIMA模型、残差自回归模型、季节模型、异方差模型。

相距d期的两个序列值之间的减法运算称为d阶差分运算。