ARIMA

eviews 9.5新版本——平均预测、面板效应检验

二、关于预测功能的优化9.5貌似在9.0预测基础上进行了一定优化，但还是那些，9.0的版本中已经找到很多优化，Auto-ARIMA预测、VAR预测。
sinat_26917383·2016-05-12 20:00

Eviews 9.0新版本新功能——预测（Auto-ARIMA预测、VAR预测）

9、预测功能新增需要方法的预测功能：Auto-ARIMA预测、VAR预测。eviews9.0下载链接：[软件] EViews9的时代已经来临！
sinat_26917383·2016-05-12 19:00

时间序列分析中的ARMA，ARIMA模型整体综述

在生产和科学研究中，对某一个或一组变量x(t)进行观察测量，将在一系列时刻t1,t2,…,tn(t为自变量且t1
huang1024rui·2016-05-11 16:00

时间序列 R 09 ARIMA

1.1稳定性与差分1.1.1稳定性stationarity稳定性是指时间序列的属性不在随时间变化。因此有趋势和季节性的时间序列不是稳定的序列。但是有一些具有周期性cyclic的时间序列因为其周期时间不一定，所以也是稳定性序列。1.1.2差分Differencing下图a，b分别是道琼斯指数与道琼斯指数每天的变化量下图是两幅图的ACF第二幅中仅有一个是稍大于95%线，而且Ljung-BoxQ∗的p-
bea_tree·2016-05-02 15:00

时间序列 R 10 其他进阶预测方法 Advanced forecasting methods

1.1regressionmodels+ARIMAmodels首先我们简单的将回归和Arima组合，做一个简单的动态回归模型。
bea_tree·2016-05-02 15:00

数据挖掘算法-时间序列

时间序列算法R实现setwd("D:/arima")library(forecast)library(fUnitRoots)Data=read.csv("D:/arima/data",header=T)
u013153546·2016-04-26 21:00

基于clementine（SPSS modeler）的时间序列模型

时间序列建模的算法：专家模式、ARIMA、指数平滑。指数平滑：通过观察的加权值来预测未来值。该算法不是以对数据的理解为基础的。A
iamchenli·2016-03-31 16:00

Matlab的autocorr自相关函数

今天看了一下时间序列模型ARIMA模型，在对数据处理的时候，需要对其进行平稳性检验。
lfdanding·2016-02-23 22:00

13.1、时间序列实例

时间序列实例junjun2016年2月12日Rmarkdown脚本及数据集：http://pan.baidu.com/s/1gekA3AV实例一、使用ARIMA模型对裙子长度预测ARIMA模型为平稳时间序列定义的
qq_16365849·2016-02-12 12:00

时序分析：ARIMA模型（非平稳时间序列）

ARIMA模型意为求和自回归滑动平均模型(IntergratedAut少regressiveMovingAverageModel),简记为ARIMA(p,d,q),p,q分别为自回归和滑动平均部分的阶次
wishchin·2015-12-18 12:00

R语言时间序列分析之ARIMA模型预测

R语言时间序列分析之ARIMA模型预测今天学习ARIMA预测时间序列。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。
weixin_34246551·2015-11-10 22:00

时间序列分析之ARIMA模型预测__R篇

相关文章：时间序列分析之ARIMA模型预测__SAS篇   之前一直用SAS做ARIMA模型预测，今天尝试用了一下R，发现灵活度更高，结果输出也更直观。
·2015-11-09 12:28

R语言处理Time series

Time series Introduction Simple time series models ARIMA Validating a model Spectral
·2015-11-07 13:56

[python] 时间序列分析之ARIMA

1时间序列与时间序列分析在生产和科学研究中，对某一个或者一组变量x(t)进行观察测量，将在一系列时刻t1,t2,⋯,tn所得到的离散数字组成的序列集合，称之为时间序列。时间序列分析是根据系统观察得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。时间序列分析常用于国民宏观经济控制、市场潜力预测、气象预测、农作物害虫灾害预报等各个方面。2时间序列建模基本步骤获取被观测系统时间序列数
u010414589·2015-11-03 21:00

SPSS统计功能与模块对照表

Models(单因素方差分析:简单因子) : 摘要 描述 方差 轮廓 - SPSS Base 2 AREG (评估从一个时间点到下一个时间点回归相关时的误差) : 预测 - SPSS Trends 3 ARIMA
·2015-10-31 09:18

R入门<二>-时间序列研究

ARIMA就是看图形，ACF和PACF,原理不需要知道，因为软件已经帮我们解动态方程了 总结下来就是 1）ARIMA关键是看图形，看ACF和PACF，公式啥的不一定要了解的很清楚，因为软件已经帮忙解动态方程了
·2015-10-30 13:00

R入门<三>-R语言实战第4章基本数据管理摘要

入门书籍：R语言实战 进度：1-4章 摘要： 1）实用的包 forecast:用于做时间序列预测的，有auto.arima函数 RODBC:可以用来读取excel文件。
·2015-10-30 13:00

如何提取并输出使用forecast函数的预测值，ARIMA model in R

ExamplecodewithgivenFourierseriesorderK #fordailytimeseriesforecastingandplottheforecastingresult,ref:http://robjhyndman.com/hyndsight/longseasonality/ n Noteforthecodeabove,wecanseethatthe‘pred’isal
xyqzki·2015-10-20 13:00

时间序列模型

原文地址：时间序列分析中的ARMA，ARIMA，ARCH，GARCH模型整体综述【整理】作者：谢淳Source：http://www.morefund.com/a/duichongshidian/2011
ZhikangFu·2015-08-21 10:00

自回归模型（AR）、移动平均模型（MA）、自回归移动平均模型（ARMA）以及差分自回归移动平均模型（ARIMA）辨析

短期预测是时间序列分析的主要目的。时间序列分析的理论基础很简单：设若时间序列（或随机过程）的任一元素yt与其前期元素（yt−1、yt−2等）之间存在着某种关联，则我们可以根据该时间序列的既往观测值来预测其在未来的取值。上述思路的直接体现便是自回归模型。所谓p阶自回归过程（AutoRegressive,AR），简记为AR（p)，指的是如下形式的随机过程：yt=a1yt−1+a2yt−2+...+ap
x_i_y_u_e·2015-08-18 10:00

话务预测（6） 时间序列特征

差分特征我们在ARIMA中介绍过，所谓差分，就好比求导，得出的是指标的变化
InfSkyline·2015-08-12 21:40

时间序列分析——ARIMA模型预测(R)

frequency参数取值设置：http://m.blog.csdn.net/blog/u014032673/41984147）观察检验时间序列是否平滑，对不平滑的时间序列要进行差分（diff()函数)，差分的阶数=arima
Dandeliony·2015-06-21 13:41

ARIMA模型

时间序列分析分为两大类：频域分析和时域分析。频域分析也称为谱分析，是一种非常有用的纵向数据分析方法。时域分析主要关心从序列值之间的相关关系对时间序列发展规律。在时域分析里，生成时间序列数据的随机过程按照统计规律的特征是否随着时间变化而变化分为两类，如果随机过程的特征随着时间变化，如GDP的时间序列一般随着时间稳定增长，则此过程是非平稳的；相反，如果随机过程的特征不随时间而变化，如每年相同季节的气温
fenghuangdesire·2015-06-02 09:00

Include promo/activity effect into the prediction (extended ARIMA model with R)

IwanttoconsideranapproachofforecastingIreallylikeandfrequentlyuse.Itallowstoincludethepromocampaigns(oranotheractivitiesandothervariablesaswell) effectintothepredictionoftotalamount. Iwill useafictiti
payton数据之旅·2015-04-03 16:00

时间序列分析之 ARIMA 模型的JAVA实现

最近要用ARIMA模型预测用户的数量变化，所以调研了一下ARIMA模型，最后用JAVA实现了ARIMA算法。一、ARIMA原理ARIMA的原理主要参考的是ARIMA原理。
u010691898·2015-01-26 13:00

R语言处理时间序列过程中的一些收获

ARIMA模型估计：t统计量=样本平均/标准误参数的ar1的T统计量就是-0.8133/0.0817，然后再查T分布表确定P值。一般来说只要t的绝对值大于2就可以确定显著。
xiang_freedom·2015-01-01 17:00

时间序列之差分自回归移动平均法（ARIMA）

ARIMA模型的基本思想是将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。
EchoCaiCai·2014-11-24 17:19

Arima预测模型（R语言）

ARIMA(p，d，q)模型全称为差分自回归移动平均模型(AutoregressiveIntegratedMovingAverageModel,简记ARIMA)，AR是自回归，p为自回归项；MA为移动平均
沧南·2014-09-02 22:42

Arima预测模型（R语言）

ARIMA(p，d，q)模型全称为差分自回归移动平均模型(AutoregressiveIntegratedMovingAverageModel,简记ARIMA)，AR是自回归，p为自回归项；MA为移动平均
沧南·2014-09-02 22:42

Arima预测模型（R语言）

ARIMA(p，d，q)模型全称为差分自回归移动平均模型(AutoregressiveIntegratedMovingAverageModel,简记ARIMA)，AR是自回归，p为自回归项；MA为移动平均
Desilting·2014-09-02 22:00

论文实验笔记之二：EViews6跑ARIMA

1.File---NewWorkFile如下所示，由于EViews不提供小时数据的录入，所以可以转化成按月录入。2.Object---NewObject选series并命名，如s1。3.打开s1，右键选择edit，可复制excel等同类型表格数据到序列，注意序列大小一致。4.view---UnitRootTest，做adf检验，检验序列是否平稳，若不平稳，则做差分，一阶，二阶...直到平稳。一阶差
对半独白·2014-08-25 21:57

Twitter的预测方法

考虑到其数据流的动态特性，他们发现当对数据进行清洗（例如移除异常值）后，经过改善的ARIMA模型将会有良好表现。除了实际预测准确性外（随着时间的推移，通过对预测与实际结果进行对比，来实现后评估）
Manuel Pais·2014-01-06 00:00

#R#通过ARIMA自动拟合与预测

转载自：http://blog.macro2.org/2011-09/r%E7%AE%80%E5%8D%95%E7%9A%84arima%E6%A8%A1%E5%9E%8B%E8%87%AA%E5%8A
duqi·2013-12-24 13:07

【ARIMA】Autoregressive Integrated Moving Average Model

【理论部分】 ARIMA包含两部分，自回归AR和移动平均MA： AR：Y(t)-a=b(1){Y(t-1)-a}+u(t)   其中a是y的均值， u(t)是均值为零，恒定方差的不相关随机误差项
·2013-08-12 09:00

时间序列作业

c128c60702020740be1e9b14.html参考解答：#3、根据之前上机实验课的知识模拟产生下列时间序列的10000个观测数据，其中，构成白噪声序列的随机变量服从标准正态分布 set.seed(100) ar1.sim<-arima.sim
yujun7654321·2012-12-29 01:00

简单的Arima模型自动最优拟合与预测

昨天用R折腾了一个简单的时间序列数据Arima自动拟合与预测。过程不复杂，但由于用得不多，为了防止忘记，撰文记录。打开R，安装一个叫做"Forecast"的包。
xiewenbo·2012-07-27 16:00

手机User-Agent

User-Agent大全 http://www.zytrax.com/tech/web/mobile_ids.html 国内的手机 Log_Brand Log_module Log_Ua Arima
oolala·2011-03-08 15:00

ARIMA建模原则及EViews中的correlogram ，ADF检验

ARIMA建模的第一步是看其相关性，检查自相关系数与偏自相关系数（定义见何书元p78），EViews中的correlogram指令完成。自相关系数表示的是当前值与滞后值的相关系数。
deco1515·2010-08-30 17:00

[置顶] ARIMA建模原则及EViews中的correlogram ，ADF检验

 ARIMA建模的第一步是看其相关性，检查自相关系数与偏自相关系数（定义见何书元p78），EViews中的correlogram指令完成。自相关系数表示的是当前值与滞后值的相关系数。
deco1515·2010-08-30 17:00

常用手持设备的use-agent头信息

常见手机User-Agent： Log_Brand Log_module Log_Ua Arima Arima 2860 Profile/MIDP-2.0 Configuration/CLDC-1.1
liuzhaomin·2006-04-25 16:00

[背景]Symbian大事记

Arima公司与LG电子获得了Symbian的授权。同时，联想公司决定将Symbian操作系统用于他们最近的手机产品中。
snaill·2005-03-08 00:00

symbian大事记

Arima公司与LG电子获得了Symbian的授权。同时，联想公司决定将Symbian操作系统用于他们最近的手机产品中。
CSDN_document·2004-12-23 13:00
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他