时间序列分析与预测

• 时间序列分解

  将时间序列数据分解为趋势、季节性和残差部分。

• 平稳性检验

  了解并使用ADF等统计检验方法进行平稳性测试。

• 自相关分析

  分析自相关和偏自相关函数 (ACF/PACF) 以确定模型参数。

• ARIMA模型构建

  构建并评估自回归差分移动平均 (ARIMA) 模型进行预测。

• 季节性ARIMA (SARIMA)

  应用SARIMA模型处理时间序列数据中的季节性模式。

• 模型评估

  使用适当的指标评估预测模型的表现。

本课程没有先修课程。

目前没有推荐的后续课程。