原文链接：http://tecdat.cn/?p=23558
本文探讨用ARIMA模型进行预测。思考一些简略的安稳的AR（1）模仿工夫序列
> for(t in 2:n) X\[t\]=phi*X\[t-1\]+E\[t\]> plot(X,type="l")如果咱们拟合一个AR（1）模型。
arima(X,order=c(1,0,0),+ include.mean = FALSE)咱们察看到预测值向0的指数衰减，以及减少的置信区间（其中方差减少，从白噪声的方差到安稳工夫序列的方差）。一般线是有条件的预测（因为AR（1）是一个一阶马尔可夫过程），虚线是无条件的。让咱们存储一些数值，把它们作为基准。
如果咱们拟合一个MA（1）模型
> P=predict(model,n.ahead=20)> plot(P$pred)在两个滞后期之后，预测是有效的，而且（条件）方差放弃不变。但如果咱们思考一个具备较长阶数的挪动均匀过程。
> P=predict(model,n.ahead=20)> plot(P$pred)>咱们失去一个能够与AR(1)过程相比拟的输入。因为咱们的AR(1)过程也能够被看作是一个具备有限阶数的MA(∞)。
然而，如果咱们认为工夫序列不是安稳的，那么咱们就拟合一个arima模型
> model=arima(X,order=c(0,1,0),+ include.mean = FALSE)咱们察看到：预测是安稳的，置信区间一直减少，实际上，方差向无穷大减少（以线性速度）。因而，在辨别一个工夫序列时应该十分小心，它将对预测产生微小影响。
最受欢迎的见解
1.在python中应用lstm和pytorch进行工夫序列预测
2.python中利用长短期记忆模型lstm进行工夫序列预测剖析
3.应用r语言进行工夫序列（arima，指数平滑）剖析
4.r语言多元copula-garch-模型工夫序列预测
5.r语言copulas和金融工夫序列案例
6.应用r语言随机稳定模型sv解决工夫序列中的随机稳定
7.r语言工夫序列tar阈值自回归模型
8.r语言k-shape工夫序列聚类办法对股票价格工夫序列聚类
9.python3用arima模型进行工夫序列预测