时间序列分析——ARIMA模型预测(R)

1. 读取数据($scan()$及$read.csv()$等函数，$row.names$参数可以用来指定索引列)

2. 转换成时间序列（$ts()$函数，注意$frequency$参数取值设置：
   http://m.blog.youkuaiyun.com/blog/u014032673/41984147）

3. 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=$arima(p,d,q)$中d参数的值

4. acf()和 pacf()两个函数分别查看时间序列的自相关图和偏自相关图，并得出相应的q，p值

5. 模型初步选择，可以用函数

   A