R----简述时间序列（ARIMA）

时间序列是指将同一统计指标的数值按时间先后的顺序排列而成的数列，主要目的是用历史数据预测未来。时间序列一般分为连续性和离散型，下面只讲离散型。
我这里主要讲的是R中ARIMA模型（单积自回归移动平均）其中AR是自回归；MA是移动平均，具体推导很复杂就不详述了。
白噪声：均值，方差不随时间变化的一种平稳的随机过程
差分：时间序列中本期值与前一期值相减（有一阶差分，高阶差分）
差分就是把不平稳的序列变成平稳的序列（可多次差分 d 表示次数），再对差分后的数据求自相关系数p和偏自相关系数q。
R中实现：基础包中的arima 函数
xu = ts(data,start=(1111),frequency=1)
cf = diff(xu,1|2…) 差分，后面是次数 得到d值
acf(cf); 得到p值
pacf(cf) ；得到q值
model = arima(xu,order=c(p,d,q))
summary(model)
library(forecast)
pred = forecast(model,h=5,level=c(99.5)); h是预测后面几期，level是置信区间or pred <- forecast.Arima(data.fit,h=7,level=c(99.5))
plot(yuce)
yuce 输出预测值
plot.forecast(pred)