Marcnuth's

平稳性基本思想统计规律不随时间变化而变化数学描述(弱/二阶距平稳条件)对于时间序列Yt,t=0,±1,±2,...{Y_t, t = 0, \pm1, \pm2, ...}，对于时滞k，记γk=Cov(Yt,Yk),γt,s=Cov(Yt−s,Y0)=Cov(Y0,Ys−t)=Cov(Y0,Y|t−s|)=γ0,|t−s|\gamma_k = Cov(Y_t, Y_k), \gamma_{t, s}

非季节性数据的时间序列分解数据http://robjhyndman.com/tsdldata/misc/kings.dat分析非季节性的数据包含两个组成成分，分别为随机噪声和趋势。为了能使用加性模型(Additive Model)描述非季节性数据的趋势成分，我们使用平滑法(SMA)来计算一个时间序列的移动平均。在使用SMA计算时间序列的移动平均值时，需设定跨度n。R代码library("TTR")

ARIMA模型介绍ARIMA并不是一个特定的模型，而是一类模型的总称。他的3个参数p, d, q分别表示自相关(p阶AR模型)， d次差分，滑动平均(q阶MA模型)。因此有， - p = d = 0, ARIMA模型即MA(q)模型； - d = q = 0, ARIMA模型即AR(p)模型；MA模型含义当前时刻的值可以表示为过去干扰项和当前干扰项的线性组合。MA模型描述符号和前