ARIMA的应用

ARIMA:

1. 平稳性检验
   

可看出数据为非平稳序列。

2. 处理为平稳序列
   1） 差分
   
3. 分离
   
   可以看出没有固定趋势，但是有季节因素。residual已为稳定数据。
   所以根据上图，对于年周期成分我们使用窗口为52的移动平进行处理，趋势成分采用1阶差分处理。
   
   
4. 绘制acf/pacf图像
   
   | *******模型（序列） | AR（p） | MA（q） | ARIMA（p，q） |
   | ****自相关系数ACF | *****拖尾 | q阶截尾 | ***************拖尾 |
   | 偏自相关系数PACF | p阶截尾 | *****拖尾 | ***************拖尾 |

确定模型为ARIMA（1，1，1）。

5. 拟合