认真学代码的shell

课程链接第四章 非平稳序列的随机分析4.1 构成4.2 平稳化方法![在这里插入图片描述](https://img-blog.csdnimg.cn/20201214223027302.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkzMTY4MQ4.3 ARIMA模

视频链接： 添加链接描述目录第一章 时间序列分析简介第二章 时间序列的预处理2.1 平稳时间序列的定义2.2 平稳时间序列的统计性质和意义2.3 平稳性检验2.4 纯随机序列的定义和性质2.5 纯随机性检验第一章 时间序列分析简介第二章 时间序列的预处理2.1 平稳时间序列的定义包含：平稳性检验、纯随机性检验2.2 平稳时间序列的统计性质和意义2.3 平稳性检验2.4 纯随机序列的定义和性质2.5 纯随机性检验

视频链接： 添加链接描述第三章 平稳时间序列分析3.1 方法性工具介绍3.2 平稳时间序列模型的概念3.3 平稳时间序列模型平稳性的判定3.4 平稳时间序列模型统计性质(1)中间求解过程忽略3.5 平稳时间序列模型统计性质(2)3.6 平稳时间序列模型的参数估计3.7 平稳时间序列模型的检验及优化3.8 平稳时间序列模型的预测(1)3.9 平稳时间序列模型

机器学习经典算法（6）——时间序列ARIMA模型算法视频：目录1.数据平稳性与差分法2.ARIMA模型3.相关函数评估方法4.建立ARIMA模型5.参数选择机器学习第三阶段：机器学习案例实战（5）——时间序列案例实战1.数据平稳性与差分法平时的数据大多是弱平稳。2.ARIMA模型其中，p是自回归模型的阶数，q是移动平均模型的阶数。滞后值与p/q阶数是对应的。3.相关函数评估方法上图中蓝色的虚线是置信区间。置信区间95%：可理解为95%的点都落在这个区间内。4.建立AR

课程链接：添加链接描述1.分类1.白噪声序列（纯随机序列，无研究意义）2.平稳非白噪声序列AR MA ARMA三种模型3.非平稳序列差分法转化成ARIMA序列2.单变量、多变量时间序列1.单变量时间序列ARMA–>GARCH2.多变量时间序列VAR–>MGARCH3.时间序列的步骤待分析的时间序列–》平稳性检验{1.单位根检验；2.ACF PACF拖尾（下降的趋势），截尾（某一点后变为0）检验–》白噪声检验（检验是否为纯随机序列）–》是，停止检验–》不是–》计算.A