文章来源：SPSSAU公众号
时间序列预测五类常用模型 | ARIMA、指数平滑、
灰色预测、Sarima、VAR
时间序列预测是数据分析和机器学习中的一个重要领域，广泛应用于金融、经济、气象、能源等多个领域。统计方法基于时间序列的统计特性进行建模和预测，常用的有
五类模型：
ARIMA、指数平滑法、灰色预测模型GM(1,1)
、季节Sarima、VAR模型
。本来将介绍这
五类模型的适用场景及软件应用。
一、ARIMA
模型ARIMA（自回归积分滑动平均模型）是一种经典的时间序列预测模型，广泛应用于经济、金融、气象等多个领域。它通过分析历史数据的自回归性、差分平稳性以及移动平均性，对未来的时间序列数据进行预测。
1、ARIMA
模型基本原理
ARIMA
模型是包括三个部分：自回归（
AR）、差分（
I）和移动平均（
MA）。AR（自回归）：考虑过去若干期的观测值对当前值的影响
I（差分）：通过差分处理使非平稳时间序列达到平稳状态
MA（移动平均）：考虑过去的预测误差对当前值的影响
ARIMA模型适用场景：
适用于非平稳时间序列：ARIMA模型通过差分操作，能够处理非平稳时间序列数据， ...