[其他] 时间序列预测五类常用模型 ARIMA、指数平滑、灰色预测、Sarima、VAR [推广有奖]

0关注
38粉丝

教授

40%

还不是VIP/贵宾

威望: 0 级
论坛币: 170 个
通用积分: 1039.1759
学术水平: 20 点
热心指数: 22 点
信用等级: 20 点
经验: 17372 点
帖子: 588
精华: 0
在线时间: 660 小时
注册时间: 2018-1-15
最后登录: 2025-12-17

楼主

spssau 发表于 2025-10-31 07:36:03 |AI写论文

是否 +2 论坛币

k人参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

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， ...