部分图片、数据、代码来源：https://book.tipdm.org/jc/220，侵权必删！！！
一、本篇主要介绍四种经典的时间序列模型
移动平均模型（MA）、自回归模型（AR）、自回归移动平均模型（ARMA）、整合移动平均自回归模型（ARIMA）。
二、序列的平稳性
平稳序列：样本时间序列所得到的拟合曲线在 未来的一段期间内仍能顺着现有的形态”惯性”地延续下去。
不平稳序列：样本时间序列得到的拟合曲线 在未来的一段期间内不再顺着现有的形态”惯性”延续下去。
序列的平稳性对处理序列时所用的方法模型有所不同，接下来介绍几种判断序列平稳性的方法。
1.图检验：可以使用python自带的绘图库绘制时序图，观察时序图的走势来判断其是否为稳定序列。常见的时序图类型如下：
白噪声序列：
平稳非白噪声序列：
非平稳序列：
显然，①图不具有平稳性，但①图经过 一阶差分后变为②图，即可将非平稳序列转化为平稳序列。在一些特殊情况下， 通常需要多阶差分。
Original: https://blog.csdn.net/qq_44749483/article/details/126922450
Author: 吕路啊
Title: 传统的时间序列预测模型ARMA、ARIMA（包括实战！！！）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/715965/
转载文章受原作者版权保护。转载请注明原作者出处！