 方法性工具  差分运算  延迟算子  线性差分方程  ARMA模型  AR模型（Auto Regression Model）  MA模型（Moving Average Model）  ARMA模型（Auto Regression Moving Average model）  平稳序列建模  序列预测  建模步骤  模型识别  参数估计  模型检验  模型优化  序列预测

5.4 样本自相关与部分自相关函数 5.5 自相关性检验 5.6 ARMA模型的实证分析及应用 5.7 实例应用：中国CPI通胀率的AR模型

5.1 移动平均过程(MA Process) 5.2 自回归移动平均过程(ARMA Processes) 5.3 部分自相关函数 (Partial Autocorrelations)

7.1 概述 7.2 时间序列的自相关分析 7.3 单位根检验和协整检验 7.4 ARMA模型的建模

《随机模拟方法与应用 Stochastic Simulation Methods and Its Applications》教学资源（论文资料）43 基于蒙特卡洛-马尔科夫链（MCMC）的ARMA模型选择（吉林大学：赵昕东）

本章我们讨论分析时间序列数据（检验序列相关性，估计ARMA模型，使用分布滞后，非平稳时间序列的单位根检验）的单方程回归方法

一、依据现在和过去的信息对未来提出预测，自然希望预测是最优预测。 二、最优的准则是什么？ 三、一个好的预测是预测的误差越小越好

本章我们讨论分析时间序列数据(检验序列相关性,估 计ARMA模型,使用分布滞后,非平稳时间序列的单位根检 验)的单方程回归方法

ARMA 模型的干扰分析就是对平稳时间序列的均值变化进行显著性检验。先以 AR(1) 过程为例

智能系统：小波变换和GM-ARMA组合模型的股指预测