1、平滑法 2、趨勢擬合法 3、組合模型 4、AR模型 5、MA模型 6、ARMA模型 7、ARIMA模型 8、ARCH模型 9、GARCH模型及其衍生模型
數據挖掘——時間序列算法之ARCH模型 先佔個坑 1、平滑法 2、趨勢擬合法 3、組合模型 4、AR模型 5、MA模型 6、ARMA模型 7、ARIMA模型 8、ARCH模型 9、GARCH模型及其衍生模型
數據挖掘——時間序列算法之組合模型前言 前言 1、平滑法 2、趨勢擬合法 3、組合模型 4、AR模型 5、MA模型 6、ARMA模型 7、ARIMA模型 8、ARCH模型 9、GARCH模型及其衍生模型 ARMA算法、ARIMA算
數據挖掘——時間序列算法之AR模型 先佔個坑 (這句話是我在2019年11月21日20:44:39寫的,哎時光飛逝啊,過了這麼久我纔來填這個坑) 1、平滑法 2、趨勢擬合法 3、組合模型 4、AR模型 5、MA模型 6、
數據挖掘——時間序列算法之MA模型 1、平滑法 2、趨勢擬合法 3、組合模型 4、AR模型 5、MA模型 6、ARMA模型 7、ARIMA模型 8、ARCH模型 9、GARCH模型及其衍生模型 前一篇介紹了AR模型,其實MA模型與
數據挖掘——時間序列的預處理前言一、平穩非白噪聲序列1、平穩時間序列的定義2、平穩性檢驗二、非平穩序列三、純隨機序列 前言 拿到一個觀察值後,首先要對他的純隨機性和平穩性進行檢驗,這兩個重要的檢驗稱爲序列的預處理。根據檢驗結果可以
數據挖掘——時間序列算法之趨勢擬合法前言線性擬合曲線擬合1、二次型2、指數型3、修正指數型4、Gompertz型5、Logistic型 前言 趨勢擬合法就是把時間作爲自變量,相應的序列觀察值作爲因變量,建立序列值隨時間變化的迴歸模
數據挖掘——時間序列算法之ARMA模型ARMA基本說明ARMA建模步驟 1、平滑法 2、趨勢擬合法 3、組合模型 4、AR模型 5、MA模型 6、ARMA模型 7、ARIMA模型 8、ARCH模型 9、GARCH模型及其衍生模型