现代信号处理的实验。ARMA谱估计：基本要求：将系统视为灰箱（可以利用方程的结构信息，p=3, q=2），根据系统的输入输出关系确定当e(n)为N(0,1)白噪声时输出功率谱密度的有理分式表达式。

ARMA-GARCH-COPULA-VAR- 使用ARMA-GJR_GARCH和COPULA方法计算VaR（风险值）的方法 风险价值（VaR）是风险管理中使用最广泛的风险度量之一。 它被定义为在给定的信心水平下，在给定的时间范围内，投资组合预期的最严重损失。 我们使用组合Copula函数，极值理论（EVT）和GARCH模型的方法估算投资组合VaR。 我们将此方法应用于由CTG，MSN，VIC和VNM（越南）的股票指数组成的投资组合。 为了估算该投资组合的VaR，我们首先使用非对称GARCH模型和EVT方法来建模每个对数收益系列的边际分布，然后使用Copula函数（高斯，学生t，Clayton，Gumbel和Frank）将边际联系起来。分布在一起成为多元分布。 然后，我们使用蒙特卡洛模拟（MCS）方法来找到投资组合VaR的估计值。 为了检查该方法是否合适，我们使用回测方法。 从结果中我们可

掌握现代谱估计的基本方法，包括ARMA模型、ARMA谱估计,包括SVD-TLS算法等。利用ARMA功率谱估计中Cadzow谱估计子和Kaveh谱估计子来进行谱估计。

压缩包里面有两个代码，是根据现在的数据预测未来50年人口的趋势，采用了时间序列的方式。

基于递推最小二乘参数算法的锂电池参数辨识，适合学生及工程人员参考。

通过拟合一个ARMA模型来对上证指数的收盘价进行预测，使用的数据是腾讯财经提供的数据，首先进行平稳性检验，其次是进行一阶差分处理，差分后的数据再拟合ARMA模型，再进行ARCH效应检测，拟合GARCH模型，最后进行预测

数学建模国赛获奖论文整理，使用时间序列ARMA做的论文集合，可以系统的学习时间序列ARMA在数学建模中的应用，非常有用。

ARMA谱估计简介，以及AR法对其的逼近 后面会有经典谱与现代谱源码奉上

基于ARMA模型和BP网络的时间序列预测模型，杨杰，孙旭东，摘要：本文主要介绍了时间序列和BP网络基础理论以及其预测的应用，并以2006年上证指数的开盘数据为例建立了基于这两种方法的预测模

AR、MA、ARMA模型提取参数预测，不涉及参数优化，看完博文再下载，代码（MATLAB 2020）再博文里面都有写，也包含测试数据，对应博文：https://blog.csdn.net/Will_Zhan/article/details/116425215