时间序列的AR模型，采用matlab编写

除了计算基本统计量和质量参数（例如均值和方差）外，该软件还可以导入和可视化不同的标准时间序列格式，确定并消除跳跃和离群值，并生成数字和出版物质量的图形输出。 双变量统计分析（包括相关系数和线性回归）和时间序列分析（包括自动和互谱分析，小波功率谱，频谱图和周期性）构成了该软件的主要分析功能。

Y = EXPSMOOTH( X, FS, TAU ) 给定输入序列 X（列向量），以 FS 赫兹采样，返回指数平滑的输出序列 Y。指数平滑器的时间常数（以毫秒为单位）在 TAU 中指定。 如果 X 是矩阵，则对 X 的列向量进行平滑处理并作为 Y 的列向量返回。 如需进一步的帮助，包括 MATLAB 中的示例用法类型“help expsmooth”。

针对现有模糊信息粒化方法构建的高层信息粒不能完全包含底层数据信息、预测时间范围受限等问题,提出了一种插值梯形模糊信息粒化方法来预测瓦斯浓度趋势。对原始瓦斯浓度时间序列进行离散化形成若干子序列,计算每个子序列窗口的最大值与最小值形成梯形上沿的边界,通过对每个子序列窗口数据进行插值计算,形成新的瓦斯浓度时间序列窗口,对新的瓦斯浓度时间序列窗口采用数据遍历寻优的方式计算梯形下沿的边界,进而形成瓦斯浓度粒化区间序列。针对现有评价方法无法准确评价信息粒化效果的问题,提出了一种基于权值的粒化评价方法,通过加权均方根误差对粒化效果进行整体评价。实验结果表明,通过该方法对信息进行粒化的效果明显优于现有模糊粒化方法,并且粒化效果不随粒化窗口的增大而减小,具有较高的稳定性与鲁棒性。

EVIEWS时间序列实验指导，包括具体上机操作步骤，案例分析

一本教科书上面的代码 很不错的，对于做时间序列的朋友赶紧下载吧

tf2_lstm 使用tensorflow 2.0 rc1在LSTM上进行试验。 使用来自实际油井的每日生产数据。

代码均为博主手动实现，适用学习《应用时间序列分析》何书元的本科生和硕士生，喜欢敲代码实现课本内容的学生，有可以改进的地方留言

时间序列预测代码matlab SFM06HAR_model SFM06HAR_model Name of QuantLet : SFM06HAR_model Published in : Statistics of Financial Markets Description : ' Realized volatility analysis using harModel of Dow Jones Industrial Index ' Keywords : Volatility, graphical representation, time-series, log returns, variance Author : Dexuan Tang, Ziyuan Fang, Ke Huang, Liang Tang Submitted : Tue, July 19 2016 by Dexuan Tang SAS代码 libname proj1 'Z:\SFM' ; /*import the data*/ proc import out =proj1.RV datafile= "Z:\SFM\DJ

Tensorflow下Keras中Lstm方法进行时间序列预测，代码中做了详尽的中文解释，并对一些参数进行了注释和说明。适合初学者练手。该例子中所用数据为双色球历史开奖数据（7列），用本期开奖数据预测下一期数据（当然预测结果是相差很远）。可以通过反复调整参数观察预测的结果，学习各参数对预测结果的影响。