金融时间序列分析（Tsay）数据及部分代码，主要是数据

该代码有助于填补时间序列数据中的空白。 为此，它需要一个缺少日期和时间的 DateTime 数组以及具有相应缺失值的测量数组。 它将检查日期数组中缺少的日期，并为测量数组中的相应日期填充 Nan，这将有助于获取连续的时间序列数据

此功能只是减少了创建时间序列功率谱密度图所需的手动步骤数。 右侧的 plodpsd 文档文件（灯泡图标）中提供了语法和示例。

时间序列建摸的两种基本假设

logletlab2 Loglet Lab 2 是一个 Java 应用程序，用于将逻辑曲线拟合到时间序列数据。 为洛克菲勒大学人类环境计划开发。

定性预测、回归预测、时间序列平滑预测、趋势曲线模型预测、季节变动预测、马尔科夫预测、确定型决策、非确定型决策、风险型决策、贝叶斯决策、多目标决策等。通过学习，使学生掌握基本预测理论与方法，培养学生根据实际条件选择并建立模型进行预测与决策的能力

描述： 余弦分析使用最小二乘法将正弦波拟合到时间序列。 余弦分析常用于分析表现出可预测节律的生物时间序列。 这方法可以用于不等间隔的时间序列。 遵循时间序列的余弦分析，如纳尔逊等人。 “余弦节律方法” Chronobiologica。 1979. 请参考参考。 输入： t - 时间序列y - 时间 t 的系列值w - 周期长度，由用户根据时间的先验知识定义系列alpha - 用于置信区间计算的 I 类错误。 通常设置为 0.05，对应于 95% 的置信区间 注意：统计工具箱仅用于计算指定 alpha 处样本数量的 t 和 F 分布。 这些值可以从表中获取并手动插入到代码中，从而否定统计工具箱的使用。

该数据集包括：（1）泾川流域边界数据；（2）1976-2015年10期（包括：1976、1991、1995、2000、2003、2005、2007、2010、2013、2015）土地利用/覆被分布数据。其中，1976年数据分辨率为60 m; 2013、2015年数据分辨率为15 m；其它年份数据分辨率为30 m；(3)1976-1991年、1991-2000年、2000-2015年3期土地利用/覆被类型变化数据。其中，2000-2015年数据分辨率为15 m；其它2期数据分辨率为30 m。数据集存储为.shp和.tif格式，由73个数据文件组成

该数据集包括：（1）泾川流域边界数据；（2）1976-2015年10期（包括：1976、1991、1995、2000、2003、2005、2007、2010、2013、2015）土地利用/覆被分布数据。其中，1976年数据分辨率为60 m; 2013、2015年数据分辨率为15 m；其它年份数据分辨率为30 m；(3)1976-1991年、1991-2000年、2000-2015年3期土地利用/覆被类型变化数据。其中，2000-2015年数据分辨率为15 m；其它2期数据分辨率为30 m。数据集存储为.shp和.tif格式，由73个数据文件组成

时间序列分析与讲解，很好用的。主要包括指数平滑法，ARIMA，季节波动等实用分析。