这是一份讲解ARIMA模型的PPT，详细讲解了从开始到最后的分析流程，

Arima模型在SPSS中的操作.ARIMA，就是autoregressive integrated moving-average model，中文应该叫做自动回归积分滑动平均模型，它主要使用与有长期趋势与季节性波动的时间序列的分析预测中。

时间序列数据建立arima_garch模型,采用提前一步滚动预测。

用JAVA语言实现ARIMA模型，可以用于预测一组连续的时间序列

arima 算法 JAVA 实现。包含参数估计、P，Q 定阶等 包含部分的分为AR、MA、ARMA以及ARIMA过程

基于ARIMA模型和LSTM模型，提出一种高性能得时间序列预测算法

python的ARIMA预测，初学者安装好anaconda直接运行。

简介： 　　ARIMA模型：（英语：Autoregressive Integrated Moving Average model），差分整合移动平均自回归模型，又称整合移动平均自回归模型（移动也可称作滑动），是时间序列预测分析方法之一。AR是“自回归”，p为自回归项数；MA为“滑动平均”，q为滑动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。 　　 　　由于毕业论文要涉及到时间序列的数据（商品的销量）进行建模与分析，主要是对时间序列的数据进行预测，在对数据进行简单的散点图观察时，发现数据具有季节性，也就是说：数据波动呈现着周期性，并且前面的数据会对后面的数据产生影响，这也符合商品的销量

做图表与股票市场 indeces。

ARMA模型和ARIMA模型收集.pdf