时间序列模型ARIMA的讲解与matlab代码实现含多个.rar

时间序列预测建模，移动平滑、指数平滑、等模型的描述讲解和matlab程序实现代码。arima、arma等等

clear; 

P = sin（0.1:0.1:9.6）;
F = sin（0.1:0.1:9）;
 
%----------------------由于时间序列有不平稳趋势，进行两次差分运算，消除趋势性----------------------% 
for i=2:96 
    Yt（i）=P（i）-P（i-1）; 
end 
for i=3:96 
    L（i）=Yt（i）-Yt（i-1）; 
end 
L=L（3:96）; 
Y=L（1:88）; 

%画图
figure; 
plot（P）; 
title（‘原数据序列图‘）; 
hold on; 
pause  
plot（Y‘r‘）; 
title（‘两次差分后的序列图和原数对比图‘）; 
pause   

%--------------------------------------对数据标准化处理----------------------------------------------% 
%处理的算法 : （data - 期望）/方差
Ux=sum（Y）/88                           % 求序列均值 
yt=Y-Ux; 
b=0; 
for i=1:88 
   b=yt（i）^2/88+b; 
end 
v=sqrt（b）                              % 求序列方差 
Y=yt/v;                            % 标准化处理公式 
f=F（1:88）; 
t=1:88; 

%画图
figure; 
plot（tftY‘r‘） 
title（‘原始数据和标准化处理后对比图‘）; 
xlabel（‘时间t‘）ylabel（‘油价y‘）; 
legend（‘原始数据 F ‘‘标准化后数据Y ‘）; 
pause   
%--------------------------------------对数据标准化处理----------------------------------------------% 
 
 
%------------------------检验预处理后的数据是否符合AR建模要求，计算自相关和偏相关系数---------------% 

%---------------------------------------计算自相关系数-----------------------------------% 
R0=0;
for i=1:88  
     R0=Y（i）^2/88+R0;   %标准化处理后的数据的方差
end 

for k=1:20 
    
    %R  协方差   
    R（k）=0; 
    for i=k+1:88
        R（k）=Y（i）*Y（i-k）/88+R（k）;   
    end 
end 
x=R/R0                      %自相关系数x = 协方差/方差

%画图
figure; 
plot（x） 
title（‘自相关系数分析图‘）; 
pause   
%-----------------------------------计算自相关系数-------------------------------------% 
 
%-----------------------解Y-W方程，其系数矩阵是Toeplitz矩阵（多普里兹矩阵）。求得偏相关函数X-------------------

X1=x（1）; 
X11=x（1）; 
B=[x（1） x（2）]‘; 
x2=[1 x（1）]; 
A=toeplitz（x2）;                       
X2=A\B                          %x=a\b是方程a*x =b的解
X22=X2（2） 
 
B=[x（1） x（2） x（3）]‘; 
x3=[1 x（1） x（2）]; 
A=toeplitz（x3）;                       
X3=A\B 
X33=X3（3） 
 
B=[x（1） x（2） x（3） x（4）]‘; 
x4=[1 x（1） x（2） x（3）]; 
A=toeplitz（x4）;                       
X4=A\B 
X44=X4（4） 
 
B=[x（1） x（2） x（3） x（4） x（5）]‘; 
x5=[1 x（1） x（2） x（3） x（4）]; 
A=toeplitz（x5）;                       
X5=A\B 
X55=X5（5） 
 
B=[x（1） x（2） x（3） x（4） x（5） x（6）]‘; 
x6=[1 x（1） x（2） x（3） x（4） x（5）]; 
A=toeplitz（x6）;                       
X6=A\B 
X66=X6（6） 
 
B=[x（1） x（2） x（3） x（4） x（5） x（6） x（7）]‘; 
x7=[1 x（1） x（2） x（3） x（4） x（5） x（6）]; 
A=toeplitz（x7）;                       
X7=A\B 
X77=X7（7） 
 
B=[x（1） x（2） x（3） x（4） x（5） x（6） x（7） x（8）]‘; 
x8=[1 x（1） x（2） x（3） x（4） x（5） x（6） x（7）]; 
A=toeplitz（x8）;                       
X8=A\B 
X88=X8（8） 
 
B=[x（1） x（2） x（3） x（4） x（5） x（6） x（7） x（8） x（9）]‘; 
x9=[1 x（1） x（2） x（3） x（4） x（5） x（6） x（7） x（8）]; 
A=toeplitz（x9）;                       
X9=A\B 
X99=X9（9） 
 
B=[x（1） x（2） x（3） x（4） x（5） x（6） x（7） x（8） x（9） x（10）]‘; 
x10=[1 x（1） x（2） x（3） x（4） x（5） x（6） x（7） x（8） x（9）]; 
A=toeplitz（x10）;                       
X10=A\B    
X1010=X10（10） 
      
B=[x（1） x（2） x（3） x（4） x（5） x（6） x（7） x（8） x（9） x（10） x（11）]‘; 
x11=[1 x（1） x（2） x（3） x（4） x（5） 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      14462  2009-05-19 16:17  时间序列模型ARIMA的讲解与matlab代码实现（含多个实例）\ARIMA（单独的实例）\ARIMA.asv

     文件      11348  2009-05-19 17:03  时间序列模型ARIMA的讲解与matlab代码实现（含多个实例）\ARIMA（单独的实例）\ARIMA.m

     文件       1321  2008-09-18 22:36  时间序列模型ARIMA的讲解与matlab代码实现（含多个实例）\ARIMA（单独的实例）\arimapred.m

     文件     556368  2019-05-29 21:33  时间序列模型ARIMA的讲解与matlab代码实现（含多个实例）\《MATLAB_时间序列建模预测（移动平均_指数平滑_趋势外推_ARMA_ARIMA_GARCH的MATLAB程序）》.pdf

     目录          0  2019-05-29 21:51  时间序列模型ARIMA的讲解与matlab代码实现（含多个实例）\ARIMA（单独的实例）

     目录          0  2019-05-29 21:51  时间序列模型ARIMA的讲解与matlab代码实现（含多个实例）

----------- ---------  ---------- -----  ----

               583499                    6