y_t=0.3658*y_(t-1)+e_t-e_(t-1) 。每个值的含义是参数的配对。
利用ARIMA模型进行卷烟销售预测时值年末,各卷烟企业在布置来年卷烟销售任务时,对卷烟销售进行预测是十分有必要的。利用ARIMA模型进行卷烟销售预测是一个十分有用的方法。ARIMA方法是时间序列预测中的一种有效的方法。
平稳性差别:
ARMA模型的平稳性要求y的均值、方差和自协方差都是与时间无关的、有限的常数。 可以证明,ARMA(p, q)模型的平稳性条件是方程()0Lφ=的解的模都大于1,可逆性条件是方程()0Lθ=的解的模都大于1。
ARMA模型只能处理平稳序列,因此对于平稳序列,可以直接建立AR、MA或者ARMA模型。但是,常见的时间序列一般都是非平稳的。必须通过差分后转化为平稳序列,才可以使用ARMA模型。
ARIMA模型 (autoregressive integrated moving average) 定义:如果非平稳时间序列yt经过k次差分后的平稳序列zt=△kyt服从ARMA(p, q)模型。