人工精选基于R的ARMA理论与应用-时间序列
这门课解决什么问题 日常业务里,凡是带时间戳的数据,比如按日统计的活跃用户、按月汇总的销售额、按周记录的库存周转,都会遇到同一个问题:下个月会怎样?大多数人习惯用平均数加环比凑一个答案,但只要数据存在趋势或者周期波动,这种估法就会失真。这门课围绕 ARMA 和 ARIMA 展开,核心目的就是教你用
会员 · 按档位
游客按标价购买,不享受上表折扣。
支付成功后自动发放网盘链接,链接失效可找客服免费补
这门课解决什么问题
日常业务里,凡是带时间戳的数据,比如按日统计的活跃用户、按月汇总的销售额、按周记录的库存周转,都会遇到同一个问题:下个月会怎样?大多数人习惯用平均数加环比凑一个答案,但只要数据存在趋势或者周期波动,这种估法就会失真。这门课围绕 ARMA 和 ARIMA 展开,核心目的就是教你用 R 把一条时间序列拆开,分清哪部分是趋势、哪部分是周期、哪部分是随机噪声,然后给出一套有依据的短期预测值。它解决的不是写代码本身,而是让你在面对业务方追问“下个季度指标会跌还是涨”时,能拿出一套可解释的模型逻辑,而不是凭手感拍脑袋。
适合什么基础,建议先看哪几块
这门课不是给纯零基础准备的。你需要能看懂基本的 R 语法,知道怎么把数据读成时间序列对象,懂一点均值、方差、相关系数的概念。如果你连变量类型都没搞清楚,建议先补基础再来。资料编排上,建议先从平稳性那节入手,把“为什么数据要先平稳”这个逻辑吃透,这是整个时间序列建模的地基。接着集中看 AR 模型和 MA 模型这两块,理解自回归和移动平均各自在捕捉什么规律。把这几个概念弄明白,再去看 ARIMA 怎么处理非平稳数据,就不会觉得公式是凭空冒出来的。最后那个五十分钟左右的综合分析与展望,建议放到最后看,它是把前面零散概念串成一条分析线的实操演示。
学完能独立做什么,资料怎么配合练习
学完之后,你应该能独立处理一个完整的预测任务:拿到一份带时间索引的业务数据,先画图看走势,跑平稳性检验判断要不要差分,看自相关和偏自相关图定阶,拟合模型后检查残差,最后输出未来几期的预测值并加上置信区间。练习时,资料包里的代码示例不要直接复制粘贴跑通就算完事。建议找一份你自己业务里的月度数据,或者公开的销量、天气数据,把课程里的流程原样走一遍。重点卡在定阶和残差检验这两步,如果残差还有明显自相关,说明模型没吃透信息,得回头调参。这套流程走通一次,比看几遍视频都管用。时间序列预测本质是对历史规律的提炼,工具只是帮你看清数据结构,结论靠不靠谱,最终还得回到业务逻辑去验证。
课程目录
课程目录7 集
- 1 时间序列分析简介 (05:37).mp4
- 2 时间序列的平稳性 (11:13).mp4
- 3 平稳时间序列模型-AR模型 (10:00).mp4
- 4 平稳时间序列模型-MA模型 (08:38).mp4
- 5 平稳时间序列模型-AMA模型 (08:05).mp4
- 6 非平稳时间序列模型-ARIMA模型 (06:44).mp4
- 7 分析与展望 (50).mp4





