搜索资源列表
随机过程 时间序列的分析
- 是随机过程中时间序列分析作业，基于Matlab编程实现模型判别，参数求取，模型预测等，另附有本人作业全文，供大家参考。-random process is time-series analysis of operations, based on the Matlab programming model checker, parameters strike, model projections, followed by my work, for your reference.
Gmmatlab.rar
- 灰色预测模型的matlab程序，用于对时间序列做预测。,Gray prediction model matlab procedure done for time series prediction.
ARIMA
- 自回归移动平均模型(Autoregressive Integrated Moving Average Model)的Matlab实现,时间序列分析代码-Autoregressive moving average model (Autoregressive Integrated Moving Average Model) to achieve the Matlab
ar
- ar模型的一个例子，详细描述了时间序列预测的步骤，且成功实现预测功能-ar model of an example of a detailed descr iption of the steps time series prediction and forecasting function successfully
gujia
- 如何用ARMA模型拟合股价时间序列?我在MATLAB2007上建立了ARMA模型，分析股价时间序列，模型已经有了，但是不知道如何得到拟合输出时序。分析需要拟合输出图，作拟合误差分析。-stock price estimation
RBF
- matlab格式源代码。功能：径向基神经网络算法源码和应用于时间序列模型建立和预测问题。-matlab source code format. Function: RBF neural network algorithm source code and applies to time-series model and prediction of the problem.
GM11
- 多年前写的一个灰色系统－时间序列预测模型，学习灰色系统的可以参考，内有测试数据，程序可执行。-Many years ago written by a gray system- time-series forecasting model, learning can refer to the gray system with a test data, the program executable.
matlabARMA
- 在matlab下时间序列分析ARMA模型的建立和预测程序ARMA-Under the matlab time series analysis and forecasting ARMA model procedures for ARMA
zq1
- 太阳黑子的时间序列用最小二乘法模型定阶的C语言程序-Sunspot time series model using the least square method to determine the order of the C language program
TimeDemo1
- 时间序列预测法是一种定量分析方法，它是在时间序列变量分析的基础上，运用一定的数学方法建立预测模型，使时间趋势向外延伸，从而预测未来市场的发展变化趋势，确定变量预测值-Time Serial is used to forecast.
projectionsGray
- 灰色预测模型称为CM模型，G为grey的第一个字母，M为model的第一个字母。GM（1，1）表示一阶的，一个变量的微分方程型预测模型。GM（1，1）是一阶单序列的线性动态模型，主要用于时间序列预测。 一、GM（1，1）建模 设有数列 共有 个观察值 对 作累加生成，得到新的数列 灰色理论与模型及在车辆拥有量预测中的应用 灰色神经网络交通事故预测比较 灰色系统(第三版)-projections Gray (No. Third Edition)
zuheyouhua
- 组合优化，gm（1，1）模型+时间序列模型优化建模-gm，shijianxulie
time_series
- 用时间序列法进行预测，模型为ARMI模型-Time series method used to predict, model for model ARMI
0505001
- 时间序列预测代码_主要说明了时间序列模型的预测情况和代码书写-time seriers
time
- 时间序列进行平稳性检验然后利用aic准则选取合适的模型进行一步预报。-Stationary time series of test criteria and then select the appropriate use of aic step model prediction.
20110619-3
- 使用动态数据建模(DDS)法与Box—Jenkins建模法相结合的方法建立时间序列模型，使两种 方法的优。最互相结合起来，简化了现有的建模过程。在使用MATLAB进行仿真后，快速、方便地得到了相 应的模型。该方法能较快地完成建模，较适用于对模型精度要求不太高的地方。-Using dynamic data modeling (DDS) method and the Combination of Box-Jenkins modeling method to establish time-se
基于Matlab的ARMA模型时间序列分析法仿真
- 对ARMA时间序列模型在matlab上进行仿真实现。(The ARMA time series model is simulated on matlab.)
Arch Model
- 金融时间序列分析 1. 采用Pandas从Yahoo网上下载上市公司的5到10年的日收盘数据，上证指数的日收盘数据。 2. 计算上市公司和上证指数的收益率， 3. 针对上市公司收益率进行ARMA建模，确定P和q，并对残差进行分析，最后向前预测多期，显示预测图。 4. 针对上市公司收益率进行ARCH建模，确定阶数，并对残差进行分析，最后进行预测。 5. 针对上市公司收益率进行GARCH建模，确定阶数，并对残差进行分析，最后进行预测。(use Arch Model to ananlyse
灰色（1，1）时间序列预测模型
- 灰色（1，1）时间序列预测模型，代码有详细注释，可以运行
ARIMA
- ARIMA 模型是在平稳的时间序列基础上建立起来的，因此时间序列的平稳性是建模的重要前提。检验时间序列模型平稳的方法一般采用 ADF 单位根检验模型去检验。当然如果时间序列不稳定，也可以通过一些操作去使得时间序列稳定（比如取对数，差分），然后进行 ARIMA 模型预测，得到稳定的时间序列的预测结果，然后对预测结果进行之前使序列稳定的操作的逆操作（取指数，差分的逆操作），就可以得到原始数据的预测结果。(time series prediction ARIMA)