R 语言环境下用ARIMA模型做时间序列预测，内有详细说明

基于时间序列ARIMA模型的人民币汇率走势预测

用来做预测，比那些下载了不能用 的好很多。改进部分就可以适应其他问题

用MATLAB实现ARIMA模型实现某些变量对时间序列的预测

此压缩包中包括2018年华为软赛初赛练习数据，数据预处理及应用MATLAB自带的ARIMA函数进行算法可行性验证。

ARIMA模型-matlab代码，可以根据自己的实际情况进行参数调节，实现所需要的效果。

时间序列预测讲义（ARIMA&LSTM;）及python代码，首先讲述了基本概念及公式，然后提供了python代码

资源为python版的arima模型代码，后面也会上传代码中使用的数据集

在matlab中实现ARIMA时间序列预测。函数形式如下： function [result] = ARIMA_algorithm(data, Periodicity, ACF_P, PACF_Q, n) 其中data为预测所用的数据，为一维列向量；Periodicity为数据的周期；ACF_P和PACF_Q分别是p值和q值；n为想要预测的数据的个数。所返回的结果result是预测出来的数据（一维列向量），同时会画出预测数据的折线图。

ARIMA 预测模型 训练集和预测集 ARIMA模型全称为自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列（Time-series Approach）预测方法 [1] ，所以又称为Box-Jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归， p为自回归项； MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。所谓ARIMA模型，是指将非平稳时间序列转化为平