关于时间序列的一篇记录
下面用R实现

加载时间序列程序包
library(tseries)
--使用该包自带的程序，是指航空乘客的分布

air <- AirPassengers
--作这个时间序列的图,通过图作一个直观判断

ts.plot(air)
--查看自相关图

acf(air)
--查看偏相关图

pacf(air)
--初步判断

--1、有趁势。2、可能有季节性。3、应该使用MA（）模型来拟合
--通过decompose 进行分解：随机、趋势、季节
x<-decompose(air)
---作图查看
plot(x)
plot(x$seasonal)
---选择合适的模型拟合

---趋势通过差分来消除
---季节性因素，确定相应的
period
air.fit <- arima(air,order=c(0,1,1), seasonal=list(order=c(0,1,1), period=12))

---对结果进行诊断
tsdiag(air.fit)
--加载时间序列包
library(forecast)

--向前预测12期，默认情况下24期

--给出80%，95%置信度下的置信区间

air.forecast <- forecast(air.fit,12)
plot.forecast(air.forecast)
这里只是简单用到R自带的数据做了一个简单的演示过程，找个时间我再完整写一篇关于时间序列建模过程的文章，以及如何判断时间序列的P、Q、I等参数的确定。