你將探究時間數列資料的特性，並學習可解釋此類資料行為的 ARMA 模型基礎。你會學到基本的 R 指令，將原始時間數列資料整理成可用 ARMA 模型分析的形式。

先從基本觀念開始

玩玩資料

時間序列的要素

定態與非定態

差分

資料去趨勢

處理趨勢與異質變異數

定態時間序列：ARMA

模擬 ARMA 模型

時間數列資料與模型

你將走進 ARMA 模型的世界，並學會如何將這些模型配適到時間數列資料。你會學會如何辨識模型、如何選擇合適的模型，以及在配適後如何驗證模型。你也會學會使用 R 的時間數列指令，來自 stats 與 astsa 套件。

AR 與 MA 模型

配適 AR(1) 模型

配適 AR(2) 模型

擬合 MA(1) 模型

AR 與 MA 一起使用

擬合 ARMA 模型

辨識 ARMA 模型

模型選擇與殘差分析

模型選擇 - I

模型選擇－II

殘差分析 - I

殘差分析（二）

ARMA 入門

配適 ARMA 模型

既然你已能為定態的時間數列配適 ARMA 模型，接下來你會學習針對非定態時間數列的整合式 ARMA（ARIMA）模型。你會使用 R 中 stats 與 astsa 套件的時間數列指令，把模型配適到真實資料。

ARIMA－整合式 ARMA

ARIMA－即插即用

模擬 ARIMA

全球暖化

ARIMA 診斷

診斷：模擬過度擬合

診斷分析－全球氣溫

ARIMA 預測

ARIMA 模擬資料的預測

預測全球氣溫

ARIMA 模型

你將學會使用季節性 ARIMA 模型來配適並預測季節性時間數列資料。這會結合你在前幾章所學，並進一步學會擴充 stats 與 astsa 套件中的 R 時間數列指令。

純季節性模型

純季節性模型的 P/ACF

擬合純季節性模型

混合季節性模型

擬合混合季節性模型

資料分析－失業率 I

資料分析—失業率 II

資料分析－商品價格

資料分析－出生率

季節性 ARIMA 的預測

預測每月失業率

預測商品價格有多難？

恭喜！

季節性 ARIMA

在本課程中，你將學會使用 R 為時間數列資料配適 ARIMA 模型。首先，你會用 R 的 stats 套件來探索時間數列資料的特性。接著，你會用 R 的 astsa 套件，對模擬資料（你會知道正確模型）配適各種 ARMA 模型。打好基礎之後，你會學習如何為各種真實資料配適整合式 ARMA（ARIMA）模型。你也會學到如何檢查 ARIMA 模型的有效性，以及如何為時間數列做預測。最後，你會學會將 ARIMA 應用到季節性資料，並使用 astsa 套件進行預測。

Time Series Analysis in R

在此課程中，您將學會使用R對時間序列數據擬合ARIMA模型，從模擬數據到季節性數據。

R 中的 ARIMA 模型

精通使用 R 將 ARIMA（自回歸整合移動平均）模型套用於時間序列資料。

量化分析師  在 R 中

時間序列  在 R 中

預測每月失業率

R 中的 ARIMA 模型

練習說明

動手互動練習