Regression model
ARIMA（自回归积分滑动平均）模型
ARIMA是一种单变量时间序列预测模型，它结合了自回归、积分（差分）和滑动平均分量，以从其自身的历史数据预测单个连续序列。它是Box、Jenkins、Reinsel & Ljung所著的《时间序列分析》（第5版，2015年）中提出的Box-Jenkins方法论的核心。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
+39 more
来源
- Box, G. E. P., Jenkins, G. M., Reinsel, G. C. & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control (5th ed.). Wiley. ISBN: 978-1118675021
如何引用本页
ScholarGate. (2026, June 1). Autoregressive Integrated Moving Average Model. ScholarGate. https://scholargate.app/zh/econometrics/arima
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 简单和双指数平滑 (SES / Holt)计量经济学↔ compare
- 广义自回归条件异方差模型 (GARCH)计量经济学↔ compare
- 普通最小二乘法 (OLS) 回归计量经济学↔ compare
- 季节性ARIMA（SARIMA）计量经济学↔ compare
- 向量自回归 (VAR) 模型计量经济学↔ compare
被引用于
增广迪基-福勒（ADF）单位根检验Autoformer：用于长期时间序列预测的分解Transformer贝叶斯结构时间序列布雷施-戈弗雷序列相关LM检验协整检验（Johansen / Engle-Granger）条件在险价值（预期缺口）Conformal Prediction for Time-Series ForecastingCroston方法用于间歇性需求DCC-GARCH（动态条件相关性）DeepARDLinear：时间序列预测的分解线性模型指数 GARCH (EGARCH)ETS：误差、趋势、季节性指数平滑简单和双指数平滑 (SES / Holt)极值理论 (EVT)广义自回归条件异方差模型 (GARCH)GARCH 模型（波动率预测）GJR-GARCH (不对称 GARCH)GM(1,1) 灰色预测模型霍尔特-温特斯三指数平滑法InformerJohansen协整检验与向量误差修正模型卡尔曼滤波器KPSS平稳性检验李-卡特模型Ljung-Box Q自相关检验长记忆模型（ARFIMA, FIGARCH）马尔可夫状态转换模型 (MS-AR / MS-VAR)均值-方差投资组合优化（Markowitz）MIDAS回归：跨混合数据频率的预测N-BEATSN-HiTSPatchTSTPhillips-Perron (PP) 单位根检验已实现波动率与HAR模型SARIMAX状态空间模型（卡尔曼滤波器）STL分解：使用Loess的季节-趋势分解结构时间序列模型（基本结构模型）TBATSTemporal Fusion TransformerTheta 方法时间序列交叉验证（滚动/扩展窗口）VaR（风险价值）向量自回归 (VAR) 模型向量误差修正模型 (VECM)X-13ARIMA-SEATS 季节调整