时间序列ARMA建模实例，包含对数据的平稳性检验、白噪声检验及依据ARMA模型的预测。-ARMA time series modeling examples, including the data stationary test, white noise testing and forecasting based on ARMA model.

时间序列算法，平稳性检验，采用matlab编程对数据序列的稳定性作出相应的判断(ime series algorithm, stationarity test, using MATLAB programming to determine the stability of the data sequence)

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)