檢視 ARIMA 的原始碼

[[File:ARIMA1.jpg|缩略图|ARIMA[https://ss3.baidu.com/9fo3dSag_xI4khGko9WTAnF6hhy/baike/g=0;w=268/sign=3d308e41272dd42a4f0904a074066983/dcc451da81cb39db5ce7bc7ed2160924ab1830f7.jpg 原图链接][https://ss3.baidu.com/9fo3dSag_xI4khGko9WTAnF6hhy/baike/g=0;w=268/sign=3d308e41272dd42a4f0904a074066983/dcc451da81cb39db5ce7bc7ed2160924ab1830f7.jpg 图片来源百度网]]]
'''ARIMA'''成立于1989年的[[华宇]](Arima)集团，在[[李森田]]董事长领导下，由研发及生产制造膝上型[[计算机]]产品之创始公司成长为拥有信息、[[无线通讯]]、[[光电]]、[[显示器]]、[[能源储存装置]]等设计和制造生产能力的多角化大型国际企业集团，并且在台湾、中国大陆、日本、美国、英国、荷兰等拥有一万二千余名员工。秉持

'''中文名''':[[华宇]](Arima)集团

'''外文名''':ARIMA

'''董事长''':[[李森田]]

'''成立时间''':1989年

==华宇集团==

===简介===

着针对高科技数字产业不同的功能需求，提供全方位解决方案之职志与愿景，华宇坚持只提供客户世界级水平的产品与服务！在信息与[[无线通讯]]领域的核心科技是华宇集团的主要投资及竞争优势，也是让华宇能在世界脉动中一直保持领先地位的重要因素。华宇集团以“[[数字化]]” 为核心愿景，完成全方位的科技发展与服务！

华宇集团为世界各地的顾客提供系统产品之设计、制造、运送及售后服务等，并以提供可信赖、高质量、低成本、灵活弹性[[商业模式]]及[[多元化产品]]以满足顾客各方面的需求为傲。华宇集团产品包括[[笔记型计算机]]、[[液晶电视]]、[[液晶屏幕]]、[[服务器]]、[[个人数字助理]]、[[行动电话]]、[[智能型手机]]、[[电池]]、[[无线通讯模块]]及[[光电零组件]]等。借由阵容坚强的研发精英团队与顾客密切地合作，能在短时间内将一个系统观念整合转换成产品，并量产营销全世界。

===运筹模式===

不仅提供顾客最具功效的系统制造与运送，并协助顾客达到竞争优势并成功地赢得市场占有率！华宇所有的软硬件架构都经由ISO的认证，连结建置并整合于企业资源规划、现场管理和供应炼管理的系统平台之上。如此缜密的系统让华宇能在接单后短短二天内，即可将产品送到客户指定的世界任何角落，并透过华宇分布于全球的服务中心，在24小时内提供终端客户最完善的售后保固服务！

2008年笔记本和服务器的业务卖给了伟创力，包括吴江ARIMA科技园的一座厂房和台北的研发机构。


放眼未来，华宇光能除了自身对于[[光电]]及[[干净能源]]的专业技术之外，更将充分利用过去在3C及各样零组件生产、销售的经验，并整合整个华宇集团的资源，充分发挥自身的竞争优势，带给客户最具有竞争力的产品。

==模型==

ARIMA模型全称为[[差分自回归移动平均模型]](Autoregressive Integrated Moving Average Model,简记ARIMA)，也叫求和自回归移动平均模型，是由[[博克思]](Box)和[[詹金斯]](Jenkins)于70年代初提出的一著名时间序列预测方法，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]]。

==基本思想==

ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从[[时间序列]]的过 去值及现 在值来预测未来值。现代[[统计方法]]、[[计量经济模型]]在某种程度上已经能够帮助企业对未来进行预测。

==基本程序==

（一）根据时间序列的[[散点图]]、自相关[[函数]]和偏自相关函数图以ADF单位根检验其[[方差]]、趋势及其季节性变化规律，对序列的平稳性进行识别。一般来讲，经济运行的时间序列都不是[[平稳序列]]<ref>[[贾俊平、何晓群、金勇．统计学（第四版）：中国人民大学出版社，2009年：364-365]]</ref> 。

（二）对非平稳序列进行平稳化处理。如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理，如果数据存在异方差，则需对数据进行技术处理，直到处理后的数据的[[自相关函数值]]和[[偏相关]]函数值无显著地异于零。

（三）根据时间序列模型的识别规则，建立相应的模型。若平稳序列的偏相关函数是截尾的，而自相关函数是拖尾的，可断定序列适合AR模型；若平稳序列的偏相关函数是拖尾的，而自相关函数是截尾的，则可断定序列适合MA模型；若平稳序列的偏相关函数和自相关函数均是拖尾的，则序列适合ARMA模型。

（四）进行[[参数估计]]，检验是否具有统计意义。

（五）进行[[假设检验]]，诊断残差序列是否为白[[噪声]]。

（六）利用已通过检验的模型进行预测分析。

==参考文献==
{{Reflist}}

[[Category:489 其他各種營業]]