大概（？）
在ARIMA模型的识别过程中，我们主要用到两个工具：自相关函数ACF，偏自相关函数PACF以及它们各自的相关图。
1、模型识别
（1）数据录入
（2）时序图判断平稳性
（3）原始数据的对数处理
（4）对对数序列进行平稳性检验，判断序列的单整阶数，确定差分次数d
（5）建立一阶差分序列
（6）模型的识别
2、模型的参数估计，确定最优模型
3、模型的诊断检验
4、用静态预测方法预测2008年的中国进出口贸易总额，和实际数据进行比较预测效果。
5、尝试用“方程去趋势方法”消除确定趋势，后用ARMA模型拟合1950年到2007年中国进出口贸易总额数据，并预测2008年的中国进出口贸易总额。
6、对两种处理的方法进行比较分析。
（1）根据时序图的形状，采用相应的方法把非平稳序列平稳化；
（2）对经过平稳化后的1950年到2007年中国进出口贸易总额数据建立合适的ARIMA（）模型，并能够利用此模型进行进出口贸易总额的预测。
要求：
（1）深刻理解非平稳时间序列的概念和ARIMA模型的建模思想；
（2）如何通过观察自相关，偏自相关系数及其图形，利用最小二乘法，以及信息准则建立合适的ARIMA模型；如何利用ARIMA模型进行预测；
（3）熟练掌握相关Eviews操作，读懂模型参数估计结果。
以上就是（大概（？））全部内容，收藏起来下次访问不迷路！
