纯随机性检验 检验数列是否是白噪声序列，一般在模型中用于检验残差是否是白噪声序列，用以检验模型是否合理。 -----------Q统计量，LB统计量。在两个统计量检验中，若p大于显著性水平，则该序列不能拒绝纯随机性的原假设，即该序列为白噪声序列。 2.计算ACF（自相关系数），PACF（偏自相关系数）。根据其截尾还是拖尾，来选择模型时间序列模型，AR§,MA(Q),ARMA(P,Q), 3.估计模型中的未知量的参数值，一般选择最小二乘法，利用序列的自相关系数进行估计。 4.模型的检验， -----------模型的显著性检验，检验残差序列是否为白噪声序列，若为白噪声序列，则模型显著性有效。 ----------参数的显著性检验，检验每个未知参数是否显著性非0，若参数都显著性非0，则参数估计显著。 5.模型的优化， ----------AIC准则，变量越多，构造的模型也越精确，但同时也会到时导致计算量增大，风险过大。因此在配置模型时，应该是拟合精度与未知参数达到最优的配置，也就是AIC准则达到最小时的结果。 而SBC准则，则是在AIC上面的优化。 6.预测未来数据走向。差分法与移动平均法。