SCA - 时间序列预估软件
SCA 是一套时间序列预测及分析软件。它能提供使用者统计咨询、系统整合、以及为顾客量身订做程序服务。SCA 软件系统承袭G.E.P. BOX, G.C. Tiao, L.M. Liu…等国际知名时间数列及预测大师新的研究方法。
SCA统计系统是一种方法学上的软件系统,为商业和工业预测应用提供的功能,它复杂的系统建模环境,适用于需要自动化的应用程序。还一整套识别和诊断工具,以方便用户指导建模。
SCA的系统涉及单系列单变量模型以及多变量模型。SCA系统采用可靠的系统方法,提供简约模型,促进预测。
SCA系统提供给您使用建模功能来分析时间序列数据的能力,并提供的您可以信赖的预测。SCA系统是您建模和预测需求的解决方案。系统,易用性,以及随用户增长的能力形成令人印象深刻的组合。
SCA软件操作,适合各样背景的模型使用者。内建的人工智能演算功能,可自动的办认出时间数据内错综复杂季节性或非季节性的ARIMA模型,对时间数列进行分析或预测。具备SCA软件,您可克服时间数列分析理论及实务的操作隔阂,减少花在辨认ARIMA模型上的功夫,而将宝贵的时间用在数列结果的分析及预测上。
SCA软件的解决了时间数据分析多种可能模型选择上的困扰,并且对时间数据中常见的多个外部干预及离异数据,自动作侦测及修正并估计出修正后的预测模型。此法大幅提高了模型解释能力及预测,并能提供干预或离异数据的类型、影响程度及持续长短。让您充分了解过去正常时间数据的型态,及未来正常,或干预下可能发生的预测状况。SCA软件适合商务、管理、营销、财务、投资、股票、交通、旅游、经济、生产、医疗、环保、仓储、公用事业及教学、研究...等实务及学术上的应用。
SCA还提供陷阱的异常值检测和调整功能,允许联合估计异常值效应和模型参数。使用SCA系统的这一高等功能,模型参数会自动从数据的结构变化中恢复(例如:异常脉冲,临时变化和电平转换)。
此外,SCA的异常值处理功能也扩展到预测中。通过这种程序,预测因异常值的印象而变得不敏感。如果不能正确处理异常值,是在预测来源附近,则异常数据的影响可能严重损害预测和可靠性。
人们认识到预测过程是预测值的计算。在变化和不确定的时代,系统结构的知识和变量的相互作用。定量预测方法,例如SCA提供方法,在提供此类知识方面具有一定价值。
SCA系统具有分析时间序列数据的功能。您可以选择让SCA系统自动对时间序列建模,也可以通过广泛的用户控制的识别,估计和诊断功能控制建模规程。您可以估计一系列过去的过去之间存在的关系,与自变量或解释性变量存在的关系,或者在模型中指标变量以说明数据的确定性属性。
为了促进定量预测,SCA提供了大量的预测和建模方法,以预测业务应用。SCA解决的方法的代表性样本分类如下。
单变量方法
-
Box - JenkonsARIMA模型
-
干预/影响调整模型
-
指数平滑方法方法(例如:移动平均值)
多输入法
-
多输入传递函数模型
-
回归方法
-
传统计量经济模型(2SLS,3SLS等)
-
多元自适应回归样条(MARSOLINE)
-
广义加性模型(GAM)
-
交替条件期望(ACE)
-
投影寻踪回归(PPREG)
多变量方法
-
同时传递函数模型
-
向量自回归模型
-
向量ARMA模型
-
状态空间模型/卡尔曼滤波
新版本提供了新功能和增强功能:
-
时间序列功率转换分析和诊断
-
使用功率变换改进预测
-
时变参数模型
-
广义阈值AR和ARIMA建模
-
分段时间序列建模和预测
-
GARCH建模和应用环境
-
新的季节性ARIMA识别方法
-
单位根测试
-
使用矢量ARIMA模型的因果关系测试
-
通过ARMA因子的根检查改进估计
-
日期构建,处理,索引和聚合
个人计算机SCA系统的基本功能
MS Windows 下的基本系统功能与MS Windows 7、Vista、XP和NT兼容在Windows 32位和64位平台上运行高分辨率彩色图形边界的命令界面的分析函数和矩阵运算可编程命令语言通过宏程序实现任务自动化从电子表盒/数据库应用程序作为统计预测引擎启动通过SCA Applet技术执行外部程序数据生成、编辑、排序和排名示例驱动且易于使用的文档专家统计和用户支持服务与SCA WorkBench集成管理大量系列或数据集的分析。
系统要求
-
PC或奔腾
-
MS Windows 10, 8 ,Windows 7(64位或32位)
-
RAM位2GB(Windows 7及以上),256MB(XP)
- 2024-12-20
- 2024-12-19
- 2024-12-18
- 2024-12-17
- 2024-12-16
- 2024-12-16
- 2024-12-20
- 2024-12-20
- 2024-12-19
- 2024-12-19
- 2024-12-17
- 2024-12-17