主成分分析（PCA）是提出多個指標(biāo)的幾個典型主成分。主成分分析的評分方法之一是回歸法。ARIMA模型的基本思想是將預(yù)測對象隨時間變化形成的數(shù)據(jù)序列看作一個隨機(jī)序列，并用一定的數(shù)學(xué)模型來近似描述該序列。

主成分分析（PCA）是提出多個指標(biāo)的幾個典型主成分。主成分分析的評分方法之一是回歸法。ARIMA模型的基本思想是將預(yù)測對象隨時間變化形成的數(shù)據(jù)序列看作一個隨機(jī)序列，并用一定的數(shù)學(xué)模型來近似描述該序列。

一旦確定，該模型可以根據(jù)時間序列的過去值和現(xiàn)在值預(yù)測未來值。現(xiàn)代統(tǒng)計方法和計量經(jīng)濟(jì)模型在一定程度上可以幫助企業(yè)預(yù)測未來。ARIMA模型是以歷史數(shù)據(jù)為基礎(chǔ)的，所以收集的歷史數(shù)據(jù)越多，模型就越精確。月儲蓄數(shù)據(jù)可視為隨時間推移而形成的隨機(jī)時間序列。通過對儲蓄值在時間序列中的隨機(jī)性、平穩(wěn)性和季節(jié)性的分析，用數(shù)學(xué)模型來描述這些單月儲蓄值之間的相關(guān)性或依賴性，從而利用過去和現(xiàn)在的儲蓄值信息來預(yù)測未來的儲蓄目的。

主成分回歸模型可以預(yù)測與時間序列的ARIMA預(yù)測模型也是用來預(yù)測的，他們有什么區(qū)別么？

通常只預(yù)測一個值，下面的模型是一條直線。時間序列只適用于短期預(yù)測

Arima建模是在序列穩(wěn)定的前提下進(jìn)行的，預(yù)測時均值必然會發(fā)生變化，速度取決于半下降期。