溫馨提示：需求數(shù)量不同，價格不同。請聯(lián)系我們，確認當前新的報價！
SCA 是一套功能強大的時間序列預測及分析軟件。SCA的當前版本為8.1。它能提供使用者統(tǒng)計咨詢、系統(tǒng)整合、以及為顧客量身訂做程序服務。SCA 軟件系統(tǒng)承襲G.E.P. BOX, G.C. Tiao, L.M. Liu…等國際知名時間數(shù)列及預測大師的研究方法，被學界及實務界評為先進的時間數(shù)列及預測軟件。
SCA統(tǒng)計系統(tǒng)是一種方法學上先進的軟件系統(tǒng)，為商業(yè)和工業(yè)預測應用提供全面的功能，它包括一個復雜的專家系統(tǒng)建模環(huán)境，適用于需要高度自動化的集成應用程序。還包括一整套識別和診斷工具，以方便用戶指導建模。
SCA的專家系統(tǒng)涉及單系列單變量模型以及多變量模型。SCA系統(tǒng)采用先進且高度可靠的專家系統(tǒng)方法，提供簡約模型，促進可靠和準確的預測。
SCA系統(tǒng)提供給您使用各種建模功能來分析時間序列數(shù)據(jù)的能力，并提供準確的您可以信賴的預測。SCA系統(tǒng)是您建模和預測需求的解決方案。系統(tǒng)的靈活性，易用性，以及隨用戶增長的能力形成一個令人印象深刻的組合。
SCA軟件操作容易，適合各樣背景的模型使用者。內(nèi)建的人工智能演算功能，可自動有效的辦認出時間數(shù)據(jù)內(nèi)錯綜復雜季節(jié)性或非季節(jié)性的ARIMA模型，對時間數(shù)列進行分析或預測。具備SCA軟件，您可克服時間數(shù)列分析理論及實務的操作隔閡，減少花在辨認ARIMA模型上的功夫，而將寶貴的時間用在數(shù)列結(jié)果的分析及預測上。
SCA軟件有效的解決了時間數(shù)據(jù)分析多種可能模型選擇上的困擾，并且對時間數(shù)據(jù)中常見的多個外部干預及離異數(shù)據(jù)，自動作偵測及修正并估計出修正后的預測模型。此法大幅提高了模型解釋能力及預測精確，并能提供干預或離異數(shù)據(jù)的類型、影響程度及持續(xù)長短。讓您充分了解過去正常時間數(shù)據(jù)的型態(tài)，及未來正常，或干預下可能發(fā)生的預測狀況。SCA軟件非常適合商務、管理、營銷、財務、投資、股票、交通、旅游、經(jīng)濟、生產(chǎn)、醫(yī)療、環(huán)保、倉儲、公用事業(yè)及教學、研究...等實務及學術(shù)上的應用。
SCA還提供陷阱的異常值檢測和調(diào)整功能，允許聯(lián)合估計異常值效應和模型參數(shù)。使用SCA系統(tǒng)的這一功能，模型參數(shù)會自動從數(shù)據(jù)的結(jié)構(gòu)變化中恢復（例如：異常脈沖，臨時變化和電平轉(zhuǎn)換）。
此外，SCA的異常值處理功能也擴展到預測中。通過這種先進的程序，預測因異常值的印象而變得不敏感。如果不能正確處理異常值，特別是在預測來源附近，則異常數(shù)據(jù)的影響可能嚴重損害預測的準確性和可靠性。
人們認識到預測過程不僅是預測值的計算。在變化和不確定的時代，系統(tǒng)結(jié)構(gòu)的知識和變量的相互作用是重要的。定量預測方法，例如SCA提供方法，在提供此類知識方面具有無可估量的價值。
SCA系統(tǒng)具有分析時間序列數(shù)據(jù)的全面功能。您可以選擇讓SCA系統(tǒng)自動對時間序列建模，也可以通過廣泛的用戶控制的識別，估計和診斷功能完全控制建模規(guī)程。您可以估計一系列過去的過去之間存在的關(guān)系，與自變量或解釋性變量存在的關(guān)系，或者在模型中包括指標變量以說明數(shù)據(jù)的確定性屬性。
為了促進定量預測，SCA提供了大量的預測和建模方法，以預測準確性至關(guān)重要的任何業(yè)務應用。SCA解決的方法的代表性樣本分類如下。
單變量方法
Box - JenkonsARIMA模型
干預/影響調(diào)整模型
一般指數(shù)平滑方法簡單方法（例如：移動平均值）
多輸入法
多輸入傳遞函數(shù)模型
一般回歸方法
傳統(tǒng)計量經(jīng)濟模型（2SLS，3SLS等）
多元自適應回歸樣條（MARSOLINE）
廣義加性模型（GAM）
交替條件期望（ACE）
投影尋蹤回歸（PPREG）
多變量方法
同時傳遞函數(shù)模型
向量自回歸模型
向量ARMA模型
狀態(tài)空間模型/卡爾曼濾波
新版本提供了許多新功能和增強功能：
時間序列功率轉(zhuǎn)換分析和診斷
使用功率變換改進預測
時變參數(shù)模型
廣義閾值A(chǔ)R和ARIMA建模
分段時間序列建模和預測
GARCH建模和應用環(huán)境
新的季節(jié)性ARIMA識別方法
單位根測試
使用矢量ARIMA模型的因果關(guān)系測試
通過ARMA因子的根檢查改進估計
日期構(gòu)建，處理，索引和聚合
系統(tǒng)要求
PC或奔騰
MS Windows 10， 8 ，Windows 7（64位或32位）
RAM位2GB（Windows 7及以上），256MB（XP）
