将预测对象按照时间顺序排列起来，构成一个所谓的时间序列，从所构成的这一组时间序列过去的变化规律，推断今后变化的可能性及变化趋势、变化规律，就是时间序列预测法。时间序列模型其实也是一种回归模型，其基于的原理是，一方面承认事物发展的延续性，运用过去时间序列的数据进行统计分析就能推测事物的发展趋势;另一方面又充分考虑到偶然因素影响而产生的随机性，为了消除随机波动的影响，利用历史数据，进行统计分析，并对数据进行适当的处理，进行趋势预测。优点是简单易行，便于掌握，能够充分运用原时间序列的各项数据，计算速度快，对模型参数有动态确定的能力，精度较好，采用组合的时间序列或者把时间序列和其他模型组合效果更好。缺点是不能反映事物的内在联系，不能分析两个因素的相关关系，只适用于短期预测。
1. 确定性时间序列分析方法
时间序列预测技术就是通过对预测目标自身时间序列的处理，来研究其变化趋势。一个时间序列往往是以下几类变化形式的叠加或耦合∶
（1）长期趋势变动。它是指时间序列朝着一定的方向持续上升或下降，或停留在某一水平上的倾向，它反映了客观事物的主要变化趋势。
（2）季节变动。
（3）循环变动。通常是指周期为一年以上，由非季节因素引起的涨落起伏波形相似的波动。
（4）不规则变动。通常分为突然变动和随机变动。
1.1 移动平均法
1.2 指数平滑法
1.3 差分指数平滑法
当时间序列的变动具有直线趋势时，用一次指数平滑法会出现滞后偏差，其原因在于数据不满足模型要求。因此，也可以从数据变换的角度来考虑改进措施，即在运用指数平滑法以前先对数据作一些技术上的处理，使之能适合于一次指数平滑模型，然后再对输出结果作技术上的返回处理，使之恢复为原变量的形态。差分方法是改变数据变动趋势的简易方法。下面讨论如何用差分方法来改进指数平滑法。
1.4 具有季节性特点的时间序列预测
2. 平稳时间序列模型
2.1 时间序列的基本概念
2.2 ARMA模型的构建及预报
3. 时间序列的matlab工具箱及相关命令
Matlab时间序列的相关命令在系统辨识（System ldentifcation）工具箱、计量经济学（Econometrics）工具箱和金融（Financial）工具箱。
工具箱帮助文档：【点击查看】
4. ARIMA序列与季节性序列
详情查看原本
原课本习题及代码
点击下载 【课本 + 源码 】 提取码：92h8