利用Python构建时间序列模型解决实际问题的正确姿势

要本着应用到实际工作中目的去学时间序列分析，才能深入浅出的学会，不要纠结于理论，只听我的，我有信心说明白。

本章内容

趋势分析

序列分解

序列预测

---

序列分解

统计学基础铺垫

划分

时间序列按照季节性划分：

• 季节性时间序列

• 非季节性时间序列

时间序列包含什么	趋势部分	不规则部分	季节性部分
非季节性时间序列	√	√	不包含
季节性时间序列	√	√	√

特别强调：这里的季节性

非季节性时间序列分解

移动平均（MA—Moving Average）的两种方法

   移动平均法是用一组最近的实际数据值来预测未来一期或几期内公司产品的需求量、公司产能等的一种常用方法。移动平均法适用于即期预测。当产品需求既不快速增长也不快速下降，且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动，是非常有用的。移动平均法根据预测时使用的各元素的权重不同，可以分为：简单移动平均和加权移动平均。

• 简单移动平均

• 加权移动平均

简单移动平均

（SMA－Simple Moving Average）

$$\bbox[5px,border:1px solid black]{SMA_n＝\frac{x_1+x_2+... ...+x_n}{n}}$$

• 时间序列上前n个数据做简单的算术平均

- 简单移动平均应用场景