时间序列预测听课笔记

时间序列预测

概览

1.时间序列：

一组按照事件发生先后顺序及逆行排列的数据。

2.时间序列预测：

预测序列在未来时间点的数值。
基于观测值（历史数据）预测未来
有些时间序列的预测还需要考虑其他会影响到观测值的变量，即外部变量（external regressor）。

3.如何做好时间序列预测：

编程+算法+业务和数据分析

4.应用：

零售商（生产，订货，定价）
工厂（人员，工作时长）
IT运维（服务器数量）
基金经理（股票的买入，卖出）

时间序列预测发展历史：

基于专家经验的预测方法；
传统统计学预测算法；
机器学习预测算法；
深度学习预测算法。

构建时间序列预测模型的通用流程

1.确定场景和预测结果的要求

开始之前，确定：
场景、预测对象、结果产生频率、预测期、时间颗粒度、截面颗粒度、准确性标准。

2.判断预测的难度（预判）

了解影响因素、大量的历史数据、是否有重复性。
用最简单的移动平均法预测效果如何。

3.收集数据

观测对象的历史数据、外部变量的历史数据和未来的数据。

4.数据探索性分析

1）数据的范围是什么？
2）数据中是否存在异常值、缺失值？
3）预测对象的趋势、周期性、自相关性如何？
4）外部变量如何影响观测对象？

5.选择合适的算法

1）是否需要具备可解释性？
2）是否能达到精度要求?
3）是否能达到运算性能的要求？

6.建模和测试

1）明确模型的输入、输出
2）划分训练集、验证集、测试集