怎么判断序列是否可以使用时间序列预测？

首先从时间的角度可以把一个序列基本分为3类：

1.纯随机序列（白噪声序列），这时候可以停止分析，因为就像预测下一次硬币哪一面朝上一样毫无规律。

2.平稳非白噪声序列，它们的均值和方差是常数，对于这类序列，有成熟的模型来拟合这个序列在未来的发展状况，如AR，MA，ARMA等（具体模型算法及实现在后面）

3.非平稳序列，一般做法是把他们转化为平稳的序列，在按照平稳序列的算法进行拟合。如果经过差分后平稳，则应使用ARIMA模型进行拟合。下面需要知道你的序列属于哪一种（平稳性检验）
（1）单位根检验
函数：adftest(A)
结果为0，则序列为非平稳
（2）Daniel检验
对于显著性水平A，计算时间序列的秩相关系数q，若T大于二分a数，则认为序列非平稳。
函数：RT = tiedrank(a);
n = length(a);t = 1:n;
q = 1-6/(n*(n2-1))sum((t-Rt).2)
T = Qssqrt(n-2)/sqrt(1-q^2);
t_0 = tinv(0.975,n-2)
三、选择模型
平稳的序列自相关图和偏自相关图不是拖尾就是截尾。

截尾就是在某阶之后，系数都为 0 。
拖尾就是有一个衰减的趋势，但是不都为 0 。

如果自相关是拖尾，偏相关截尾，则用 AR 算法

如果自相关截尾，偏相关拖尾，则用 MA 算法

如果自相关和偏相关都是拖尾，则用 ARMA 算法， ARIMA 是 ARMA 算法的扩展版，用法类似 。