一文读懂时序预测模型（1）

我们都渴望预测未来，而时序预测作为一种预测未来的方法或模型被人们广泛的认知，时序序列的预测方法却不被相关的数据分析人员广泛的了解，下面就逐步和大家一起探讨时序序列模型。、

模型的使用

首先和大家一起探讨一下模型的使用，现在介绍时序预测模型之前啰嗦几句，其中在模型的使用方面有一句特别著名的话，就是：

All models are wrong, but some are useful. 所有模型都是错的，但有些是有用的。

这句话，其实看似矛盾和平常，但却深深的融入在我们的工作和学习当中。其实，从某种意义上讲，我们每个人也都是一个模型，都在不断优化着自己的参数和结构。当然，我们在模型的使用的过程当中，也许牢牢记住这句话。

这句话里的模型应该是针对现实世界的模型，针对“理想状况”的模型完全可以是对的。

对于前半句【all models are wrong】的理解：影响现实因素如此之多。由于人类的认知能力的局限性（对于模型中各变量的作用关系认知局限）或有些数据难以获取以及数据的测量难度、测量错误等（缺失变量或不准确的变量），模型的构建无法达到“上帝视角”的程度。所以，现实的世界无法完全按照我们的模型发展，现实和模型的差距，模型当然就是错的。无论是数学模型还是物理模型都是对于现实世界的一种尝试性的一种解释。

对于后半句【but some are useful】的理解：虽然模型与现实世界存在一定的差距，但是模型可以告诉我们现实中的一些规律性的东西。比如说：很多人都在炒基金，一般的规律是基金短期内可能是赔钱的，但是大多数基金长期是盈利的。也就是说，模型在一定的条件下，同时在一定的误差可以接受的情况下模型是可以用的。

时间序列

下面开始进入正题，开始介绍时序序列模型。这里首先介绍一下时间序列，时间序列是将某种统计指标的数值，按照时间先后顺序所形成的数列。例如去年一年每天的上证综合指数的收盘价格、过去一年济南市每天的交通运行指数变化等。时间序列预测就是通过分析时间序列反映出来的发展过程、方向和趋势，进行类推或延伸，预测下一段时间可能达到的水平。时间序列异常检测就是通过历史的数据分析，查看当前的数据是否发生了明显的异常。下面以上证指数为例子做一下简单的介绍。

其中，图中一段时间上证指数每天价格的变化，便是时间序列。那么我们采用这张图的综合指数的变化值，去预测明天的值的变化，便是时间序列预测。同时我们发现某一天上证指数跌幅超过了30%，那么我们可以根据经验发现你这个为异常值。那么判断，便是时间序列异常检测。

基本时间序列预测方法介绍

上面啰嗦了很多，这里对时间预测方法进行介绍，本节当中࿰