一、定义
时间序列（或称动态数列）是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。经济数据中大多数以时间序列的形式给出。根据观察时间的不同，时间序列中的时间可以是年份、季度、月份或其他任何时间形式。
时间序列简单的说就是各时间点上形成的数值序列。时间序列分析并不是关于时间的回归，它主要是研究自身的变化规律的（这里不考虑含外生变量的时间序列）。
对时间序列进行观察,研究，寻找它变化发展的规律，预测它将来的走势，就是时间序列分析。
二、构成要素：长期趋势，季节变动，循环变动，不规则变动。
1）长期趋势（ T ）现象在较长时期内受某种根本性因素作用而形成的总的变动趋势。
2）季节变动（ S ）现象在一年内随着季节的变化而发生的有规律的周期性变动。
3）循环变动（ C ）现象以若干年为周期所呈现出的波浪起伏形态的有规律的变动。
4）不规则变动（I ）是一种无规律可循的变动，包括严格的随机变动和不规则的突发性影响很大的变动两种类型。
三、作用
1. 反映社会经济现象的发展变化过程，描述现象的发展状态和结果。
2. 研究社会经济现象的发展趋势和发展速度。
3. 探索现象发展变化的规律，对某些社会经济现象进行预测。
4. 利用时间序列可以在不同地区或国家之间进行对比分析，这也是统计分析的重要方法之一。
四、变量特征
非平稳性（nonstationarity，也译作不平稳性，非稳定性）：即时间序列变量无法呈现出一个长期趋势并最终趋于一个常数或是一个线性函数。
波动幅度随时间变化（Time－varying Volatility）：即一个时间序列变量的方差随时间的变化而变化。这两个特征使得有效分析时间序列变量十分困难。
平稳型时间数列（Stationary Time Series）系指一个时间数列其统计特性将不随时间之变化而改变。
五、时域分析的经典步骤
1.考察序列的特征，检验是否具有平稳性
2.根据序列特征选择拟合的模型
3.确定模型的口径
4.检验、优化模型
5.利用拟合的模型进行预测
时间序列分析
原文：https://www.cnblogs.com/cloris-Zhang/p/12506459.html
