时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。时间序列分析主要用于：①系统描述。根据对系统进行观测得到的时间序列数据，用曲线拟合方法对系统进行客观的描述。②系统分析。当观测值取自两个以上变量时，可用一个时间序列中的变化去说明另一个时间序列中的变化，从而深入了解给定时间序列产生的机理。③预测未来。一般用ARMA模型拟合时间序列，预测该时间序列未来值。④决策和控制。根据时间序列模型可调整输入变量使系统发展过程保持在目标值上，即预测到过程要偏离目标时

利用时间作为自变量来预测一个时间序列未来的值，比如，可以预测地震、天气、股票等等，由于它的自变量只有时间，所以感觉很神奇，几乎就是拿一个变量自己来做回归，称之为自回归AR（auto regression），另外有一个什么滑动平均MA（难道是mobile average？），这种方法居然在20世纪20年代就被某个数学家发明出来，用来预测市场等等

机器学习的教学类PPT，记录了相关原理以及调参方法，还有股票预测的事例

内部描述 7.1时间序列预测法 7.2平均数预测法 7.3指数平滑法 7.4季节变动预测法 7.5趋势外推预测法