不同行业和领域的时间序列数据有不同的特点。例如,旅游行业,往往在夏季达到高峰,零售行业在节假日,尤其是春节时达到高峰,某交易所的股票综合指数则明显呈现出波动性。而一个国家的GDP,在经济发展好的时候通常会逐年稳步增长,如果遇到经济萧条则很大概率会持续几年下降,没有明显的周期性和波动性。所以,不存在一个简单的时间序列模型可以描述以上所有例子中的特点。针对比较常见的时间序列数据,已有一些很常用的模型适用,并且预测效果也不错。
时间序列的一个重要特征是,相邻时间点之间是等距的,并且有明确的先后顺序,如2019年的GDP总是在2018年之后产生。因此2019年的GDP会在一定程度上受到2018年GDP的影响。以此类推,2020年的GDP会受到2019年的影响,如果按照这个时间序列下去,会得到一个连续的数据。
我国2018年的GDP增长率是6.6%,如果以此预测2019年的增长率是-1%似乎缺乏依据,更加可信的预计是2019年的GDP增长率在6.0%~7.2%。能将预测值控制在某种程度的范围中,是因为自身数据存在着变化规律,如果想要更精确地预测,就要找到这些规律建模并预测。
预测流程