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