时间序列模型
通过观察过去的特征模式，预测将来的走势
方法：时间序列分解法和趋势外推法(线性模型）
长期时间趋势T；季节性变动S；循环性变动（非季节，周期一年以上）C;不规则变动R
加法模型：T+S+C+R
乘法：T*S*C*R
趋势模型的选择
1.图形识别法
2，差分法
对数据进行修正，使非平稳序列达到平稳序列
平滑预测法
*平稳时间序列预测法
平稳：序列的均值不随时间的变化而变化，序列方差为0，不随时间变化，协方差只与时间间隔有关，与时间无关
AR 自回归模型：关于PACF P阶截尾
MA移动平均模型：关于ACF q阶
ARMA自动回归移动平均模型（处理平稳性，无趋势）
ARIMA模型：将非平稳型数列变为平稳型再进行处理
平稳性处理：1，对数运算 2，平滑法（移动平均法，指数平均法）3， 差分
