时间序列预测

摘自知乎 “许铁-巡洋舰科技”，红色部分为个人见解。

    许铁-巡洋舰科技 认为：“时间序列预测”本身包含了多种类型的问题，而这些问题存在不同特征的数据。进行时间序列预测时，首先考虑的并不是选择模型，而是分析目标问题。”

    认为：”一个时间序列，往往是外界给予的另一个时间导致的东西，而这样一个东西，可以随着外界的变化而确定，但也可以由于更复杂的原因是不确定的。”导致造成某一个结果的原因会有很多，通常情况可能一些数据还不足以表达这些原因，还会有很多外界原因造成，这些原因是不可已通过数据表达出来的。

    认为：“时间序列这一刻的状态如果只和上一刻相关，则可以说它是没有复杂记忆的（马尔科夫过程）。反之，还和上上一刻，上上上一刻相关，那就不具有马氏性，而是复杂历史依赖”。

认为：

    系统是线性的还是非线性的：如果影响时间序列变化的因素之间相互独立，则他们总的效果可以分解为单个因素的影响的叠加，称之为线性，对于线性系统我们有一套现成工具解决，反之，如果影响它的因子不能被单独拆分，则是非线性的。一旦具有分线性的，则问题变得极为复杂，各种类型的镶边，混沌应运而生。

    问题有多少维度，需要升维还是降维？降维（PCA），升维（神经网络）。

如何预测时间序列的走势？如果线性回归，一般方法即可解决。如果不具备复杂的记忆，则隐变量马尔科夫过程HMM就可以很好的解决这个问题。否则就要考虑网络大法碰运气。

摘自知乎“chaopig”

摘自知乎“Michael Jackson”

参考链接：http://www.cnblogs.com/aquastar/archive/2012/12/16/2820106.html

总之：时间序列预测算法主要有：ARMA、ARIMA、神经网络预测、SVM预测、灰色预测、模糊预测、组合预测法等等。