时间序列分析法Time Series Analysis

依据某一变量的历史数据，分析其规律，并运用数学模型将变量外延以确定预测值的预测方法。时间序列分析法的前提假定是，某变量在历史上的变化趋势将延续到未来，从而以过去推及将来。同时由于实际中变量不仅受主要趋势的控制，还要受各种外界因素的影响，例如股市指数，不仅受其自身经营状况的影响，社会政治、经济、文化的变动也往往会波及。时间序列分析法的主要任务就在于运用一定的数学方法，排除偶然因素对历史数据的影响，从而得出其长期趋势。时间序列分析法有以下几种方法：移动平均法、指数平滑法、线性回归法和趋势外推法。
趋势外推法：从技术发展统计资料中，发现技术参数发展变化趋势近似于指数曲线。设X为技术参数；X₀为当时间t=0时参数的初值；则可描述数学模型为：

X=X₀e^bt b为常数

这一模型适于技术发展的初期。
时间序列分析法抛开了事物发展之间的联系，没有研究事物演变的前因后果，仅仅从其历史表象推测未来。因此它只适用于短、中期预测，在事物所处环境比较稳定的情况下较为准确。当事物外界条件变化时，应进一步与其他方法结合起来才能分析出准确结果。

时间序列分析法

是将历史上积累起来的资料按年、月或按周期排列，构成一个统计数列，并根据其发展动向向前推测，它实际上是一种 “外延推断”方法。这种方法在市场比较稳定的情况下，或对于某些需求弹性和价格弹性比较小的产品使用起来较为有效，特别是对短期预测效果更好。

时间序列分析法

time series analysis