股价预测、零售时间序列预测
1.什么是时间序列预测
时间序列（time series）是一组按照时间发生先后顺序进行排列的数据
时间序列（time series forecaing，简称时序预测、预估、forecasting）指预测未来时间点的数值
要预测的对象称为观测值通常基于历史的观测值预测未来有些时间序列的预测还需要考虑其他会影响观测值的变量，即外部因素（external regressor），如是否促销，气温等。
2.常见的时间序列预测算法分类
3.时间序列预测模型的通用流程
确定场景和对预测结果的要求
判断预测难度
收集数据
数据探索性分析
选择合适算法
建模和测试
4.时间序列的可视化
简单时序图 季节性时序图 季节性箱线图趋势箱线图
5.时间序列的主要成分
趋势
周期性
外部变量
噪声
如何判断是否存在周期性
ACF检测（自相关系数检测）
6.用STL算法分解时间序列
全称“Seasonal and Trend decomposition using Loess”即滤波方式分解季节性和趋势
可以将时间序列分解为季节项、趋势项和剩余项
剩余项可以用线性、非线性方式进一步分解为外部变量的影响以及残差
