时序

ADF 单位根检验

检验时间序列数据是否平稳，是进行绝大多数时间序列建模的严格前提。

格兰杰因果检验

检验一个时间序列的历史先兆数据是否能显著提升对另一个序列的预测精度。

VAR 向量自回归模型

建立多个相互关联的时间序列变量之间的动态系统，分析多变量互动冲击。

差分分析

对非平稳序列做一阶或季节差分，观察是否转为平稳。

（偏）自相关分析(pacf_acf)

绘制ACF与PACF，辅助判断ARMA的自回归与移动平均阶数。

季节性ARIMA模型

在ARIMA中加入季节AR/MA与季节差分，专门刻画周期波动。

移动平均法

用简单或加权移动平均平滑序列并做短预测。

单指数平滑法

对无趋势无季节的水平序列用一次指数平滑做短期预测。

双指数平滑法

同时平滑水平与趋势（Holt），用于有趋势但无季节的序列。

Winters法

三次指数平滑，同时建模水平、趋势与季节项。

时间序列分解法

把序列分解为趋势、季节与残差，便于解释与季节调整。