時間序列概觀 - 它可以預測一天中的股價變化嗎?

時間序列分析的目的一般有兩面向:

1. 探究生成觀測到的序列的隨機機制或生成此序列的模型
2. 用來預測。此預測除了基於觀測到的序列，也許也會考慮到其他相關的序列或因素

對時間序列中的每一個觀測值有一特別的性質 - 通常我們不會假設它們來自同一個母體，如它們取自有不相同的均值的母體。

而所以，通常時間序列分析的要點在於研究具有相關性的模型。例如，趨勢性、季節性、遞延性均是前後相關的性質。

另外，常常會被問到你用的時間序列模型可以用來預測每天的股票市場嗎?

我用的時間序列模型通常是指數平滑、或 ARIMA 這一類的，這些模型通常較適合那些有趨勢或季節性的數據。每日股票市場數據是典型沒有趨勢也沒有季節性。也許你會說有啊 ?! 股票市場有趨勢啊， 那用 Holt 或 Winter 模型可以嗎?

事實上是不行的。因為在股票市場數據出現的趨勢，簡單只是因為他們是隨機漫步的局部效果。 Holt 方法會給出無用的預測。

做事情有時候必須見樹亦見林。所謂"見"就是看見，有意的看見、心中有此意象有此空間才有會有觀點的著落。