時間序列
1.定義
時間序列（或稱動態數列）是指將同一統計指標的數值按其發生的時間先后順序排列而成的數列。時間序列分析的主要目的是根據已有的歷史數據對未來進行預測。經濟數據中大多數以時間序列的形式給出。根據觀察時間的不同，時間序列中的時間可以是年份、季度、月份或其他任何時間形式。例如：北京市月度CPI同比數據。http://data.eastmoney.com/cjsj/cpi.html
具體的定義去找度娘奧。
2.構成要素
與其說構成要素，不如說一個時間序列可以分解成哪些
構成要素：長期趨勢，季節變動，循環變動，不規則變動。
3.組合模型
時間序列的組合模型主要有兩種形式
加法模型：Y=T+S+C+I（即為上面幾種趨勢的相加）
乘法模型：Y=T·S·C·I(上面幾種趨勢相乘
具體用哪個，就根據具體問題來設定吧
4.平穩性
平穩的定義：平穩性是指時間序列的所有統計性質都不會隨着時間的推移而發生變化
主要有
-
一個平穩時間序列的特征主要有 （1）均數和方差不隨時間變化；
（2）自相關系數只與時間間隔有關，與所處的時間無關。
相關系數是用來量化變量之間的相關程度。自相關系數研究的是一個序列中不同時期的相關系數，也就是時間序列計算其當前期和不同滯后期的一系列相關系數。
目前主流的時間序列預測方法都是針對平穩的時間序列進行分析的，但是實際上，我們遇到的大多數時間序列都不平穩，所以在分析時，需要首先識別序列的平穩性，並且把不平穩的序列轉換為平穩序列。一個時間序列只有被平穩化處理過，才能被控制和預測。
5.時間序列平穩化處理
將時間序列平穩化的方式有很多，基礎的方法是差分和取對數法，因為這個方法有助於我們解讀時間序列模型。差分，就是指序列中前后相鄰的兩期數據之差。取對數法就是對時間序列的值取對數。（這里基本上就是處理非平穩時間序列的兩個方法），另外還有一些就是小波分析法（這里給個鏈接嗷嗷http://blog.sina.com.cn/s/blog_136949aa50102x750.html）小波分析在天氣變化的時間序列中用的多一些。還有就是卡爾曼濾波啥的https://blog.csdn.net/yzxnuaa/article/details/79450182
在R語言中，差分用到的函數主要有diff（）
emmmm這篇就是初識時間序列，以后具體模型具體分析