目录

1. 自回归模型

原理

核心公式

推导过程：

完整案例

2. 移动平均模型

原理

核心公式

推导过程：

完整案例

3. 自回归移动平均模型

原理

核心公式

推导过程：

完整案例

4. 自回归积分移动平均模型

原理

核心公式

推导过程

完整案例

5. 季节性自回归积分移动平均模型

原理

核心公式

推导过程：

完整案例

6. 指数平滑法

原理

核心公式

推导过程：

完整案例

7. 长短期记忆网络

原理

核心公式

推导过程：

完整案例

8. Facebook Prophet

原理

核心公式

推导过程：

完整案例

9. XGBoost

原理

核心公式

推导过程：

完整案例

10. LightGBM

原理

核心公式

推导过程：

完整案例

---

时间序列预测模型 能够捕捉数据中的趋势和季节性变化，从而实现对未来值的准确预测。通过分析历史数据，时间序列模型帮助决策者制定更明智的策略，优化资源配置。

最终，这些模型在金融、气象和供应链管理等多个领域提供了非常宝贵的洞察，提升了业务的响应能力和效率。

今儿涉及到的模型有：

• 自回归模型 (AR)

• 移动平均模型 (MA)

• 自回归移动平均模型 (ARMA)

• 自回归积分移动平均模型 (ARIMA)

• 季节性自回归积分移动平均模型 (SARIMA)

• 指数平滑法 (ETS, Exponential Smoothing)

• LSTM

• Facebook Prophet

• XGBoos