P2 时间序列预测 / Time-Series Forecasting

合成数值教学例；不是对应论文的数据或结果复现。

1. 时间序列只看自身历史
这条季度序列同时包含缓慢上升的趋势和重复的季节变化。
未来区域先留空，避免把未来观测混入拟合。

2. 区分趋势和季节
教学例子把序列分成趋势项和四季度重复的季节项。
分解帮助理解结构，实际估计还要考虑误差和模型选择。

3. 把已学结构向前推
在预测起点之后，趋势继续延伸，季节项按相同周期重复。
两者相加，形成下一年的条件预测曲线。

4. 揭晓未来观测
再显示原先留出的未来观测，逐期比较预测与实际。
时间顺序不能打乱，应采用滚动预测等方式检验。

5. 结构可能发生改变
如果政策、经济或出行习惯突然变化，过去的规律可能失效。
时间序列模型需要持续更新，并检查预测误差与不确定性。

方法概述来源：作者28种方法草案。方法与应用参考文献见对应方法页。