01
时间序列基础
什么是时间序列？三大要素：趋势、季节、残差。
概念入门
02
平稳性概念
严平稳与弱平稳、白噪声过程、随机游走模型。
理论核心
03
平稳性检验
ADF检验原理、KPSS检验、解读检验结果。
统计检验
04
数据预处理
缺失值处理（插值法、前向填充）、异常值检测与修正。
清洗实战
05
时间序列可视化
折线图、自相关图(ACF)、偏自相关图(PACF)绘制与解读。
可视化EDA
06
经典分解法
加法模型与乘法模型、移动平均法进行趋势分解。
分解经典
07
STL分解
STL (LOESS) 原理与参数调优。
鲁棒趋势
08
X13-ARIMA-SEATS
官方季节性调整方法，X13在Python中的使用。
季节调整官方
09
自相关与偏自相关
ACF与PACF理论、截尾与拖尾识别。
相关定阶
10
AR模型
自回归模型原理、阶数选择(PACF)、Yule-Walker方程。
AR线性
11
MA模型
移动平均模型原理、阶数选择(ACF)、可逆性条件。
MA可逆
12
ARMA模型
AR与MA结合、模型识别与定阶、AIC/BIC准则。
ARMA信息量
13
ARIMA模型
差分操作(d阶)、ARIMA(p,d,q)完整建模流程。
ARIMA差分
14
季节性ARIMA
SARIMA模型、季节性差分、参数(P,D,Q,s)确定。
SARIMA季节
15
SARIMAX模型
引入外生变量(节假日、促销)的建模方法。
外生变量扩展
16
模型诊断
残差分析(白噪声检验)、Ljung-Box、QQ图与正态性检验。
诊断残差
17
模型选择与比较
AIC、BIC、HQIC准则、交叉验证在时序中的应用。
选择比较
18
预测评估指标
MAE、MSE、RMSE、MAPE、SMAPE适用场景与局限性。
评估指标
19
指数平滑法
简单指数平滑、Holt线性趋势、Holt-Winters季节性模型。
平滑经典
20
ETS模型
误差-趋势-季节(ETS)框架、自动ETS选择。
ETS自动化
21
Prophet模型
Facebook Prophet原理、趋势变化点、节假日效应、不确定性区间。
Prophet商业
22
Prophet实战
Python中Prophet安装、建模、预测与可视化。
实战代码
23
LSTM基础
RNN原理、LSTM门控机制(遗忘门、输入门、输出门)。
深度学习LSTM
24
LSTM时间序列
时序转监督学习、滑动窗口、多步预测策略。
滑动窗口多步
25
LSTM实战
Keras/TensorFlow构建LSTM、超参数调优(层数、神经元、学习率)。
Keras调优
26
CNN与时间序列
时间卷积网络(TCN)、因果卷积、膨胀卷积原理与应用。
TCN卷积
27
Transformer与时序
Informer、Autoformer等最新模型、注意力机制在时序中的应用。
Transformer前沿
28
多变量时间序列
VAR模型、协整检验、Granger因果检验。
多变量因果
29
集成方法
LightGBM/XGBoost在时序预测中的应用、滞后特征与滚动统计。
集成特征工程
30
项目实战
端到端预测项目：数据获取、EDA、建模到部署全流程。
全流程实战