一、课程导论：什么是时间序列预测？为什么在择时中重要？
1.1 从一个真实的故事说起
我记得刚入行做量化那会儿，带我的老大哥扔给我一份沪深300的日线数据。
他说：「小子，你把这个序列往后推30天，看看能赚多少钱。」
我当时一脸懵。什么是序列？怎么推？推错了会怎样？
后来我才明白，他说的其实就是时间序列预测——用过去的数据，猜未来的走势。
说白了，这就是我们做择时的核心。
时间序列预测：根据历史观测数据的时间顺序，建立数学模型，预测未来时刻的数值。
在金融里，这个「数值」可以是价格、收益率、波动率，甚至是市场情绪指标。
1.2 为什么择时离不开时间序列？
你想想看，择时本质上在做什么？
就是在问：「明天是涨还是跌？我该买还是该卖？」
这个问题，拆开来看，就是两个时间序列问题：
- 方向预测：未来价格是向上还是向下？
- 幅度预测：能涨多少？会跌多深？
我在做CTA策略的时候，遇到过一个大坑。当时我用简单的移动平均线做择时，回测曲线漂亮得不行。结果实盘一跑，连续亏损三个月。
为什么？因为移动平均线本质上是一个滞后指标。它只能告诉你「已经发生了什么」，而不是「将要发生什么」。
嗯，这里要注意：择时需要的不是「回顾」，而是「前瞻」。
我的经验：真正有效的择时模型，必须包含对未来分布的某种推断。哪怕是一个简单的ARIMA模型，也比纯滞后指标强得多。
1.3 时间序列预测的核心逻辑
我习惯把时间序列预测拆成三个层次：
- 数据层：拿到干净、对齐、无幸存者偏差的时序数据
- 模型层：选择或设计能捕捉时序依赖关系的数学模型
- 决策层：把预测结果转化为买卖信号和仓位管理
这三个层次，缺一不可。我曾经见过有人用LSTM跑出惊人的预测准确率，结果一上实盘就崩——因为数据层没做好，用了未来函数。
避坑指南：我曾经在数据预处理阶段漏掉了停牌日的处理，导致模型「学习」到了不存在的价格跳跃。回测时收益翻倍，实盘时直接腰斩。数据清洗，怎么强调都不过分。
1.4 一张图看懂本章知识体系
下面这张图，是我自己梳理的时间序列预测在择时中的知识框架。你可以把它当作整个课程的地图：
1.5 课程目标：你能带走什么？
这门课不是纯理论课。我设计它的初衷，是让你学完就能用。
| 目标维度 | 具体内容 | 你能做到什么 |
|---|---|---|
| 理论 | 时间序列核心概念 | 理解平稳性、自相关、白噪声等基础 |
| 模型 | 经典+现代模型 | 从ARIMA到Transformer，手写核心代码 |
| 实战 | 择时策略全流程 | 独立完成从数据到信号的完整Pipeline |
| 风控 | 过拟合与稳健性 | 识别并避免常见的回测陷阱 |
1.6 学习路径建议
我个人建议你按这个顺序来：
- 先啃基础（第1-5章）：把时间序列的基本概念吃透。别急着跑模型，地基不稳后面全白搭。
- 再练模型（第6-15章）：从ARIMA开始，逐步过渡到GARCH、状态空间模型，最后是深度学习模型。
- 最后实战（第16-30章）：把模型组装成策略，加入风控、资金管理，做完整的回测与优化。
一个小建议：每学完一个模型，立刻拿真实数据跑一遍。我在带团队时发现，只看不练的人，三个月后基本全忘光。动手写代码，才是真正的学习。
1.7 本章小结
时间序列预测，说白了就是「用过去推断未来」。在择时里，它是我们做决策的核心引擎。
这门课会带你从最基础的概念，一路走到能独立构建完整的择时策略。中间我会穿插很多我踩过的坑、犯过的错——嗯，这些经验比理论更值钱。
准备好了吗？我们开始吧。
公众号:蓝海资料掘金营，微信deep3321