作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具（R），致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等，著有《R语言高效数据处理指南》（《R语言数据高效处理指南》(黄天元)【摘要 书评 试读】- 京东图书）。知乎专栏：R语言数据挖掘。邮箱：huang.tian-yuan@qq.com.欢迎合作交流。
最近发现了一本学习时间序列的好书，决定好好学习，但是发现不带着问题去学习全盘重头到尾学习还是不能把知识变成自己的，因此决定自己边学边写。书的链接如下：
Forecasting: Principles and Practice
下面总结我对第一章学习的所得。
如果做一个好的预测，取决于以下三点：
1、我们对现有知识的理解（哪些因素会影响被预测的变量）；
2、手头有多少相关的数据；
3、进行早期预测的这个行为会不会对预测的对象发生影响。
因此，要做好的预测，需要有数据，知道怎么用，但是如果大家都做这个预测之后进而调整自己的行为，可能就会对所预测的事物有所影响（如果知名学者说一个股票会涨，结果更多人买，股票就真的涨了）。
能够进行预测的前提：
1、手头能够获得历史数据；
2、历史中所出现的特征，在未来的新情况中依然有效（历史总是惊人地相似？）。
预测分析基本步骤：
1、问题的定义；
2、收集数据；
3、描述性展示；
4、模型的选择与拟合；
5、模型的使用与评估。
此外，应该注意区分预测、目标和规划三者的定义，预测是希望准确获知数据未来的走向；目标是人为上希望未来发生的事件；规划是根据预测和目标进行的人为响应，一般是为了达到目标所做的战略性计划。
这些概念都很基础，也很重要。因此要做预测之前，要知道这件事情：1、值不值得预测（问题是什么？能带来什么效益？）；2、能不能预测（基于目前的认识，能做吗？有足够的数据吗？未来还会有相同的情况吗？如果别人都能够预测而且带着预测结果又会采取相同的策略，这后面有什么样的博弈？）；3、怎么去预测（前提假设是什么？应该用什么模型？模型效果如何？）。
尽管后面用R语言来做的话，很可能会聚焦于上面的“怎么去预测”，但是上游的东西没有搞清楚的话下游也是白忙，因此将R语言时间序列预测也要立足于问题的本身。希望在后面的学习有更多的收获。
原文作者：；如有侵权，请联系管理员删除。
