悟空问答

答：时间序列预测方法大致可分为传统时间序列预测方法和人工智能时间序列预测方法等。

传统时间序列预测方法

传统时间序列预测方法基本思想是利用时间序列之间的相关性来建立线性预测模型，如常见的自回归模型（Autoregression Model，AR）、移动平均模型（Moving Average，MA）等方法 。

人工智能时间序列预测方法

近几年来，随着计算机性能和算法上的提高，人工智能预测方法（Artificial Intelligence）在金融大数据非线性预测中发挥了强大功能，尤其在应对非平稳时间序列中做出了重大突破。

其中值得一提的是人工神经网络（Artificial Neural Network），自1987年被Lapedes和Favber首次进行预测以来，该方法作为一种模仿人类大脑的结构和功能的非线性数学模型，就得到了广泛的重视。如今的人工神经网络已拥有很强的自适应能力，形成了学习、归纳、总结、提高的循环式类大脑自主学习系统。比较常用的方法有：小波神经网络（Wavelet Neural Network，WNN）、递归神经网络（Recursive Neural Network，RNN）等。

其他人工智能方法还有：支持向量机（Supporting Vector Machine）、灰色系统理论方法（Gray System Theory）、模糊理论方法（Fuzzy Theory）、隐马尔科夫法（Hidden Markov Model）、贝叶斯学习方法（Bayesian Inference）、动态贝叶斯方法（Dynamic Bayesian Analysis）、卡曼滤波方法（Klaman Filtering）、奇异谱分析预测方法（Singular Spectrum Analysis）等等。

参考文献：伍雪冬. 非线性时间序列在线预测建模与仿真[M]. 国防工业出版社. 2015.