Chapter 2 第2章 对未来的简单预测

在第1章中，我们介绍了什么是时间序列，以及预测时间序列与传统的回归任务有何不同。你还学习了构建成功的预测项目所需的必要步骤，从定义目标到构建模型、部署模型以及在收集到新数据时更新模型。现在你已经准备好开始预测时间序列了。

你将首先学习如何对未来进行简单预测，这将作为基线。基线模型是一种简单的解决方案，它使用试探法或简单的统计数据来计算预测。开发基线模型并不总是一门精确的科学。它通常需要一些直觉，我们将通过可视化数据和检测可用于预测的模式来获得这些直觉。在任何建模项目中，有一个基线是很重要的，因为你可以使用它来比较你将要构建的更复杂模型的性能。理解模型的性能是否良好的唯一方法是将其与基线进行比较。

在本章中，假设我们希望预测强生公司的季度每股收益。我们可以查看图2.1中的数据集，它与你在第1章中看到的相同。具体来说，我们将使用1960～1979年底的数据来预测1980年四个季度的每股收益。预测期如图2.1中的灰色区域所示。

你可以在图2.1中看到，我们的数据有一个趋势，因为它随着时间的推移而增加。此外，我们有一个季节性模式，因为在一年或四个季度的过程中，我们可以反复观察波峰和波谷。这意味着我们有季节性。

回想一下，我们在第1章分解时间序列时识别了这些分量。这些分量如图2.2所示。我们将在本章后面详细研究其中的一些分量，因为它们将帮助我们获得一些关于数据行为的直觉，这反过来将帮助我们开发一个良好的基线模型。

我们将首先定义什么是基线模型，然后我们将开发4种不同的基线来预测强生公司的季度每股收益。最后用Python和时间序列预测来动手实践。

图2.1 强生公司从1960～1980年季度每股收益（美元）。我们将使用从1960～1979年最后一个季度的数据来建立一个基线模型，该模型将预测1980年季度的每股收益（如灰色区域所示）

图2.2 强生公司1960～1980年季度收益的分解图