Некоторые методы прогнозирования будущего на основе временных рядов:

• Авторегрессионная (AR) модель. 1 Предсказывает будущие значения на основе линейных комбинаций прошлых значений того же временного ряда. 1
• Авторегрессионное интегрированное скользящее среднее (ARIMA). 1 Моделирует следующее значение во временном ряду на основе линейной комбинации своих собственных прошлых значений и прошлых ошибок прогноза. 1
• ARIMAX. 1 Модель ARIMA расширена за счёт включения экзогенных переменных, которые могут повысить точность прогноза. 1
• Сезонная авторегрессионная интегрированная скользящая средняя (SARIMA). 1 Расширяет ARIMA, включая сезонность в модель. 1 Включает дополнительные сезонные параметры для учёта периодических колебаний данных. 1
• Методы экстраполяции. 2 Используют значения предыдущих периодов для прогнозирования будущих значений ряда. 2 К ним относятся, например, метод скользящего среднего, экспоненциальное сглаживание и метод Хольта-Винтерса. 2
• Методы машинного обучения. 2 Используют данные прошлых значений ряда в качестве входных данных для модели обучения. 2 К ним относятся регрессия и нейронные сети. 2
• Методы Бокса-Дженкинса. 5 В классических методах не используются независимые переменные, прогнозирование будущих значений опирается только на историю предыдущих значений временного ряда. 5