第一章·时间序列到底在研究什么

第一章 · 时间序列到底在研究什么

本章要回答的三个问题：为什么"按时间排好的一列数"需要单独一整套分析方法？它和横截面数据到底差在哪？面对脏兮兮的原始数据，第一步该做哪些现场勘查？

为什么会有这一章

我接触过不少把"时间序列分析"当成"加一个时间列做回归"的工程师，结果做出来的销量预测在双 11 之前给出"平稳增长"的可笑结论。问题就出在没有先回答"时间序列到底在研究什么"这一基本问题——它研究的是一个变量在时间维度上的自相关结构，而横截面回归默认样本之间相互独立，这条假设在时间数据上几乎必然被打破。

数据分析师小李的踩坑经历很典型：他用 2018–2019 的日销量数据训练一个随机森林，特征是"星期几、是否节假日、月度价格"，2020 年春节前的预测误差直接翻倍。复盘发现，他用的 24 个月历史数据里有"春节效应"在训练集里出现不到 1 次完整周期，模型根本没学到"春节前 7 天销量会阶梯式上升"这个事实规律。这就是没把时间序列当"案件"看的代价——没有勘察现场就破案。

本章作为整套教程的"勘查现场"环节，为后续的成分拆解、建模、评估打基础。我们会从时间序列的工程定义出发，建立"侦探视角"——任何一段观测序列都是一份现场证据，关键是要从时间戳、自相关结构、采样频率三个维度还原它的本来面貌。读者读完本章后将具备一项关键能力：拿到任何时间序列，能在动手建模前 10 分钟内完成"现场勘查"——确认频率、补齐缺失、识别异常、初步判读自相关结构。

读完能解决什么

• 听到"时间序列"时，能立刻说出它和横截面数据的三个本质差异。
• 拿到一份带时间戳的原始数据，能在动手建模前完成"采样频率 / 缺失值 / 异常值"三件套勘查。
• 能解释为什么"用昨天的值预测今天"是一个合理起点，也能说清楚它的局限。

知识地图

一句"金句"点题：时间序列不是普通表格数据，它是按时间顺序排列的、有自相关结构的特殊证据链。

各节怎么分工

1.1 什么是时间序列

形式化定义时间序列；与横截面数据的三条本质差异；用 pandas 现场勘查一段股价数据，确认 DatetimeIndex 与自相关。

1.2 为什么需要专门方法

三个反例（股价随机游走、销量周季节性、趋势漂移）证明"专门方法"不是理论洁癖，而是工程刚需；给出"朴素基线常常胜过复杂模型"的反直觉结论。

1.3 数据类型与预处理

缺失、重复、异常、采样频率漂移四类污染；三步走"先暴露再补齐再识别"；可视化自检永远不可省。

先决条件

• 熟悉 Python 基础语法与 pandas 的 DataFrame 操作。
• 对概率统计有基本概念（期望、方差、相关系数），不必精通推导。
• 已安装 numpy / pandas / matplotlib；本章会首次引入 statsmodels。

现场勘查三件套

往下走到哪

本章结束后，你将带着"时间序列不是普通表格数据"这个认知进入第二章。第二章会把这"一列数"拆成趋势、季节、周期、噪声四个嫌疑犯，并教你怎么用加法或乘法模型把它们的贡献分开。这一步没走稳，后面所有的 ARIMA、Prophet 都将是空中楼阁。

本章与其他章的衔接

第 1 章是本册的"导入章节"——它不直接讲趋势、季节、建模，它回答"为什么需要这些工具"。读完第 1 章后，读者应该带着"数据有时间维度的特性"这个认知进入第 2 章。第 2 章会立刻把"时间"这个抽象概念拆成 4 个具体可测的成分：趋势、季节、周期、残差。如果第 1 章没把"时间不是普通维度"讲透，第 2 章的拆分就显得突兀。

本章不解决的问题

第 1 章不教具体的统计方法（如 ADF 检验），不教 Python 库（如 statsmodels），也不教建模技巧（ARIMA/Prophet）。这些都留给后面章节。本章只做一件事：建立"时间序列是一个独立学科"的认知基础。

学完本章的检查点

打开任意一段业务数据（如过去 90 天的日销量），如果你能立即回答"它的频率、它有没有缺失、它有没有采样不均"，说明你具备了进入第 2 章的预备知识。如果答不上来，再回头读一遍 1.1-1.3 节。