1.1 什么是时间序列

1.1 什么是时间序列：定义、维度、与横截面数据的本质差异

本节摘要：时间序列是同一变量在多个等距或不等距时间点上的有序观测集合。它与横截面数据的核心差异在于"样本之间不独立"——今天的值携带着昨天的信息。本节给出形式化定义、三条本质差异清单，并用一个 60 天股价片段做现场演示。

本节路线图

阅读完本节，你应当能够：

1. 写出时间序列的数学形式化定义，并指出它与横截面数据在样本独立性上的根本不同。
2. 区分"等距时间序列"与"事件流"两类常见形态，并举出各自的应用场景。
3. 用 pandas 构造一个带 DatetimeIndex 的 Series，理解频率（freq）属性的工程意义。

本节从"现场勘查"的视角切入：先给时间序列下个工程定义，再用一段 60 天股价片段做示范，最后澄清三个常被混为一谈的概念。读完后你对"时间序列不是普通表格"会有具体体感。

一、案件现场：什么才算"时间序列"

先看一个具体的例子。某只股票在 2024 年 1 月 1 日到 2 月 29 日共 60 个交易日的收盘价，构成一列数。把时间抽掉，它就只是 60 个数字；但只要把"时间"这个维度还回来，数字之间就有了"先后顺序"和"间隔长度"两个额外信息。这两条信息，正是时间序列区别于普通表格数据的命门。

形式化地讲，一个单变量时间序列可以写成：

X = { x(t_1), x(t_2), ..., x(t_n) }，其中 t_1 < t_2 < ... < t_n
​

t_i 是时间戳，x(t_i) 是该时刻的观测值。进一步区分：

• 等距时间序列：t_{i+1} - t_i = 常数（例如日收盘价、小时气温、分钟级服务器 QPS）。
• 事件流 / 不等距序列：t_{i+1} - t_i 变化（例如客户下单时间、网页点击流、设备故障记录）。这类数据需要先重采样成等距，才能套用经典方法；不重采样也可以走 Hawkes 过程、生存分析等专门路线。

二、三条本质差异

很多初学者把时序分析想成"加一列时间戳的回归"。这种理解会直接导致翻车。下面三条差异，是教科书里讲过但实战里必须刻在脑子里的：

第三条是新手最容易忽略的。当你把销量数据按时间排序画折线图时，"顺序"本身承载了趋势与季节；如果随机打乱后画图，你会得到一团看不出规律的散点。所以在时序分析里，绝不能像普通表格那样随便 shuffle——这会破坏自相关结构。

三、用 Python 现场勘查一段股价

下面这段代码展示如何从 CSV 读入一段股价数据，确认它的等距性、缺失与基础分布。这是一段概念性片段，跑在 CPU 笔记本上几秒钟出结果：

import pandas as pd
import numpy as np

# 构造一段 60 个交易日的合成股价（真实场景可换成 pd.read_csv）
dates = pd.bdate_range("2024-01-01", periods=60)  # 60 个工作日
np.random.seed(42)
price = 100 + np.cumsum(np.random.normal(0, 1.2, size=60))  # 随机游走
s = pd.Series(price, index=dates, name="close")

print("类型:", type(s.index))          # DatetimeIndex
print("频率:", s.index.freq)            # B (business day)
print("前 5 个值:\n", s.head())
print("自相关 lag=1:", s.autocorr(lag=1))  # 通常很高（>0.9）
print("自相关 lag=10:", s.autocorr(lag=10))  # 仍可能为正
​

代码里有三个值得停下来看的地方：

• s.index.freq 返回 B，代表"工作日频率"。如果你的数据来自交易所，自然就是 B；如果是日内分钟级，会是 T 或 min。明确频率是后续所有建模的前提。
• s.autocorr(lag=1) 是 lag-1 自相关系数。对股价这种带惯性的序列，这个值通常显著大于 0；这正是横截面回归的 i.i.d. 假设彻底失效的证据。
• 如果你换成"日销量"做同样测试，lag-7 自相关往往会陡然升高——这是周季节性的"指纹"。1.2 节会沿着这条线索继续。

四、常见误解与澄清

最后列出三个常被混为一谈但必须分清的概念：

• 时间序列 ≠ 时序数据库：时序数据库（InfluxDB、TimescaleDB）是存储层；时间序列分析是统计/建模方法。
• 时间序列 ≠ 时间戳字段的表格：表格里可以有多列；时间序列分析里每一列都是单独的"案件"，多列就升级为"多元时间序列"，方法与单列不同。
• 自相关 ≠ 因果关系：销量今天高、昨天也高，并不能推出"昨天导致今天"；可能只是双休日效应让两天一起高。这条 1.2 节会有更具体的反例。

本节要点回顾

• 形式化定义：时间序列是按时间顺序排列的观测值集合，时间戳 t_i 的间距可以是常数（等距）也可以不等（事件流）。
• 三条本质差异：样本不独立、分布会漂移、顺序即信息。
• 现场勘查第一步：把数据放进带 DatetimeIndex 的 pandas Series，确认 index.freq、检查 lag-1 自相关是否显著大于 0。
• 下一节线索：1.2 节会进一步追问——既然自相关这么强，为什么普通回归模型就一定失败？我们会用一个股价反例把这点钉死。

侦探笔记：把数字读出"时间感"

一个朴素的问题：拿一组数字给我，我能否立即判断它"是不是时间序列"？答案是看三个特征。

第一，时间维度连续且不可重排。今天的温度、今天的股价，今天只能取一次；调换顺序，物理意义就变了。这是时间序列与横截面数据的本质差异——后者假设观测独立同分布，前者明确违反这一假设。

第二，存在"跨期依赖"。今天高温，明天才可能高温持续；今天股价暴涨，明天未必继续。跨期依赖让我们必须看 ACF/PACF 而非只算 mean/std。

第三，信号在时间上有多尺度叠加。股票日线上有日内的均值回归，季度上有盈利驱动的趋势，年际上有经济周期。把不同尺度的信号拆开，是时间序列分析的核心动作——后面所有章节都是围绕"怎么拆、拆完怎么用"展开的。

小结

理解时间序列，先理解它"为什么不是普通数据"。一旦接受了"时间不可重排 + 跨期依赖 + 多尺度叠加"这三个特征，后面的趋势、季节性、周期性、建模、评估都顺理成章。