當時間序列具有明顯的週期性或季節性時，可能會呈現可預測性。另一種情況是出現正向自我相關（也就是相鄰觀測值之間的相關），會產生看似短期的趨勢，讓序列具有可預測性。
請檢視右側的時間序列圖。哪一組時間序列看起來「不可預測」？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
本章將帶你了解如何在 R 中整理與視覺化時間序列資料。你會學到時間序列分析中廣泛使用的數個簡化假設，以及金融時間序列的常見特性。
在本章中，你將進行趨勢觀察，並學習白噪音（WN）模型、隨機漫步（RW）模型，以及平穩程序的定義。
當前練習
本章將複習相關係數，並用它來比較兩個時間序列；同時也會將其套用於時間序列與其過去值的比較，即自我相關。你將認識自我相關函數（ACF），並練習為時間序列資料估計與視覺化自我相關。
本章將介紹自我迴歸（AR）模型及其若干基本性質。你也會在 R 中練習模擬與估計 AR 模型，並將 AR 模型與隨機漫步（RW）模型進行比較。
本章將介紹簡單移動平均（MA）模型及其若干基本性質。你也會在 R 中練習模擬與估計 MA 模型，並將 MA 模型與自我迴歸（AR）模型進行比較。
