时序预测的奇妙世界 / The Wonderful World of Time Series

时序预测的奇妙世界 / The Wonderful World of Time Series

清晨七点，你刚睁开眼，床头手机屏幕弹出今日天气："晴，22–28°C，西北风 2 级"。你瞟了一眼衣柜，把棉外套换成了薄卫衣。这一连串动作的背后，藏着一件神奇的事——你的手机"知道"了未来 12 小时的天气。它是怎么知道的？这就是本书第一道门要打开的锁。

时间序列（Time Series）像一条看不见的河，看似平静无波，水面下却暗流汹涌。每天清晨的天气预报、每秒跳动的股票价格、地铁早高峰的人流、医院心电监护仪上的波形——它们都是这条河在不同地方的"水位读数"。预测（Forecasting），就是站在河岸上，根据已经流过的水，推断即将到来的浪花。

本章要回答三个根本问题：

1. 什么数据才叫"时间序列"，它和普通表格数据有什么本质不同？ 2. 我们为什么要花那么大力气去预测未来？它到底改变了什么？ 3. 人类预测未来的方法，从三千年前的甲骨占卜到今天的大模型，经历了怎样的认知跃迁？

带着这三个问题，我们出发。

---

1.1 一次清晨的预测：从天气预报说起

让我们回到那个换衣服的清晨。手机里的"晴，22–28°C"不是某个气象员清晨拍脑袋想出来的，它是超级计算机对过去几十年的卫星云图、地面观测站、风速风向、海洋温度、紫外线强度…… 进行联合求解得到的。最常用的模型之一叫数值天气预报（Numerical Weather Prediction, NWP），它把大气切成无数个三维网格，每隔几秒解一遍纳维–斯托克斯方程（Navier–Stokes Equations）：

$$\frac{\partial \mathbf{u}}{\partial t} + (\mathbf{u} \cdot \nabla)\mathbf{u} = -\frac{1}{\rho}\nabla p + \nu \nabla^2 \mathbf{u} + \mathbf{g}$$

其中 $\mathbf{u}$ 是风速向量，$p$ 是气压，$\rho$ 是空气密度，$\nu$ 是动力粘度，$\mathbf{g}$ 是重力加速度。这个方程组描述了流体的运动规律，而大气本身就是一种流体。把方程离散化、喂入初始条件，计算机就能在几小时内"算"出未来几天的天气。

请注意关键一点：这个预测能成立，不是因为我们发明了什么魔法，而是因为大气具有可被建模的"惯性"。今天的大气状态与昨天有 95% 以上的相似度，这种"记忆"就是可预测性的来源。我们稍后会反复看到，几乎所有可被预测的时间序列，背后都存在某种"惯性"或"周期"——这正是时序预测的物理学直觉。

整个过程可以抽象为一张通用工作流图：

```mermaid flowchart LR A[Raw Time Series] --> B[Cleaning] B --> C[Exploratory Analysis] C --> D[Model Training] D --> E[Forecast Output] E --> F[Evaluation Feedback] F --> D ```

图 1.1 时序预测的通用工作流 / Figure 1.1 Generic workflow of time series forecasting

从图中可以看到，预测不是"丢进去就出来"的黑盒，而是一个闭环：用评估反馈不断改进模型。记住这张图，它会贯穿本书每一章。

> 💡 侧边栏 / Sidebar | 可预测性 / Predictability > 并不是所有时间序列都能被准确预测。数学上有一条"不可约损失"（Irreducible Loss）下界，由序列本身的信息熵（Entropy）决定。硬币正反的序列是不可预测的，而气温则相对可预测。可预测性 = 规律性 + 信息量。

---

1.2 严格定义：什么才是时间序列？

我们每天看到的表格数据，绝大多数是横截面数据（Cross-sectional Data）——比如某一天班级的考试成绩、某一年各城市的 GDP、某次电商促销的订单快照。它们的特点是：每一行代表一个独立的观测对象。

而时间序列则不同，它的核心约束只有一个——时间顺序（Temporal Order）。我们用一句严谨的话给出定义：

> 时间序列 是按时间戳 $t_1 < t_2 < \cdots < t_T$ 严格升序排列的观测值序列 $\{x_{t_1}, x_{t_2}, \ldots, x_{t_T}\}$，其中每个 $x_t$ 既可以是标量（scalar），也可以是向量（multivariate）。

为了把抽象定义落地，请打开任意一个表格工具，写下下面这一行：

| 时间戳 (Timestamp) | 观测值 (Value) | |-------------------|---------------| | 2024-01-01 00:00 | -1.2 | | 2024-01-01 01:00 | -1.5 | | 2024-01-01 02:00 | -1.8 | | ... | ... |

这就构成了一条最简单的单变量时间序列（Univariate Time Series）。如果同时记录多个维度，比如温度、湿度、气压、风速，就成了多变量时间序列（Multivariate Time Series）。

它和横截面数据到底有什么本质差异？三点区别，请记牢：

1. 顺序不可换 / Order is not interchangeable 把今天的气温和昨天的气温对调，会破坏掉"日变化"和"年变化"两条规律。横截面数据交换行，不影响分析结论。

2. 观测值之间不独立 / Observations are not i.i.d. 横截面数据常常假设样本独立同分布（i.i.d.），但时间序列相邻点之间高度相关——这就是自相关（Autocorrelation）。数学上用 $\rho_k = \text{Corr}(x_t, x_{t-k})$ 描述滞后 $k$ 步的相关性。

3. 未来不可观测 / Future is unobservable 在 $t$ 时刻，你只能看到 $\{x_1, \ldots, x_t\}$，永远看不到 $x_{t+1}$。这意味着你不能像分类任务那样随机划分训练集和测试集。必须用"时间切分"：前 80% 训练，后 20% 测试，严格按时间顺序。这是青少年最容易踩的坑之一。

理解了这些，你就已经迈入了时间序列的第一道门——它不是简单的"按时间排序的表格"，而是一种自带先后依赖的随机过程。

1.2.1 一个生活化的对比实验

假设你手上有两张表：

• **表 A**：某班级 30 名同学的数学成绩（横截面数据）。
• **表 B**：你本人过去 365 天每天写代码的分钟数（时间序列）。

对表 A 你可以算平均分、画分布图、做回归分析，所有方法默认样本独立。 对表 B 你会发现一个有趣现象：周末写得多、工作日写得少、寒暑假是低谷、3 月有冲 KET 考试的高峰。如果把顺序打乱，这些规律全部消失。

这就是时间序列的核心特征——它带着"故事"。横截面数据像散落的拼图块，时间序列像一部连载小说，每一集都承接上一集。

---

1.3 四大典型应用场景：金融、气象、互联网、医疗

预测不是科学家书斋里的游戏，它每天都在悄悄改变你的生活。下面是四个最常见的领域，每给出一个真实数据或具体案例，让你直观感受它的"威力"。

1.3.1 金融市场：股票、汇率与加密货币

你可能在新闻里听过"高盛预测标普 500 年底涨到 6000 点"或"美联储明年降息 3 次"。这些预测对应的就是资产价格时间序列。典型任务包括：

• **股票收益率预测**（Stock Return Forecasting）：预测明天的收益率 $r_{t+1}$，正负决定买入卖出。
• **波动率预测**（Volatility Forecasting）：用 GARCH 类模型估计未来波动，进而定价期权。
• **配对交易**（Pairs Trading）：找两只历史走势高度相关的股票，做差构建价差序列，当价差偏离历史均值时建仓。

案例 / Case Study：2020 年新冠疫情爆发，标普 500 在 23 个交易日下跌 34%。传统的 LSTM 模型几乎全部失效，原因是训练集里从来没有过这种"百年一遇"的事件。这次失败让业界意识到，金融市场时间序列具有"长尾风险"（Tail Risk），极端事件发生时模型会突然失灵。这就是为什么风控模型必须有压力测试（Stress Testing）环节。

1.3.2 气象与能源：温度、风电与电力负荷

前文提到的天气预报属于这类。再举一个具体的——风电场发电量预测（Wind Power Forecasting）。

风电出力高度依赖风速，而风速又是非平稳时间序列。一个典型的工作流是：

1. 用 NWP 拿到未来 72 小时的风速预测（间隔 15 分钟）。 2. 用贝叶斯模型把风速转换为风功率（风速-功率曲线是非线性）。 3. 把预测功率交给电网调度中心，提前安排常规机组的开机容量。

数据点 / Data Point：根据全球能源互联网发展合作组织（GEIDCO）报告，2022 年中国风电装机已超 3.7 亿千瓦，风电功率预测精度每提高 1%，全国每年可减少约 10 万吨燃煤消耗。这不是数学游戏，这是真实的减碳贡献。

1.3.3 互联网运营：流量、留存与广告

你刷的每一条抖音、看过的每一个 YouTube 视频，背后都有实时推荐系统在跑。系统需要预测：

• **未来 1 小时某视频的播放量**（短序列高频预测）。
• **未来 7 天某新用户是否还会打开 App**（留存预测，分类问题的时间序列版本）。
• **双 11 当天 GMV 走势**（促销活动相关预测）。

数据点 / Data Point：阿里巴巴在 2023 年双 11 的技术披露中提到，实时流量预测系统的误差每降低 0.5%，就能在峰值时刻为全国节省约 80 万度电。因为更准确的预测让服务器扩容更精准，避免过度配置。

1.3.4 生物医学：心电、脑电与基因表达

医疗领域的时间序列可能是对生命最直接的应用。典型任务：

• **ECG 心电图异常检测**（ECG Anomaly Detection）：从 24 小时心电信号中识别心律失常。
• **ICU 病人血压预测**（ICU Blood Pressure Forecasting）：提前 1 小时预警低血压，给医生留出干预窗口。
• **基因表达时间序列**（Gene Expression Time Series）：观察细胞在不同时间点对刺激的反应，理解生物通路。

案例 / Case Study：2018 年，Google DeepMind 发布的 AlphaFold 主要解决蛋白质静态结构问题，但其"姊妹项目"——基于 LSTM 的 ICU 病人多变量时间序列预测模型，在预测急性肾损伤（AKI）上比传统评分系统提前 48 小时发出预警，准确率提升 14%。这个数字意味着医生多了两天救命时间。

1.3.5 四个场景的共同点

观察这四个领域，你能不能提炼出共同点？是的：

| 维度 | 金融 | 气象 | 互联网 | 医疗 | |------|------|------|--------|------| | 采样频率 | 毫秒–日 | 分–小时 | 秒–日 | 毫秒–小时 | | 噪声强度 | 极高 | 中等 | 中等 | 较高 | | 周期 | 交易日 / 年报 | 日 / 年 | 周 / 月 | 心跳 / 昼夜 | | 极端事件 | 黑天鹅 | 寒潮 | 双 11 | 心脏骤停 |

共同的"灵魂"是：数据按时间发生，规律随时间展开，决策也必须随时间做出。 这就是为什么我们需要专门研究时间序列。

---

1.4 预测的数学本质：条件概率分布

我们已经从生活视角看到了预测的力量。但从数学角度看，预测到底是什么？这一定义将贯穿全书。

1.4.1 严格定义

> 给定历史观测 $X_1, X_2, \ldots, X_t$，预测未来 $h$ 步的随机变量 $X_{t+h}$，本质上是估计条件概率分布： > > $$P(X_{t+h} \mid X_1, X_2, \ldots, X_t)$$

理解这一句话需要拆开三个关键词：

1. 条件 (Conditioning)：预测从来不是凭空猜，而是基于已知的过去。 2. 概率分布 (Probability Distribution)：未来有多种可能，我们给出的是整条分布，不是"一个数字"。所谓"明天降雨概率 60%"，就是在描述这个分布的某个分位数。 3. 滞后阶数 (Horizon)：$h$ 越大，不确定性越高，分布越分散。这与人类直觉一致——预测明天的天气比预测下周的天气更准。

1.4.2 点预测 vs 区间预测

实际工程中，我们常常退而求其次，只预测分布的某个统计量：

• **点预测 (Point Forecast)**：估计条件均值 $\hat{x}_{t+h} = \mathbb{E}[X_{t+h} \mid X_1, \ldots, X_t]$。
• **区间预测 (Interval Forecast)**：估计条件分位数，给出 80% 置信区间 $[q_{0.1}, q_{0.9}]$。

完整的概率预测（Probabilistic Forecast）能告诉你"明天气温在 24–28°C 之间的概率最大，但也存在低于 22°C 的小概率事件"。这比"明天 26°C"信息量大得多。

1.4.3 一个直觉类比

想象你站在一条河岸上，水流的方向就是时间。你能看到的只是身后的水（过去），你看不见前方的水（未来），但你能根据水流的惯性和河床的形状估计下一秒水会到哪里。这就是条件概率的物理含义：

• 河床形状 = 模型结构（线性？非线性？深度网络？）
• 水流惯性 = 自相关与趋势
• 你的"估计" = 条件期望

数学上，条件期望有一个美妙的性质——它是最小均方误差意义下的最优预测：

$$\hat{x}_{t+h} = \mathbb{E}[X_{t+h} \mid X_{1:t}] = \arg\min_{f} \mathbb{E}[(X_{t+h} - f(X_{1:t}))^2]$$

这条公式告诉我们：如果你的目标是均方误差最小，那条件期望就是天花板。任何模型都不可能系统性地比它更好——剩下的差距只能归咎于"近似误差"和"固有噪声"。

1.4.4 为什么必须用概率视角？

最后回答一个常见的疑问："我只要一个数字，为什么还要算整个分布？" 原因是——真实世界充满不确定性，决策需要风险评估。 比如医院预测 ICU 病人 24 小时后血压：

• 点预测 80 mmHg 看起来"正常"，但如果分布的 5% 分位数是 60 mmHg（低血压阈值），医生就必须警惕。
• 反过来点预测 75 mmHg 看起来"有点低"，但如果分布极度集中、95% 分位数是 78 mmHg，那就是"低而稳"。

同样的点预测数字，背后的风险截然不同。

这就是为什么 21 世纪的预测范式，正在从"点预测"全面转向"概率预测"。本书第 12 章将专门讨论量化不确定性（Quantile Forecasting, Conformal Prediction）的现代方法。

---

1.5 评估预测质量的三大指标

模型做完了预测，怎么知道它好不好？这就需要评估指标。下面介绍最常用的三个框架：MAE、RMSE、MAPE。理解它们，能让你一眼看穿新闻里"模型准确率提升 10%"是真是假。

1.5.1 MAE：平均绝对误差（Mean Absolute Error）

$$\text{MAE} = \frac{1}{n}\sum_{i=1}^{n} |y_i - \hat{y}_i|$$

直观解释：预测值偏离真实值的平均"距离"。单位与原数据一致。 优点：鲁棒，对异常值不敏感。 缺点：梯度不连续（尖角处不可微），不利于基于梯度的优化。

1.5.2 RMSE：均方根误差（Root Mean Squared Error）

$$\text{RMSE} = \sqrt{\frac{1}{n}\sum_{i=1}^{n} (y_i - \hat{y}_i)^2}$$

直观解释：先对误差平方求平均，再开根号。它对大误差的惩罚远大于小误差（平方把差距放大）。 优点：可微，是大多数回归模型默认的损失函数。 缺点：对异常值敏感。

1.5.3 MAPE：平均绝对百分比误差（Mean Absolute Percentage Error）

$$\text{MAPE} = \frac{100\%}{n}\sum_{i=1}^{n} \left|\frac{y_i - \hat{y}_i}{y_i}\right|$$

直观解释：把误差变成"相对值"，便于跨数据集比较。 优点：无量纲、好沟通（"我们的模型平均误差 5%"）。 缺点：当真实值 $y_i$ 接近 0 时会爆炸；当真实值可能为负时（股票收益率），符号会变怪。

1.5.4 一个直观的对比实验

假设你预测明天气温，真实值是 25°C，三种预测如下：

| 模型 | 预测值 | 绝对误差 | 平方误差 | 百分比误差 | |------|--------|----------|----------|------------| | A | 24 | 1 | 1 | 4% | | B | 30 | 5 | 25 | 20% | | C | 20 | 5 | 25 | 20% |

• **MAE**：(1+5+5)/3 = 3.67
• **RMSE**：√(1+25+25)/3 = √17 ≈ 4.12
• **MAPE**：(4%+20%+20%)/3 ≈ 14.67%

看到没？B 和 C 的 MAE、MAPE 完全相同，但 RMSE 告诉我们"离群点"有多狠。B 把 25°C 误报成 30°C 在业务上可能意味着"误