預測問題的經典問法：我們有截至當前時間的歷史時間序列數據，需要盡可能準確地預測下一個時刻的時間序列值。

如果預測隨機時間序列的話，就是使用ARMA模型去描述這些歷史數據，估計出ARMA模型的參數，然后可以預測下一個時刻的值。

解決預測問題的步驟：1.預處理；2.分析建模；3.預測。

一、預處理

對數據進行預處理，清洗、變換、除重啥的，把時間序列準備好以供分析。在ARMA建模的情形下，一般要對時間序列做的預處理工作就是差分（differencing）。差分的過程就是通過取給定序列中兩個連續(xù)值之間的差來構造新序列。為什么要做差分預處理？因為ARMA建模的前提是時間序列是平穩(wěn)的。如果一個時間序列是不平穩(wěn)的，差分有助于把非平穩(wěn)的時間序列轉換為平穩(wěn)的時間序列。也就是我們分析的對象不是時間序列本身，而是差分之后的值形成的時間序列。又因為差分可看作當前值的增量，分析差分序列就是分析值變化的序列。

二、分析建模

用ARMA去擬合我們的數據去建模，估計ARMA的參數。為什么我們要用ARMA去擬合我們的數據呢？答案很簡單，ARMA模型為數據提供了一種經驗解釋，而不涉及理論依據。

三、預測

一旦得到ARMA模型，及估計好參數之后，我們就可以用這個模型去預測。