正文自： http://blog.csdn.NET/ztf312/
时间序列中常用的预测技术时间序列是指一个变量在连续时间点或连续时间段内的观测值的集合。
1. 移动平均法 (MA)
1.1 .简单移动平均法
如果设置时间序列y1、y2、……，则按照数据点的顺序按每个点推移并求出n个数的平均，从而得到1次移动平均。
1.2趋势移动平均法
在时间序列上没有明显的趋势变动的情况下，使用一次移动平均就能够正确地反映实际情况，直接使用第t周期的一次移动平均就能够预测第1t周期的值。
在时间序列有线性变动倾向的情况下，如果用一次移动平均来预测，会产生滞后。 修正方法是在一次移动平均的基础上进行二次移动平均，利用移动平均滞后偏差规律找出曲线的发展方向和发展趋势，建立直线趋势的预测模型。 被称为趋势移动平均法。
2. 自回归模型(AR)
AR模型是n个数据已知线性预测，可以将第n个点之前或之后的数据推出模型(假设推出p点)。
; color:rgb(85,85,85); font-family:"microsoft yahei"; font-size:15px; line-height:35px'> 本质类似于插值，其目的都是为了增加有效数据，只是AR模型是由N点递推，而插值是由两点（或少数几点）去推导多点，所以AR模型要比插值方法效果更好。3. 自回归滑动平均模型(ARMA)
其建模思想可概括为：逐渐增加模型的阶数，拟合较高阶模型，直到再增加模型的阶数而剩余残差方差不再显著减小为止。
4. GARCH模型
回归模型。除去和普通回归模型相同的之处，GARCH对误差的方差进行了进一步的建模。特别适用于波动性的分析和预测。
5. 指数平滑法
移动平均法的预测值实质上是以前观测值的加权和，且对不同时期的数据给予相同的加权。这往往不符合实际情况。
指数平滑法则对移动平均法进行了改进和发展，其应用较为广泛。
基本思想都是：预测值是以前观测值的加权和，且对不同的数据给予不同的权，新数据给较大的权，旧数据给较小的权。
根据平滑次数不同，指数平滑法分为：一次指数平滑法、二次指数平滑法和三次指数平滑法等。
添加内容：
RSI：相对强弱指标，用于股票的断线操作预测。
MACD：指数平滑移动平均数，用于股市预测。
KDJ：随机指标，用于期货和股市中短期趋势分析。