随着机器学习应用的蓬勃发展，利用机器学习对时间序列问题进行分类和预测引起了不同行业的兴趣。

在探索用于时间序列的机器学习方法之前，最好确保您已经尝试过经典的和统计的时间序列预测方法，这些方法仍然在广泛的问题上表现良好，只要数据适当准备和方法配置良好。
在这篇文章中，它列出了一些MATLAB中可用的经典时间序列技术，在探索机器学习方法之前，您可以在您的预测问题上尝试它们。
它为您提供了关于每个方法的提示，以便您从一个工作代码示例开始，以及从哪里获取关于该方法的更多信息。

概述:
本文介绍了11种不同的经典时间序列预测方法
1)自回归(AR)
2)移动平均线
3)自回归移动平均线
自回归综合移动平均线
季节自回归综合移动平均线
季节性自回归外生综合移动平均线
8)具有ARIMA误差的回归模型
向量自回归(VAR)
10) GARCH模型
11) Glostan, Jagannathan和Runkle GARCH模型

我的其他相关文章:
1)用VAR模型预测马来西亚/美国外汇汇率
//www.tatmou.com/matlabcentral/fileexchange/71767-var-model-to-predict-malaysia-u-s-foreign-exchange-rate
2)利用ARIMA进行股票预测
//www.tatmou.com/matlabcentral/fileexchange/68576-stock-prediction-using-arima
3)基于ARIMA和NAR神经网络的GDP预测
//www.tatmou.com/matlabcentral/fileexchange/68389-gdp-prediction-using-arima-and-nar-neural-network