这门课以经典 AirPassengers 月度航空旅客数据为主线，带你从零走完时间序列分析与预测的核心流程。你将学会整理时间数据、绘制时序图，借助 ACF/PACF 识别趋势与季节性，并掌握 ADF 平稳性检验和 Ljung-Box 纯随机性检验，理解预测前为何要判断序列是否平稳、是否含有可用信息。课程还会讲解时间序列分解，认识趋势、季节效应和残差，并用 SARIMA 的 7 个参数、AIC 自动搜索完成建模，最后进行拟合、预测与可视化对比。适合具备基础 Python/pandas 知识、想入门时间序列预测的数据分析学习者，也适合需要将预测方法用于业务场景的从业者。学完后，你能独立完成从检验、分解、定参到 SARIMA 预测的实操流程，并理解模型选择的依据与局限。