时间序列法是一种对历史资料的延伸预测方法，它是通过编制和分析时间序列，根据时间序列所反映出来的发展过程、方法和趋势，进行类推或延伸，借以预测下一期或以后若干期可能达到的水平。

用时间序列法预测做定量预测是有一定假设的，即假设在一定时间内某种经济现象的发展变化规律、趋势和速度不变的。但是，事物总是发展变化的，即使是同一经济现象的发展速度、发展趋势在不同时期，也是有变化的。时间序列预测法对于短期预测的效果较好，当数据比较稳定时，也可以用作长期预测，否则，长期预测的准确性就很难保证。

在上节随机负荷分量模型中叙述了时间模型种类，要确定用某一时间序列模型来描述某一过程，即涉及模型辨别和参数估计问题。

1.模型的辨别

模型辨别的基本途径是对原时间序列的相关分析，也就是计算序列的均值、自相关和偏相关函数，从而确定模型的类型。(www.daowen.com)

对于样本序列y（1），y（2），…，y（n），若其自相关函数在k＞q之后截尾，则判断样本序列是q阶MA过程；若其偏相关函数在k＞q之后截尾，则判断样本序列是q阶AR过程；若和都拖尾，则判断序列为ARMA过程；若其自相关函数和偏相关函数都不截尾，而且至少有一个不是拖尾的，则判断序列具有增长趋势或季节性变化。

2.模型参数的估计

模型辨别后，就要利用原序列有关的样本数据，对模型参数进行估计，即估计出p个自回归参数φ1，φ2，…，φp，q个动平均参数θ1，θ2，…，θq的值等。参数估计一般分两步进行。第一步，进行参数的初步估计；第二步，在初步估计的基础上，按照一定估计准则，求得模型参数在某种意义下的精确估计。矩估计在时间序列的分析建模中是一种常用的参数估计方法，矩估计是利用样本的数字特征为总体的数字特征的估计。模型参数的精确估计，一般用最小二乘法估计。