时间序列分析是经济现象动态分析的主要方法分析。在地球上，除赤道外，一年中同一纬度地区的昼夜长短和正午太阳高度随季节的变化而变化，导致同一纬度地区的太阳辐射随季节的变化而有规律的变化，从而形成四季，一般季节 变动周期为12个月，地球的四季是如何形成的？地球的四季有不同的景色有不同的季节，那么你知道四季是怎么形成的吗。
第三节扩展预测法扩展预测法必须满足以下条件:一是被预测变量过去、现在、未来的客观条件基本不变，历史数据解释的规律能够延续到未来。第二，预测变量的发展过程是渐进的，不是跳跃的，也不是大起大落的。扩展的预测方法有简单移动平均法、指数平滑法、增长曲线模型、季节波动模型等。其基本方法是时间序列预测。在市场预测中，我们经常会遇到按时间排列的统计数据，如月度、季度、年度的统计数据，我们称之为时间序列。
一、简单移动平均法简单移动平均法是以过去某一时期的平均数据作为未来某一时期的预测值的方法。这种方法是对过去的一些历史数据进行算术平均，把这个数据作为后期的预测值。(一)简单移动平均公式简单移动平均可以表示为:f∑x/n，其中:f为预测数，n为计算移动平均时使用的历史数据数，即移动周期的长度。为了预测，需要对每个t计算对应的Ft 1，所有计算出来的数据形成一个新的数据序列。
Eviews时间序列分析例时间序列是市场预测中经常涉及的一种数据形式，在本书第七章有详细介绍。通过第七章的学习，读者了解了什么是时间序列，接触到了时间序列的原理和一些例子分析。本节的主要内容是解释如何使用Eviews软件进行分析。一、指数平滑的例子所谓指数平滑，其实就是对历史数据进行加权平均。可用于任何没有明显函数规律的时间序列短期预测，但确实有一定的脉络。
(-)一次指数平滑一次指数平滑也叫单指数平滑。它最突出的优点是方法非常简单，甚至只要样本末端的平滑值就可以得到预测结果。第一次指数平滑的特点是可以跟踪数据的变化。所有索引都共享此功能。在预测过程中加入最新的样本数据后，新数据要取代旧数据，旧数据会逐渐处于次要地位，直至被淘汰。这样，预测值总是反映最新的数据结构。
