时间序列分析方法（简称时序分析）是在具有先后顺序的信号中提取有用信号的一门学科。时序分析是数理统计学研究内容的一部分，是对随机过程进行研究的一种重要手段。对时间序列的分析在二十世纪二十年代出现，最初的目的是为了进行市场预测。伴随着时序分析的理论和应用这两方面的不断的研究，时序分析的应用范围也在日益扩大，从最初的一般的市场预测到现代化的语音识别与模拟，从对机械设备工作状态的监测到对生物生理、心理状态发展的研究，时间序列分析的应用领域也越来越广泛，越来愈深入到社会生活的各个角落。48651

1921年，由G.Yule提出了自回归模型，又被称为AR模型，由此开始时间序列的模型从非参数模型发展称为了参数模型，这是在广义时序发展中的取得的一个重要进步。在此之后，AR模型被不断的改进和完善，逐步延伸发展了出了ARMA模型（自回归滑动平均模型）、多维ARMA模型、非平稳时序模型等。在六十年代后期，由于谱分析和普评估方面不断的取得突破性的研究进展，得益于此论文网，和控制理论的结合使得时间序列分析也伴随着得到了进一步的发展。1970年，《Time Series Analysis:Forecasting and Control》发表，在这本专著之中，博克斯和詹金斯对时间序列分析的方法及其应用做出较为深入的系统性论述，而后来又被研究学者提出的动态系统分析法，即DDS检验法，也进一步加强了时间序列分析在工程应用中的作用。

近年来，基于单位根的检验理论在时间序列的分析中发展的较为迅速，单位根理论主要研究在随机漫步过程中统计量的非对称性质。对于单位根的性质以及所进行的研究已经引起了大量的计量经济学领域和统计学领域内专业人士的关注。因为基于这一理论的方法不但为决定ARMA模型查分的阶提供了一个较为正式的检验方法，也为某些统计量的检验提供了一个全新的思路和方向。再之后，单位根检验被拓展到了多元情况，即协整检验。对我国而言，在时间序列方面的研究以及推广应用都开始的比较晚，长期的封建农业经济体系也决定了对于其数理特性的研究以及预测的不敏感，推动其研究的市场动力较弱，出现的第一本专著是于1983年出版的《时间序列的分析和应用》，在这之后才逐渐的被大家所关注，开始了一点点的研究。在我国高校内和一些专门的科研单位进行了较多的关于时间序列理论及其分析的研究，所取得的成果也有部分已经应用到相关的领域之中，反馈的经济效益以及社会效益也在不断扩大。

对于时间序列的分析，几个重要的推动力来自于金融领域和现今庞大的信息网络以及伴随其兴起的电子商务领域的发展壮大，这之中超大容量的数据需要来进行分析以研究和调控整个市场的发展。随着全球化的不断发展和竞争的日益激烈，这些数据的可利用价值也越来越大。然而需要理性认识到的是，这些庞大的数据量并不是规则的，其中无序的相互混杂着离散型和连续性等等，这决定了传统的数据分析方法以及原有的处理规则是不足以对其进行准确高效的分析处理的，而对这些数据进行综合分析的迫切性在一定程度上甚至决定了未来时间序列分析的研究方向。

随着现今社会各个领域的飞速发展以及对时间序列分析的应用不断加深，更加深入的研究需求也在逐渐增强，在这个高度信息化的时代，注定了会不断的出现更加复杂的时间序列，怎样找到和建立一个更加贴切描述、预测和控制系统的模型是当下对于时间序列分析研究的一个重要的方向。而且实际生活中的数据大都受到噪声、波动或者趋势的影响，这导致了采用传统平稳时间序列的模型来描述此类数据所产生的误差也会更大，因此需要研究时间序列线性和非线性之间的交互关系，比如如何提高描述若干非平稳时间序列间的交叉相关和类似的数据关系的方法，这还需要进行更多的研究或者寻找更加有效的方法。