時系列とは，隣り合う観測値に相関がある場合に，時間経過に従って互いに続く観測値の列を意味する．これは系の動作のモデル化，シミュレーション，予測に使用できる．時系列モデルは経済，金融，生物学，工学でよく使われる． Wolfram言語はMA，AR，ARMA等の標準的なモデルや，それらを拡張したものを含む，時系列機能一式を備えている．時系列モデルはシミュレーションしたり，データから推定したり，未来の動作を予測するのに使用したりできる．

TimeSeriesModelFit — 時系列過程モデルをデータに自動的にフィットする

基本的なARMA（自己回帰移動平均）過程

MAProcess — 移動平均過程（スカラーとベクトル）

ARProcess — 自己回帰過程（スカラーとベクトル）

ARMAProcess — 自己回帰 移動平均過程（スカラーとベクトル）

和分および季節性ARMA過程

SARIMAProcess — 多項式と周期的な傾向についての季節性統合ARMA

ARIMAProcess  ▪  SARMAProcess  ▪  FARIMAProcess

GARCH過程

ARCHProcess — 自己回帰条件付不均一分散過程

GARCHProcess — 一般化ARCH過程

過程のフレームワーク »

RandomFunction — 時系列過程をシミュレーションする

EstimatedProcess — 時系列過程のパラメータを推定する

TimeSeriesForecast — 時系列過程の未来の値を予測する

KalmanFilter — 時系列モデルに基づいてデータにフィルタを適用する

TemporalData — 時系列データ

FindProcessParameters  ▪  AdjustTimeSeriesForecast

CovarianceFunction  ▪  CorrelationFunction  ▪  AbsoluteCorrelationFunction  ▪  PartialCorrelationFunction  ▪  PowerSpectralDensity

モデルの特性と表現

WeakStationarity — 時系列モデルが弱定常であるための条件

TimeSeriesInvertibility — 時系列モデルが可逆であるための条件

ToInvertibleTimeSeries — 時系列の可逆表現を与える

時系列データ処理 »

UnitRootTest — 時系列データが呈上であるかどうかを検証する

AutocorrelationTest — 時系列データが自己相関であるかどうかを検証する

Differences — データの傾向と季節性の除去

MovingAverage — 移動平均フィルタリング