时间序列是指半某种现象的某一个统计指标在不同的时间上的各个数值按时间先后顺序排列而形成的序列，主要由时间和指标数值两者构成。
时间序列的特点是：
1.是基于现实的数据，而不是由模拟实验产生的数据。
2.是基于时间动态变化的数据。
时间序列分析的英文是“Time-Series Analysis”，时间序列分析是对时间序列的分析，是对动态数据处理的统计方法，基于随机过程理论和统计学方法，研究随机数据序列的规律，通过建立模型进行过滤、预测、控制。
常见的时间序列分析有天气预报、股票、销量预测等。时间序列通常会有显而易见的周期性特征，比如天气预报，会有季节性，这是由地球公转和地理原因造成的；股票，会有季报性，每逢年报即将发布的月份为了数据好看通常会涨一波；销量，各行各业都有淡季旺季节假日之分。所以时间序列分析的模型通常需要有季节性项、节假日项、噪音项、趋势项，也就是时间序列上的数据周期性通常是由这几个大的因素造成的，找出重要时间点，从而实现预测。
时间序列分析，可以用于短期、中期、长期的预测，又分为简单序时平均数法和加权序时平均数法。简单平均数法，就是把近期和远期的数据等同看待求平均值，适用于周期性数据变化不大的的情况，比如天气预测。加权平均数法，就是把历史各个时期按影响程序来加上权重再求出平均值，以作为近期的预测，比如宏观经济预测、环境污染。
时间序列分析在宏观经济预测、区域发展、经营管理、气象预报、水文预报、地震预报、农业灾害预报、环境污染、海洋学、天文学、生态学等各个方面都有广泛应用，值得学习和深入研究。