[color=rgba(0, 0, 0, 0.9)]这本教科书介绍了时间序列分析和预测的方法和技术，并展示了如何使用Python实现它们和解决数据科学问题。它不仅涵盖了常用的统计方法和时间序列模型，包括ARMA、SARIMA、VAR、GARCH、状态空间和(非)平稳、多元和金融时间序列的马尔可夫切换模型，还包括现代机器学习程序和时间序列预测的挑战。它提供了时间序列分析原理和Python编程的有机结合，使读者能够学习方法和技术，同时练习编写和运行Python代码。它的数据驱动方法来分析和建模时间序列数据，帮助新学习者可视化和解释原始数据及其计算结果。本书主要面向具有概率和统计学本科知识的统计学、经济学和数据科学专业的学生，同样也会吸引人工智能和数据科学领域的行业专业人士，以及任何对使用Python解决时间序列问题感兴趣的人。