应该可以的，需做缺失值处理后方能预测！缺失值处理有多种方法！看数据的统计规律情况进行不同方法的选择！

摘自网络：
利用均值插补、 一元线性回归、 多元线性回归、 迭代回归方法对时间序列数据集的缺失数据进行处理。当数据集中存在与缺值变量相关度较大的变量时,一元线性回归的插补简单直观,且有较高的精度,结果接近真实;当数据集中不存在与缺值变量显著相关的自变量时,一元线性回归的结果变差,多元线性回归与多元迭代回归具有较好的结果,但多元迭代回归迭代次数难以确定,插补代价较大,多元线性回归为最佳选择;当缺值变量与其他自变量相关系数均较小时,回归插补的结果不理想,此时可考虑其他插补方法。

谢谢回复！其实我不太清楚需不需要做时间趋势……我目前有26个不连续的债券发行量月度数据，如果只想找出影响比较大的因素，还需要做时间趋势么？

那应该不用做时间序列预测了吧，我觉得应该是主成分分析，或用拉格朗日系数法计算权重？我也不太清楚！