В статистических моделях прогнозирования функциональная зависимость между будущими и фактическими значениями временного ряда, а также внешними факторами, если таковые учитываются, задана аналитически, т.е. формулой.
К статистическим моделям прогнозирования относятся следующие группы:
• регрессионные модели;
• авторегрессионные модели;
• модели экспоненциального сглаживания.
В структурных моделях прогнозирования функциональная зависимость между будущими и фактическими значениями временного ряда, а также внешними факторами задана структурно, например, в виде графа.
К структурным моделям прогнозирования относятся следующие группы:
• нейросетевые модели;
• модели на базе цепей Маркова;
• модели на базе классификационно-регрессионных деревьев.
Существуют целый класс непопулярных моделей прогнозирования на основе, например, метода опорных векторов, генетического алгоритма, нечеткой логики и многих других, однако применение таких моделей скупо описано в литературе.
Большинство такого рода моделей было создано для решения других задач, однако в последствие нашло узкое применение в прогнозировании временных рядов. Так например, генетический алгоритм есть алгоритм для решения задач оптимизации, т.е. нахождения экстремума, и лишь некоторые исследователи сумели применить его для прогнозирования временных рядов.
Кроме того, надобно отметить, что для узкоспециализированных задач иногда применяются особые модели прогнозирования, которые иногда называют фундаментальными моделями, то есть основанными на фундаментальном анализе.
Так, например, для задачи прогнозирования уровня сахара крови человека применяются модели на основе дифференциальных уравнений; для задачи прогнозирования транспортного потока применяются гидродинамические модели и т.д. Подобные модели разрабатываются и применяются для специальных процессов и систем, их разработка чрезвычайно трудоемка.
Статью подготовил ведущий маркетолог-аналитик Воронов Валерий Иванович. 
