时间序列分析也是概率统计学科中应用性较强的一个分支，在金融经济、气象水文、信号处理、工程技术领域等众多领域有着广泛的应用。近几年来，时间序列分析引起了国内外学者及科研和管理人员的极大兴趣，特别是随着统计软件的开发和应用，广大工程技术与管理人员希望掌握时间序列分析方法，并利用时间序列分析的方法探索社会经济现象的动态结构，预测发展规律，从而对未来状态进行控制[12]。
近年来，国内学者对时间序列分析技术的研究已取得了许多优秀的成果，主要表现在基础理论研究的不断加强（某些领域已经到达了国际顶尖的水平，而不再只是纯粹的吸收借鉴国外的先进成果）；通过在实际应用领域的不断创新发展，在一部分应用领域中我们已经能够跟的上国际的步伐。接下来，我们将从上述两个方面来介绍时间序列分析技术在我国的发展现状：
时间序列分析技术在理论方面的进展。理论上的进展主要表现在以下两个方面：一方面是单位根理论，另一个方面是非线性模型理论。其中，对于非线性模型理论的研究取得了尤其多的成果及进展，而内容则主要集中在几何遍历性问题和非线性过程的平稳性这两点。例如，汤家豪教授[13]将有关非线性时间序列分析的研究与动力系统科学的模型连接而备受赞赏。现在，他主要着眼于非参数时间序列模型的发展，并与生态学家进行大量的合作研究。
时间序列分析研究在应用方面的进展。时间序列分析在数据挖掘、气象、天文、地质、金融领域、信息领域、商务领域等方面都有十分广泛的应用。我们选取数据挖掘和金融这两方面来介绍。首先是在数据挖掘方面：现今各种类型的数据都可以作为数据挖掘的对象，而时间序列在这里的应用十分普遍，对时间序列进行数据挖掘已成为当前研究的焦点之一[14]。在2004年03期的《山东大学学报(工学版)》中，韩明涛提出了一种进行时间序列模式挖掘的算法，用于对大型数据库的海量数据分析，从中挖掘出超过用户给定支持度和置信度的时间序列，从而为用户的决策支持和趋势预测提供依据。在2004年03期的《计算机仿真》中翁颖钧、朱仲英提出了基于动态时间弯曲技术的相似搜索算法，通过计算时序数据之间的最短弯曲路径来获得序列的匹配。对综合控制时序数据进行基于不同距离测度的聚类分析对比结果表明该文提出的算法有很高的精度和对振幅差异、噪声和线性漂移有强的鲁棒性，具有良好的应用价值。在金融领域方面:由于大量研究数据可获得性和相关问题具有的挑战性，金融领域一直是时间序列研究的热点。钱争鸣[15]分析了我国金融市场的有效性，对金融市场不确定性的探讨和实证分析，测度金融市场的系统风险，寻求最优动态无风险策略，帮助政府制订和完善金融政。
    在2001年01期的《数量经济技术经济研究》中张屹山、陈磊采用时间序列的谱分析方法，对我国工业生产、投资、消费、外贸、物价、财政、金融等主要月度经济指标的增长率周期波动进行了测定和分析，结果表明：20世纪80年代以来，我国向市场经济体制转轨过程中的周期波动出现了与以往不同的新特征，产生了7～9年为主的中周期波动。此外，围绕2～3年还存在一个作用相对较弱的短周期波动。
但是另一方面，虽然我们在时间序列分析技术的某些研究领域取得了较大的进步，但是我们在其基础领域的研究状况却很不理想，主要表现是整体的研究水平不高，能够取得国际领先成果的大部分是个别院校甚至是个别人，这与国际研究的趋势不一致。在应用领域也存在着分析工具不够先进的问题，一些最新成果没能够得到及时的应用。所以我们在时间序列分析技术这些方面仍需要进一步的深入研究。 MATLAB时间序列在汇率预测中的初步应用研究(3):http://www.751com.cn/zidonghua/lunwen_18964.html