time-series-forecast-mcp 0.1.0

时间序列预测 MCP (Model Context Protocol) - 提供 AR、MA、ARIMA、GARCH、指数平滑五种时间序列预测能力

Time Series Forecast MCP

时间序列预测 MCP (Model Context Protocol)，提供五种时间序列预测模型：

• AR: 自回归模型
• MA: 移动平均模型
• ARIMA: 自回归积分移动平均模型（支持自动选参）
• GARCH: 广义自回归条件异方差模型（波动率预测）
• EXPONENTIAL_SMOOTHING: 指数平滑模型（支持季节性）

安装

pip install time-series-forecast-mcp

使用

作为 MCP 服务启动

python -m time_series_forecast_mcp

或使用 fastmcp CLI：

fastmcp run server.py:mcp

工具列表

list_forecast_models

列出支持的时间序列预测模型及适用场景说明。

forecast_time_series

对历史时间序列进行预测。

参数:

• model_type: AR / MA / ARIMA / GARCH / EXPONENTIAL_SMOOTHING
• series: 历史观测值，按时间升序排列
• horizon: 向前预测步数（默认 12）
• p: AR 阶数或 ARIMA/GARCH 的 p（可选）
• d: ARIMA 差分阶数（可选）
• q: MA 阶数或 ARIMA/GARCH 的 q（可选）
• seasonal_period: 季节周期，仅 EXPONENTIAL_SMOOTHING 使用（可选）
• confidence_level: 置信水平，默认 0.95

返回:

• forecast: 点预测
• lower_bound / upper_bound: 置信区间
• model_info: 模型参数与 AIC/BIC 等信息
• diagnostics: 样本量等诊断信息

依赖

• fastmcp >= 2.0.0
• numpy >= 1.24.0
• pandas >= 2.0.0
• statsmodels >= 0.14.0
• arch >= 7.0.0
• scipy >= 1.10.0

许可证

MIT License