Inom tidsserieanalys studeras data som samlats in över tid. Syftet kan vara att förstå beroenden inom eller mellan variabler, identifiera mönster eller att göra prognoser för framtida observationer.
Tidsseriemetoder är oumbärliga verktyg inom nationalekonomi, finans, klimatvetenskap och många andra områden där förståelse av tidsseriernas egenskaper är central.
Området populariserades i och med Box och Jenkins arbete (1970), och har sedan dess formats genom intensiv forskning, bland annat de Nobelprisbelönade bidragen om ARCH-modeller och kointegration (Engle och Granger, 2003) samt om VAR-modeller för kausal inferens (Sims, 2011). Modern datorkraft i kombination med stora och nya datamängder har ökat tidsserieanalysens betydelse och gjort det möjligt för forskare att bättre förklara komplexa fenomen som icke-linjära samband och strukturella brott, ofta med hjälp av maskininlärningstekniker.