Dzieje się tak zwykle w sytuacji, gdy na zmienna, prognozowaną oddziałuje wiele różnorodnych czynników i/lub zależności są trudno identyfikowalne. Takie warunki są charakterystyczne np. dla okresu transformacji systemowej i wiążą się zarówno z niepełnym jeszcze wykształceniem stabilnych mechanizmów funkcjonowania gospodarki (niejako zgodnych z dostępną teorią) jak i trudnościami natury statystycznej.
Ogólny model szeregu czasowego zmiennej y jest następujący: y[t] = f< y[t-l], y[t-2], ... y[t-k], t, e) gdzie: k - wielkość opóźnienia e - składnik losowy
Uwzględnienie opóźnionych wartości zmiennej wiąże się z przyjęciem hipotezy o wpływie prehistorii kształtowania zmiennej na jej teraźniejsze i przyszłe wartości. W analizie zjawisk ekonomicznych ma to szczególne znaczenie, charakteryzują się one bowiem określoną bezwładnością: szybkie, dowolne zmiany wartości kategorii ekonomicznych nie są możliwe, zatem - w krótkim okresie - można przyjąć zależność poziomu zmiennej od jej poziomu z bliskiej przeszłości.
Bezpośrednie uwzględnienie czasu (zmienna t) pokazuje wpływ na kształtowanie wartości zmiennej y czynników: tendencji rozwojowej, wahań sezonowych i cyklicznych.
Niewątpliwie uwzględnienie cyklu koniunkturalnego w metodach prognozowania na podstawie szeregów czasowych - w przypadku polskiej gospodarki - nie wchodzi na razie w grę.
Istotne jest natomiast wyodrębnienie trendu i prognoza jego zmian.
Zmiany natężenia ruchu zmiennej w tym samym kierunku mogą być prognozowane na podstawie użycia modeli adaptacyjnych (np. trendu pełzającego). Zmiany (punkty) zwrotne (odwrócenie trendu) mogą być identyfikowane albo mechanicznie (na podstawie metod analizy statystycznej) albo na podstawie procedur syntezy opinii ekspertów.
Można zatem zaproponować ogólną procedurę prognozowania na podstawie szeregów czasowych. W bazie metod systemu prognoz