Прогнозирование временных рядов является возможным благодаря тому, что временные ряды часто содержат определенные закономерности, тренды, сезонности и цикличность, которые могут быть выявлены и использованы для прогнозирования будущих значений. Для определения того, существует ли адекватная модель для прогнозирования временного ряда, можно использовать различные статистические критерии и тесты, такие как тест Дики-Фуллера на стационарность ряда, порядок авторегрессионной модели, тест Льюнга-Бокса на наличие автокорреляции и др.

Отдельное определение "ряд можно хорошо прогнозировать" / "ряд не поддаётся прогнозированию" в статистике отсутствует. Однако можно сказать, что некоторые временные ряды могут быть сложными для прогнозирования из-за их случайной природы, нестационарности, высокой степени шума и других факторов. В таких случаях может потребоваться применение более сложных методов прогнозирования или же прогнозирование может быть нецелесообразным.

Общая методология прогнозирования временных рядов включает в себя анализ и выбор подходящей модели, оценку параметров модели, проверку адекватности модели и использование ее для прогнозирования будущих значений временного ряда.