我的议程是寻找模式和可能的模型来描述我的数据。
我的数据由多个时间序列单变量集组成。

data_set = [pd.Series(np.random.normal(size=10), range(10)), 
            pd.Series(np.random.normal(size=10), range(10)),
            pd.Series(np.random.normal(size=10), range(10)),...]

这些系列中的每一个都遵循一些时间序列假设 - 这意味着每个系列的 X 和 X-1、X-2 .. 之间存在依赖关系。
所有系列都代表相似的过程，因此它们具有一些相似的属性（价值尺度、变化点、季节性），但它们并不完全相同。

据我了解，所有时间序列模型都适用于学习一个时间序列，而对其他序列没有影响。有没有一种方法可以拟合最适合所有系列的模型？跨多个相关时间序列的学习/建模方法是什么？