第十三章时间序列分析和预测.pptVIP

第13章 时间序列分析和预测 第13章 时间序列分析和预测 §13.1 时间序列及其分解 §13.2 时间序列的描述性分析 §13.3 平稳序列的平滑和预测 §13.4 有趋势序列的分析和预测 学习目标 掌握时间序列及其分解原理 掌握时间序列的描述性分析 3. 理解平稳序列的平滑和预测方法 4. 理解有趋势序列的的分析和预测方法 5. 用EXCEL对平稳序列进行平滑和预测 §13.1 时间序列及其分解 时间序列(times series) 1. 同一现象在不同时间上的相继观察值排列而成的数列（某同类社会经济现象在不同时间上的一系列指标数值按时间先后顺序排列而成的统计数列） 2. 形式上由现象所属的时间和现象在不同时间上的观察值两部分组成 3. 排列的时间可以是年份、季度、月份或其他任何时间形式 时间序列（举例） 表8-1 我国国内生产总值统计表 时间序列的分类 时间序列的分类 平稳序列(stationary series) 基本上不存在趋势的序列，各观察值基本上在某个固定的水平上波动 或虽有波动，但并不存在某种规律，而其波动可以看成是随机的 非平稳序列 (non-stationary series) 有趋势的序列 线性的，非线性的 有趋势、季节性和周期性的复合型序列 时间序列的构成要素 趋势、季节、周期、随机性 趋势(trend) 呈现出某种持续向上或持续下降的状态或规律 季节性(seasonality) 也称季节变动(Seasonal fluctuation) 时间序列在一年内重复出现的周期性波动 周期性(cyclity) 也称循环波动(Cyclical fluctuation) 围绕长期趋势的一种波浪形或振荡式变动 随机性(random) 也称不规则波动(Irregular variations) 除去趋势、周期性和季节性之后的偶然性波动 时间序列的构成模型 时间序列的构成要素分为四种，即趋势(T)、季节性或季节变动(S)、周期性或循环波动(C)、随机性或不规则波动(I)非平稳序列 时间序列的分解模型 乘法模型 Yi=Ti×Si×Ci×Ii 加法模型 Yi=Ti+Si+Ci+Ii 一、图形描述 图形描述(例题分析) 图形描述(例题分析) 二、增长率分析 增长率(growth rate) 也称增长速度 报告期观察值与基期观察值之比减1，用%表示 由于对比的基期不同，增长率可以分为环比增长率和定基增长率 由于计算方法的不同，有一般增长率、平均增长率、年度化增长率 环比增长率与定基增长率 环比增长率 报告期水平与前一期水平之比减1 平均增长率(average rate of increase ) 序列中各逐期环比值(也称环比发展速度) 的几何平均数减1后的结果 描述现象在整个观察期内平均增长变化的程度 通常用几何平均法求得。计算公式为 平均增长率(例题分析 ) 增长率分析中应注意的问题 当时间序列中的观察值出现0或负数时，不宜计算增长率 例如：假定某企业连续五年的利润额分别为5、2、0、-3、2万元，对这一序列计算增长率，要么不符合数学公理，要么无法解释其实际意义。在这种情况下，适宜直接用绝对数进行分析 在有些情况下，不能单纯就增长率论增长率，要注意增长率与绝对水平的结合分析 增长率分析中应注意的问题(例题分析) 增长率分析中应注意的问题(增长1%绝对值) 增长率每增长一个百分点而增加的绝对量 用于弥补增长率分析中的局限性 计算公式为 一、简单平均法 简单平均法  (simple average) 根据过去已有的t期观察值来预测下一期的数值 设时间序列已有的其观察值为 Y1、Y2、… 、Yt，则t+1期的预测值Ft+1为 有了t+1的实际值，便可计算出的预测误差为 t+2期的预测值为 简单平均法(特点) 适合对较为平稳的时间序列进行预测，即当时间序列没有趋势时，用该方法比较好 如果时间序列有趋势或有季节变动时，该方法的预测不够准确 将远期的数值和近期的数值看作对未来同等重要，从预测角度看，近期的数值要比远期的数值对为来有更大的作用。因此简单平均法预测的结果不够准确 二、移动平均法 移动平均法(moving average) 对简单平均法的一种改进方法 通过对时间序列逐期递移求得一系列平均数作为趋势值或预测值 有简单移动平均法和加权移动平均法两种 简单移动平均法(simple moving average) 将最近k的其数据加以平均作为下一期的预测值 设移动间隔为 K(1kt)，则t期的移动平均值为 t+1期的简单移动平均预测值为 预测误差用均方误差(MSE) 来衡量