实训四时间序列分析和预测创新.pptVIP

未来是不可预测的，不管人们掌握 多少信息，都不可能存在能作出正 确决策的系统方法。 ——C. R. Rao 实训四 时间序列预测 4.1 时间序列及其分解 4.2 时间序列预测的程序 4.3 平滑法预测 4.4 趋势预测 学习目标 时间序列的组成要素（掌握） 时间序列的描述性分析（理解） 时间序列的预测程序（掌握） 移动平均和指数平滑预测（理解） 线性趋势预测（掌握） 使用Excel预测 时间序列概述 时间序列的含义(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 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 4. 观测时间用 t 表示，观察值用 表示 时间序列的成分 时间序列的成分一(长期趋势) 趋势(trend)/长期趋势(secular trend) 指现象在一段相当长的时期内所表现的沿着某一方向的持续发展变化 持续上升、持续下降 如：我国GDP逐年增长 我国人口总量逐年增长 企业的生产成本逐年下降 表现为线性长期趋势和非线性长期趋势 时间序列的成分一(长期趋势) 时间序列的成分二(季节变动) 季节变动(seasonal fluctuation) 在一年内重复出现的周期性波动 波动原因： （1）自然界季节变化。（农业产品的生产、某些商品的销售量变动、旅游交通的流量） （2）制度、习惯、法规、法律等。（节假日社会商品零售总额、旅游人数） 时间序列的成分二(季节变动) 时间序列的成分三(循环波动) 3. 循环波动(cyclical fluctuation) 指在较长时间内呈现出的波峰波谷交替的变动，通常是以若干年（或季、月）为一定周期的有一定规律的周期波动。 与长期趋势不同。不是单一方向的持续变动，面是有涨有落的交替波动。 与季节变动不同。季节变动有比较固定的规律，且变动大多为一年，而循环变动多在一年以上，且周期长短不一。 时间序列的成分三(循环波动) 时间序列的成分四(不规则波动) 4. 不规则波动(irregular variations) 时间序列分离了长期趋势、季节变动、循环波动后的波动。 不规则变动是由那些影响时间序列的短期的、不可预期的和不重复出现的众多偶然因素引起的。 呈现无规则的随机变动。 含有不同成分的时间序列 时间序列成分的组合模型 乘法模型（multiplicative model)： Yt=Tt×St×Ct×It 假定四个因素对现象发展的影响是相互的，长期趋势成分取与Y相同计量单位的绝对量，以长期趋势为基础，其余成分则均以比率（相对量）表示。 加法模型(additive model): Yt=Tt+St+Ct+It 假定四个因素对现象发展的影响是独立的，每个成分均以与Y相同计量单位的绝对量来表示。 时间序列的图形描述 时间序列的图形描述(例题分析) 时间序列预测的程序 4.2.1 确定时间序列的成分 确定趋势成分(例题分析) 确定趋势成分(例题分析) 确定趋势成分(例题分析) 确定季节成分(例题分析) 年度折叠时间序列图 (folded annual time series plot) 4.2.2 选择预测方法 预测方法的选择 平滑法预测 适合于只含有随机成分平稳序列 通过对时间序列进行平滑以消除其随机波动，因而也称为平滑法 主要有移动平均法(moving average)和指数平滑法(exponential smoothing)等 平滑法既可用于短期预测，也可以用于对时间序列进行平滑以描述序列的趋势(包括线性趋势和非线性趋势) 4.3.1 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 选择一定长度的移动间隔，对序列逐期移动求得平均数作为下一期的预测值 有简单移动平均法和加权移动平均法两种 简单移动平均(moving average) 将最近k期数据平均作为下一期的预测值 设移动间隔为k (1kt)，则t+1期的移动平均预测值为 预测误差用均方误差(MSE) 来衡量 简单移动平均(特点) 将每个观察值都给予相同的权数 只使用最近期的数据，在每次计算移动平均值时，移动