时间序列分析a第一章绪论资料.ppt

选择合理的采样间隔是科学地采集时间序列数据的关键。 不论通过哪一种途径获得的时间序列，在进行分析处理前，必须对所依据的资料进行认真的检查、整理，有时还需要进行适当的预处理（如离群点的检查与处理、缺损值的补足） 一个时间序列往往是由长期趋势变动、季节变动、循环变动和不规则变动等形式的叠加或耦合而形成的。 随机变量与随机过程既有区别又有联系。 平稳随机过程的统计特性不随时间的推移而变化。如果一个随机过程仅仅是一阶矩和二阶矩不随时间的推移而变化，那么称该随机过程为宽平稳随机过程，白噪声就是一个宽平稳随机过程。 系统的动态性就是在某一时刻进入系统的输入对系统后继行为的影响，也就是系统的记忆性，描述记忆性的函数称为记忆函数。 * * 2. 离群点的分类 （1）加性离群点（additive outlier）：造成这种离群点的干扰只影响干扰发生的时刻序列值，不影响该时刻以后的序列值。 （2）更新离群点(innovational outlier)：造成这种离群点的干扰不仅影响干扰发生的时刻序列值，而且影响该时刻以后的序列值。 （3）水平移位离群点(level shift outlier)：造成这种离群点的干扰从某时刻起，系统的结构发生变化，序列的平均值在该时刻以后发生水平移位。 （4）暂时变更离群点(temporary change outlier)：造成这种离群点的干扰从干扰发生的时刻开始对以后的序列值产生的影响逐渐衰减。 * 3. 离群点的检验和处理 * （1）根据数据取值进行检验，如果在某一时刻数值超出了一定的范围，则认为该点是一个离群点。 具体讲，一种是将序列值与平滑值进行比较，检验其是否显著的大或者小。另一种方法是检验序列值与其相应的曲线平滑估计值的绝对离差是否大于预先设定的值。 （2）对数据进行模型分析，然后根据拟合模型后的剩余序列计算特定的统计量，测出显著的离群点，并加以修正。 处理离群值方法一—将系列值与平滑值进行比较，检验其是否显著地大或小。假定正常的系列值是平滑的，而离群点是突变的。用 表示先对 进行平滑再平方得到的数值， 表示先对序列 取平方再作平滑而得到的数值，并用 表示样本方差，则有 * 如果 则认为 是正常的，否则 是一个离群点。一般地 取3~9的整数。 如果 是一个离群点，则可用 来代替，即 这实际上是线性外推。 * 处理离群值方法二—检验序列值与其相应的曲线平滑估计值的绝对离差是否大于某一预先设定值 。 首先根据序列从首项开始取5项移动中位数生成一个新序列 即取 的中位数作为 ，然后舍去 ，加入 取中位数的 ，以此类推，直到加入序列最后一个数。其次，用同样的方法根据序列 ，从首项开始取3项中位数构成序列 。再次，由序列 按照如下公式构成序列 ： 最后，检测是否存在 * * 缺损值（missing value）的存在破坏了系统运行的连续性和规律性，但是在实际工作中由于仪器故障、操作失误等等原因，时间序列中常会出现缺损值。通常对缺省值的补足可以用以下的方法：增长量推算法、发展速度推算法、比例推算法、平滑法、插值估算法等。 三、缺损值的补足 * 一、时间序列的分解 (1)趋势变动。是指时间序列朝着一定的方向持续上升、下降或停留在某一水平上的倾向，是事物的主要变化趋势。 (2)季节变动。是指一年或更短的时间之内，由于受某种固定周期性因素的影响而呈现出有规律的周期性波动。  (3)循环变动。通常是指周期为一年以上的有规律的波动。 (4)不规则变动。可分为突然变动和随机变动。突然变动是指战争、自然灾害或是其它社会因素等意外事件引起的变动。随机变动是指由于大量的随机因素产生的宏观影响。 第三节 确定性时序分析方法概述 通常用 Tt表示长期趋势项，St表示季节变动趋势项，Ct表示循环变动趋势项，Rt表示随机干扰项。常见的确定性时间序列模型有以下几种类型： * (i)加法模型: (ii)乘法模型: (iii)混合模式: 其中 是观测目标的观测记录： * 1、移动平均法 设观测序列为 正整数N＜T。一次移动平均值计算 公式为： 二次移动平均值计算公式为： 二、确定型时间序列的预测方法 当预测目标的基本