2012预测-第5讲(时间序列分析)-2资料.pptVIP

* * * * ARIMA(0,1,2)模型的预测结果 6.8 季节分解模型 6.8.1 季节分解法概述 6.8.2 季节分解模型的基本操作 6.8.3 季节分解模型实例分析 时间序列是对某一统计指标,按照指定的时间间隔,搜集整理的一组统计数据.一个时间序列可能包含4种变动因素:长期趋势变动、季节性变动、循环性变动和不规则变动。但并不是所有的时间序列都会同时含有这4种变动因素。 6.8.1 季节分解法概述 所谓季节分解,就是通过某些手段把时间序列中的4种变动趋势分解出来,并分别对其加以分析,再将分析结果综合起来组成的一个对原始时间序列的总模型。 时间序列的4种成分 季节分解模型的种类 1. 时间序列的4种成分 长期趋势，记为T。表示序列取值随时间逐渐增加、减少或不变的长期发展趋势。例如：全球人口总数随着时间推移，正在逐步增长；人口死亡率出现长期向下的趋势。 季节趋势，记为S。表示由于受到季节因素或某些习俗的影响，而出现的有规则的变化规律。如每天的交通流量在上下班时间出现高峰期，其余时间较为稳定。 循环趋势，记为C。表示序列取值沿着趋势线有如钟摆般循环变动的规律。例如：总体经济指标的循环就是由各个产业的循环组合而成。 不规则趋势，记为R。表示把时间序列中的长期趋势、季节趋势和循环趋势都去除后余下的部分。不规则趋势是随机性的，它发生的原因有自然灾害、天气突变、人为的意外因素等。 2.