累加性模式.pptVIP

Chap 7 Decomposition method 4 components : Trend (TRt)：長期向上或向下的移動趨勢 Seasonal variation (SNt)：以年為基礎的變動原型 Cycle (CLt)：在2到10年中向上或向下的改變 Irregular flutuation (IRt)：無固定規律性的不規則波動 累積性模式— multiplicative decomposition model 移動平均法：一種時序平滑法 SMA (simple moving average) 使用時間t 及之前的k-1筆資料的平均值作為目前新資料，使用的 k值越大,越平滑 CMA (centered moving average) 使用目前及對稱的前後資料,作為目前的新資料 Step3 計算每季平均值，調整每季節成因,使其和 = 0, 得到 SNi, i=1,… , L Step3 計算每季平均值，調整每季節成因,使其積 =1, 得到 SNi, i=1,… , L * 時間序列 Chap7 累加性模式-- additive decomposition model 視時序觀察值為此四成因的函數 通常表示為累積性或累加性模式： 取平均期 = k, SMAt = 目的：消除季節變動及不規則震盪，以凸顯時序的走勢或循環變動 均期=L L為奇數時：CMAt = 如： L=5，股票五日線圖 L為偶數時，執行 2 階段計算 例：L=4，先計算每 4 筆資料的平均，再計算每二筆的平均，得到第 3 筆以後的 CMA 註：使用 CMA ，會失去前後數筆資料，通常用於 focecast時，不使用CMA，而使用 SMA. 使用 CMA，前後比較 累加性模式-- additive decomposition model Step1 CMA of length L，L=# of seasons in a year， 得到CMAt，此步可消除season 及 error成因 Step2 計算Yt - CMAt，得到 SN + IR Step5 扣除季節成因 (deseasonalize)， Step6 由dt 資料找出線性或其他關係的 Trend 　 　 　 　 　 540 4 4 　 　 　 　 　 330 3 4 　 　 　 　 　 399 2 4 　 　 　 　 　 434 1 4 　 　 　 　 　 339 4 3 　 　 　 　 　 216 3 3 　 　 　 　 　 315 2 3 　 　 　 　 　 440 1 3 　 　 　 　 　 319 4 2 　 　 　 　 　 152 3 2 　 　 　 　 　 196 2 2 　 　 　 　 　 336 1 2 　 　 　 　 　 214 4 1 　 　 　 　 　 54 3 1 　 　 　 　 　 207 2 1 　 　 　 　 　 365 1 1 　 　 　 　 　 y quarter year 458.375 520.50 19.5 14 　 　 　 540 4 301.325 449.50 -119.5 -125 　 　 426 330 3 390.275 411.50 -12.5 -18 -2 401 376 399 2 497.225 321.50 112.5 107 73 361 347 434 1 386.175 319.50 19.5 14 3 337 326 339 4 229.125 335.50 -119.5 -125 -111 327 328 216 3 318.075 327.50 -12.5 -18 -10 325 323 315 2 425.025 327.50 112.5 107 126 315 307 440 1 313.975 299.50 19.5 14 27 292 277 319 4 156.925 271.50 -119.5 -125 -112 264 251 152 3 245.875 208.50 -12.5 -18 -42 238 225 196 2 352.825 223.50 112.5 107 124 212 200 336 1 241.775 194.50 19.5 14 13 201 203 214 4 84.725 173.50 -119.5 -125 -152 206 210 54