时间序列教案分析.pptVIP

第9章 时间序列分析 为什么要进行时间序列分析？ 个人、企业和政府都需要根据历史数据（时间序列）对现象的未来发展作出预测并采取相应的决策，时间序列分析为我们完成这一任务提供了基本的分析工具。 我国每年年初的人代会都要对当年的主要经济指标作出预测，每个五年计划中要对未来五年的经济和社会发展进行预测。 一名股票经纪人要对股票市场的未来走势作出及时的预测并相应作出买入或卖出的决策。 企业经理人员的决策中经常需要对未来的市场供求进行预测。 第9章 时间序列分析 9.1 时间序列的采集与分类 9.2 时间序列特征指标测度 9.3 时间序列构成分析 9.4 时间序列自回归分析 9.1 时间序列的采集与分类 时间序列的概念 时间序列的采集 时间序列的分类 时间序列的意义 一、时间序列的概念 时间序列又称时间数列或动态序列，它是指按照时间的先后顺序取得的一系列观测值。 形式上由反映客观现象的观测值和这些数值所属的时间两个基本要素构成。 观测值可以是年度数值、季度数值、月度数值或其他时间形式的数值 二、时间序列的采集 时间序列采样的方法需要根据所观测指标的性质而定，主要有以下三种： 瞬间采样：对于存量指标，每隔一定时间，观测登记一次当时的现存数量。 累积采样：对于流量指标，每隔一定时间，计算登记一次其在以前某段时间内累计发生数量。 特征采样：对于所考察的事物，每隔一定的时间，计算登记一次其在以前某段时间内的特征值。 三、时间序列分类(不同,参见257--258) 根据观测值表现形式的不同可以分为绝对数、相对数或平均数时间序列。绝对数时间序列又可分为时期序列和时点序列。 时期序列与时点序列的区别 时期序列：序列中的观测值反映现象在一段时期内发展过程的总量，不同时期的观测值可以相加，相加结果表明现象在更长一段时间内的活动总量；例如我国历年的GDP序列。 时点序列：序列中的观测值反映现象在某一瞬间上所达到的水平，不同时期的观测值不能相加，相加结果没有实际意义。例如我国年末人口数序列。 Example 四、时间序列分析的意义 可以了解事物发展变化的过程，揭示事物发展变化的特点和特征，使人们更清楚地认识事物的运动方式，把握事物发展变化的趋势和规律。 对事物未来的发展变化进行有效的推断和预测。 通过对多种不同指标的时间序列的共同分析，可以揭示各种指标变动之间的相互关系，有助于理解事物间的相互联系。 9.2 时间序列特征指标测度 时间序列均值的测度 时间序列的波动性与自相关性测度 一、时间序列均值的测度 （一）趋势平稳序列均值的计算 设给定的均值平稳时间数列为 则其均值为： （二）趋势非平稳序列的平稳化变化 差分变化：用时间序列中的各期数值减去相邻的前期数值，得出各期的增长量，形成一个增长量序列。 记趋势非平稳序列 ，则差分变换公式为： 环比变换：用时间序列中各期数值除以相邻的前期数值，变换后的序列相当于原时间序列指标的环比发展速度序列.其公式为： 对数差分变换：选取自然对数，再进行差分变换。变换后的序列相当于原时间序列指标的增长率序列. 二、时间序列的波动性与自相关性测度 可以通过时间序列的方差与自协方差以及相关系数测度。 记给定的时间序列为 ，则其方差和自协 方差可以定义为： 当k=0时， 即为时间序列的方差；当 时， 为 时间序列的k阶自协方差。 9.3 时间序列构成分析 时间序列的构成模型 长期趋势的测定 季节变动的测定 循环变动的测定 随机变动的测定 一、时间序列的构成模型 一个时间序列中可能包含以下四个（或者几个）组成成分： 长期趋势 (Secular trend ,T) 季节变动 (Seasonal Variation , S) 循环波动 (Cyclical Variation , C) 不规则波动 (Irregular Variation, I ) 这些组成成分之间可能是乘法或加法的关系： 乘法模型：Yi = Ti × Si × Ci × Ii 加法模型：Yi = Ti + Si + Ci + Ii 长期趋势 现象在较长时期内持续发展变化的一种趋向或状态 可以分为线性趋势和非线性趋势 季节变动（ S ） 由于季节的变化引起的现象发展水平的规则变动。季节变动产生的原因主要有两个： 自然因素； 人为因素： 法律、习俗、制度等 “季节变动”也用来指周期小于一年的规则变动，例如24小时内的交通流量。 循环变动（C） 以若干年为周期、不具严格规则