8时间序列分析报告.ppt

第八章 时间序列模型应用 由历史数据预测未来数据 Topics 时间序列研究中的朴素方法 时间序列的解析研究方法 时间序列的预测 时间序列研究中的朴素方法 增量法及动态比率法 序时平均数 平均增长率 朴素方法：运用算术方法对时间序列的发展变化进行简单描述 发展变化：两个时期或时点之间的指标值对比为基础，然后延伸到整个序列的整体变化描述 对比方法：减法和除法 序列整体变化描述方法：算术平均和几何平均 中国彩色电视机产量1990—2001 （单位：万台） 增量法及动态比率法 （1）增量法 通过计算增量分析数据变动情况 增量=报告期指标数值－ 基期指标数值 增量＞0：增长量；增量＜0：减少量（负增长量） 基期不同 逐期增量=报告期指标数值－相邻基期指标数值 2001年比2000年增长量=4093 － 3936=157（万台） 累计增量=报告期指标数值－固定基期指标数值 2001年比1990年增长量=4093－1033=3060（万台） （2）动态比率法 通过计算两个时期的动态相对指标，反映指标动态变化程度；用发展速度或增值率表示 发展速度=报告期指标数值/基期指标数值 （动态相对数；报告期较基期而言的相对发展方向和程度） 环比发展速度=报告期指标数值/相邻基期指标数值 （反映逐期发展方向和程度） 定基发展速度=报告期指标数值/固定基期指标数值 （反映总的发展方向和程度） 增长率=增量/基期指标数值=发展速度－1 （反映报告期比基期增建方向和相对程度） 环比增长率=环比发展速度－1 （反映逐期增减方向和相对程度） 定基增长率=定基发展速度－1 （反映总的增减方向和相对程度） 1990—2001年中国彩色电视机产量动态指标 几个问题 固定基期选择：影响定基发展速度高低 发展水平（各期指标值）与发展速度不同：速度是相对数，可能高速度掩盖低水平 一年中各月份指标与上年的比较：“与去年同期相比（同比）”；可以“增量法”或“动态比率法” 序时平均数（动态平均数） 将不同时间序列各期指标值加以平均 可以消除偶然因素影响，显示长期发展中的必然趋势 利于对比不同单位、地区、部门、国家在某段时间发展的一般水平 （1）时期序时平均数 1990—2001年中国彩色电视机年平均产量 2482.5万台 （2）时点序时平均数—连续时点（间隔相等） 日平均住宿人数：73人 （2）时点序时平均数—连续时点（间隔不等） 某企业10月份银行存款余额（万元） 日平均余额 （2）时点序时平均数—间断时点（间隔不宜过长） 某企业某产品库存量 月平均库存量 平均增长率 反映在一个连续时间段中增长的一般水平，一般为年平均增长率 可用做不同时间、空间的对比，以及预测的依据 平均增长率=环比发展速度几何平均数－1 1990—2001年中国彩色电视机年平均增长率 13.33% 时间序列的解析研究方法 概述 长期趋势的测定 季节变动的测定 循环与不规则变动的测定 概述 解析分析：以时间序列为依据，通过影响序列变动的主要因素及其相互关系进行分解与综合，来认识变化的规律性 影响时间序列的4个主要因素： 长期趋势、季节变动、循环变动、不规则变动 长期趋势：由于某种根本性原因影响（如科学技术，人口变化等），在一段较长时间内，使时间序列呈现逐渐增加或减少的变化 季节变动：一年内随季节的变动，年复一年 循环变动：若干年（不同）为周期，波浪起伏变动（如商业景气，经济周期等） 不规则变动：无规律变动，短期、不可预见、不重复的随机变动（如罢工，台风等） 实际观测值与4种因素变动关系 Yt = f (Tt, St, Ct, It) 加法模型：假设4种因素存在横向合成（迭加）关系，都是可计量的绝对数 Yt = Tt + St + Ct + It 乘法模型：假设4种因素存在纵向加成关系，除长期趋势是可计量的绝对数，其余为相对数 Yt = Tt × St × Ct × It 一般采用乘法模型 长期趋势的测定 移动平均法 回归分析法 移动平均法 把原时间序列的时距扩大，逐期推移，依次计算扩大时距后的序列的序时平均数，形成一个新的时间序列，反映长期发展变化趋势 可以消弱或消除不规则变动影响 若扩大的时距与季节周期一致，还可消除季节变动影响 n期移动： n代表计算序时平均数的期数； n越大，消除不规则变动效果越好 一般， n选择奇数 n为偶数时，通常需要对第一次移动平均数作第二次平均 示例 表8.6 可口可乐公司股本收益率 表8.7 澳柯玛机床公司1995—2001年季度销售额 回归分析法 线形回归 例8.1 非线性回归 Y是t的非线性函数 季节变动的测定 通过计算季节指数度量季节规律 季节指数（SI）：表示季节性变