时间序列重点剖析.ppt

第四节 长期趋势分析 一、时间序列的构成因素和分析模型 二、长期趋势测定方法之时距扩大法 三、长期趋势测定方法之移动平均法 四、长期趋势测定方法之趋势模型法 五、长期趋势测定方法之趋势外推预测 一、构成因素和分析模型 又称趋势变动 —时间序列在较长持续期内表现出来的总态势。 —是由现象内在的根本性的、本质因素决定的，支配着现象沿着一个方向持续上升、下降或在原有水平上起伏波动。 2. 季节变动（ S ） 由于自然季节因素（气候条件）或人文习惯季节因素（节假日）更替的影响，时间序列随季节更替而呈现的周期性变动。 季节周期： —通常以“年”为周期、 —也有以“月、周、日”为周期的—准季节变动。 3.循环变动（ C ） —时间序列中以若干年为周期、上升与下降交替出现的循环往复的运动。 如：经济增长中：“繁荣－衰退－萧条－复苏－繁荣”—商业周期。 固定资产或耐用消费品的更新周期等。 4. 随机变动（ I ）： —由于偶然性因素的影响而表现出的不规则波动。故也称为不规则变动。 随机变动的成因： —自然灾害、意外事故、政治事件； —大量无可言状的随机因素的干扰。 （二）时间序列分析模型 1.加法模型： 假定四种变动因素相互独立，数列各时期发展水平是各构成因素之总和。 2. 乘法模型： 假定四种变动因素之间存在着交互作用，数列各时期发展水平是各构成因素之乘积。 2.含趋势、季节和随机变动： 按月（季）编制的时间序列通常具有这种形态。 分析步骤： a. 分析和测定趋势变动，求趋势值 T ； b. 对时间序列进行调整，得出不含趋势变动的时间序列资料。 2.含趋势、季节和随机变动： c. 对以上的结果进一步进行分析，消除随机变动 I 的影响，得出季节变动的测定值 S 。 1. 测定各构成因素的数量表现，认识和掌握现象发展的规律； 2.将某一构成因素从数列中分离出来，便于分析其它因素的变动规律； 3.为时间序列的预测奠定基础。 二、长期趋势的测定方法 长期趋势测定的方法： 1. 时距扩大法； 2. 移动平均法； 3. 数学模型法等。 1. 时距扩大法： 是测定长期趋势最原始、最简单的方法。 将时间序列的时间单位予以扩大，并将相应时间内的指标值加以合并，从而得到一个扩大了时距的时间序列。 作用：—消除较小时距单位内偶然因素的影响，显示现象变动的基本趋势 2.移动平均法： 是测定时间序列趋势变动的基本方法。 对时间数列的各项数值，按照一定的时距进行逐期移动，计算出一系列序时平均数，形成一个派生的平均数时间数列，以此削弱不规则变动的影响，达到对原序列进行修匀的目的，显示出原数列的长期趋势。 若原数列呈周期变动，应选择现象的变动周期作为移动的时距长度。 2.移动平均法： （1）简单移动平均 （2）简单移动平均 偶数项的中心化简单平均数要经过两次移动计算才可得出。 例如：移动项数 N＝4 时， 计算的移动平均数对应中项在两个时期的中间： 由于这样计算出来的平均数的时期不明确，故不能作为趋势值。解决办法： 对第一次移动平均的结果，再作一次移动平均。 偶数项“移动法则”： 例如 （2）加权移动平均法： 如：N = 5 时，应以 （ a + b )4 = a4 + 4a3b + 6a2b2 + 4ab3 + b4 的系数 1，4，6，4，1 为权数： 3.趋势模型法： 也称曲线配合法，它是根据时间序列的数据特征，建立一个合适的趋势方程来描述时间序列的趋势变动，推算各时期的趋势值。 建立趋势模型的程序： 1. 选择合适的模型： 判断方法： a. 直接观察法（散点图法） b. 增长特征法 1）线性趋势方程 —逐期增长量大致相等。 2）二次曲线趋势方程 —逐期增长量大致等量递增或递减。 3）指数曲线方程 —环比发展速度近似一个常数。 方法： 分段平均法 最小二乘法 三点估计法… 3.计算趋势变动测定值 —将自变量 t 的取值，依次代入趋势方程，求出相应时期的趋势变动测定值。 （2）指数曲线模型 （2）加权最小二乘法 普通最小二乘与加权最小二乘误差比较： 五、趋势外推预测 测定长期趋势的一个重要目的就是要利用这一长期趋势对未来进行预测。常用的预测方法有： 移动平均法 最小二乘法 指数平滑法 1、移动平均法 移动平均法预测值，实际是以移动中项的移动平均数作为预测期的趋势值。 需要注意的是，移动平均法只有一期的预测能力。 2.最小二乘法 将预测期的自变量值代入拟合的趋势方程进行外推预测。 3.一次指数平滑法 3.一次指数平滑法 补充：三点法：在时间数列中找三个间隔相等的点，据以确定趋势模型 。 第五节 季节变动与循环波动分析 一、季节变动分析