统计学第七章：时间序列论述.ppt

本章重点 第一节 时间序列基础 时间序列 比较分析 平均分析 时间序列 时间序列（time series）是指现象在不同时间上的观测按时间先后顺序加以排列后形成的数列（sequence） 观测 时期：一个时间区间的累计 例 时间序列 线图（line plot） 基期和报告期 在时间数列的不同时期比较中，通常称要比较的时期为报告期，被比较的时期为基期 如上例，若要研究该公司2012年的利润与2011年的比较情况，则2012年报告期，2011年即为基期 发展速度 发展速度：不同期之比 例 发展速度 两者关系 某期定基发展速度等于该期（包括该期）以前的各期环比发展速度之积。如 增长速度 增长速度：发展速度减1 例 增长速度 1%的绝对量 1%的绝对量 ：基期发展水平除以100，用于说明发展速度（增长速度）中1%的绝对含量 例 1%的绝对量 练习 动态比较分析 平均发展速度 平均发展速度是时间数列环比速度的平均数，说明现象在一段时期内发展速度的平均水平 例 年均发展速度 平均增长速度 平均增长速度等于平均发展速度减1 练习 平均增长率 练习 动态平均分析 第二节 平稳序列分析 平稳序列 自相关 自回归 自协方差 自协方差（autocovariance）：时间序列与其滞后K期的序列的协方差 平稳 平稳序列（stationary series）：时间序列的均值、自协方差不会随着时间的变化而变化。即 自相关 自相关（autocorelation）：时间序列自身不同序列之间的相关，也称序列相关。 自相关系数 对于平稳序列 自相关函数 自相关函数（autocorelation function，acf）：自相关系数关于滞后期k的函数 例 练习 自相关函数 自回归 自回归（autregression，AR（p））：时间序列与各滞后期序列的回归模型。 回归系数 最小平方法 例 练习 自回归 第四节 趋势分析 时间数列的变动趋势 长期趋势 季节变动 时间数列的变动趋势 时间序列可分为平稳序列（stationary series）和非平稳序列（non-stationary series） 长期趋势和季节变动 长期趋势（trend）指现象在一段较长的时间内，由于普遍的、持续的、决定性的基本因素的作用，使发展水平沿着一个方向，逐渐向上或向下变动的趋势 循环变动和不规则变动 循环变动（cyclical fluctuation）：指现象发生的周期比较长的涨落起伏变动。多指经济发展兴衰相替之变动 移动平均 移动平均法（moving average）：按照一定的间隔期逐期递推计算的一系列平均数 移动平均 3项移动和4项移动 移动平均效果图 指数平滑 指数平滑法（exponential smoothing）：通过每期的预测值和实际值加权平均作为下一期的预测值。 指数平滑 长期趋势的模型拟合 测定长期趋势的最好方法是为时间序列的长期趋势拟合一模型（方程）。常见的拟合方程为线性方程 公司利润的趋势方程 练习 长期趋势 季节变动 测定季节变动的常用方法为同期平均法 季节变动 请计算季节比率 剔除长期趋势后再计算季节比率 回顾 时间序列 速度 平稳序列 自相关 自回归 趋势分析 表 CPI 1.8 2.1 1.9 1.4 1.7 1.5 1.4 1.9 1.6 1.5 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 CPI（+%） 时间 表 股价 求1阶、2阶自回归方程 15.5 13.6 18.8 13.4 18.4 13.5 17.6 13.1 19.4 13.3 1 2 3 4 5 6 7 8 9 10 收盘价（元） 月 影响因素归纳起来大体有四种：长期趋势、季节变动、循环变动和不规则变动 非平稳序列中各项发展水平的发展变化，是由许多复杂因素共同作用的结果 季节变动（seasonal fluctuation）指现象受季节的影响在一年内或更短的时间内随着时序的更换，呈现周期重复的变化。 不规则变动（irregular variations）：指现象受偶然因素影响呈现出来的难以测定和把握的变动 移动平均法的作用在于对时间序列进行修匀，去除短期的季节变动和不规则变动，从而呈现长期趋势 5 4 8 7 11 10 10 12 13 16 15 18 20 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 利润（亿） 时间 间隔期分别选3和4进行移动平均 其中 称之为平滑系数，其值小于1大于0， 5 4 8