第十三章 时间序列分析和预测39763.pptVIP

第十三章 时间序列分析和预测 主讲 石立 什么是时间序列？ 时间序列分析的重要性 时间序列分析方法有两类： 传统（古典）时间序列分析 现代时间序列分析 本章框架结构 第一节 时间序列及其描述性分析 时间序列及其分解 描述性分析 第二节 时间序列的预测 预测的程序 平稳序列的预测 趋势型序列的预测 季节型序列的预测 复合型序列的分解预测 第一节 时间序列及其描述性分析 一、时间序列(times series)及其分解 1、定义：同一现象在不同时间上的相继观察值排列而成的数列 形式上由现象所属的时间和现象在不同时间上的观察值两部分组成 排列的时间可以是年份、季度、月份或其他任何时间形式 2、时间序列的分类 （1）平稳序列(stationary series) 基本上不存在趋势的序列，各观察值基本上在某个固定的水平上波动，或虽有波动，但并不存在某种规律，而其波动可以看成是随机的。 （2）非平稳序列 (non-stationary series) 有趋势的序列：线性的，非线性的 有趋势、季节性和周期性的复合型序列 3、时间序列的构成要素：趋势、季节、周期、随机性 （1）趋势(trend) 呈现出某种持续向上或持续下降的状态或规律 （2）季节性(seasonality) 也称季节变动(Seasonal fluctuation)，是时间序列在一年内重复出现的周期性波动 （3）周期性(cyclity) 也称循环波动(Cyclical fluctuation) ，是围绕长期趋势的一种波浪形或振荡式变动。 （4）随机性(random) 也称不规则波动(Irregular variations) ，是除去趋势、周期性和季节性之后的偶然性波动 如图P365，图13-1至图13-4 4、时间序列的构成模型 （1）时间序列的构成要素分为四种，即趋势(T)、季节性或季节变动(S)、周期性或循环波动(C)、随机性或不规则波动(I)非平稳序列 （2）时间序列的分解模型 乘法模型：Yi=Ti×Si×Ci×Ii ——使用较多 加法模型：Yi=Ti+Si+Ci+Ii 二、时间序列的描述性分析：图形描述 增长率分析 1、图形描述 画线图 例题：P366，例13.1 ，表13.1 2、增长率分析 增长率(growth rate)：也称增长速度，是报告期观察值与基期观察值之比减1，用%表示； 类型：根据计算方法的不同，分为： 一般增长率：定基增长率（与固定期比较） 环比增长率（与前一期比较） 平均增长率 …… （1）一般增长率：环比增长率与定基增长率 环比增长率：报告期水平与前一期水平之比减1 定基增长率：报告期水平与某一固定时期水平之比减1 （2）平均增长率(average rate of increase ) 序列中各逐期环比值(也称环比发展速度) 的几何平均数减1后的结果 描述现象在整个观察期内平均增长变化的程度 通常用几何平均法求得。计算公式为： 例：P368，例13.2 表13.1 ?增长率分析中应注意的问题 当时间序列中的观察值出现0或负数时，不宜计算增长率。 例如：假定某企业连续五年的利润额分别为5、2、0、-3、2万元，对这一序列计算增长率，要么不符合数学公理，要么无法解释其实际意义。在这种情况下，适宜直接用绝对数进行分析 在有些情况下，不能单纯就增长率论增长率，要注意增长率与绝对水平的结合分析 增长1%绝对值 增长率每增长一个百分点而增加的绝对量 用于弥补增长率分析中的局限性 计算公式为：增长1%绝对值= 第二节 时间序列的预测 一、预测的程序 二、平稳序列的预测 三、趋势型序列的预测 四、季节型序列的预测 五、复合型序列的分解预测 一、预测的的程序 四个步骤： 第一步：确定时间序列所包含的成分，即确定时间序列的类型； 第二步：找出适合此类时间序列的预测方法； 第三步：对可能的预测方法进行评估，以确定最佳预测方法； 第四步：利用最佳预测方案进行预测。 1、确定时间序列的成分 （1）确定趋势成分 方法：①绘制时间序列的线图；②利用回归分析拟合一条趋势线，然后对回归系数进行显著性检验，如果回归系数显著，就可以得出线形趋势显著的结论。 （2）确定季节成分 至少要两年的数据，且数据需按季度、月度、周或天来纪录的。 方法：绘制时间序列的线图； 注：绘制年度折叠时间序列图（即每年的数据分开画） 如果只存在季节成分，年度折叠时间序列图的折线将会有交叉； 如果既存在季节成分又含有趋势，年度折叠时间序列图的折线将不会有交叉：如果趋势是上升的