jldl3.3.ppt

§3 时间序列分析 时间序列分析的基本原理 趋势拟合方法 季节变动预测 一、时间序列分析的基本原理 （三）时间序列的分解步骤 假设选择乘法模型。 （1）运用移动平均法剔除长期趋势和周期变化，得到序列TC。然后再用按月（季）平均法求出季节指数S。 （2）做散点图，选择适合的曲线模型拟合序列的长期趋势，得到长期趋势T。 （3）计算周期因素C。用序列TC除以T即可得到 周期变动因素C。 （4）将时间序列的T、S、C分解出来后，剩余的 即为不规则变动，即： （一）平滑法 当数据的随机因素较大时，宜选用较大的N，这样有利于较大限度地平滑由随机性所带来的严重偏差； 反之，当数据的随机因素较小时，宜选用较小的N，这有利于跟踪数据的变化，并且预测值滞后的期数也少。 平滑系数 时间序列较平稳，α取值可小一些，一般取α∈（0.05,0.3）； 序列数据起伏波动比较大，则α应取较大的值，一般取α∈（0.7,0.95）。 初始值的确定 对于变化趋势较稳定的观察值可以直接用第一个数据作为初始值 观察值的变动趋势有起伏波动时，则应以n个数据的平均值为初始值，以减少初始值对平滑值的影响。 差分法识别标准： 例2 某商品零售额（万元） （三）自回归模型 自相关性判断 ①时间序列的自相关，是指序列前后期数值之间的相关关系，对这种相关关系程度的测