ch9时间序列分析与预测(阅读).pptVIP

第九章 时间序列分析和预测 本章主要内容 1.时间序列的概念和构成 2.时间序列的分解模型 3.时间序列的平滑方法——移动平均法和指数平滑法 4.时间序列的长期趋势分析 5.时间序列的季节变动分析 第九章 时间序列分析和预测 学习目标 1.理解时间序列的概念及其分解 2.掌握时间序列的两种平滑技术 3.掌握时间序列的各种预测方法 本章案例 大华公司生产的一种新型乳制品售量呈逐年增长的趋势。同时，这也是一种时令性很强的饮品。历年各季度的销售数额如下图： 本章案例 在对该产品进行预测时，管理人员根据公司历史销售数据，建立了一个时间序列预测模型，该模型包含了产品销售的增长趋势以及季节影响因素。实践证明，该模型的预测令人满意。 第一节 时间序列的概念和构成 时间序列的概念 　　　所谓时间序列（time series）是按照时间顺序取得的一系列同一现象的观测值。 　　　例如股票市场中每天的收盘价格、某企业产品每季度的销量以及我国历年来的GDP等。 第一节 时间序列的概念和构成 时间序列的组成 现象数值所属的时间 即现象发生的时间，可以表现为年、季、月、周、日等时间单位。 反应现象在一定时间条件下的数量特征值 第一节 时间序列的概念和构成 时间序列的展示 表格形式，如下表9-1：　　　 第一节 时间序列的概念和构成 第一节 时间序列的概念和构成 时间序列的四种构成要素 长期趋势(long-term trend)、季节变动(seasonal variation)、循环变动(cyclical fluctuation)及不规则变动(irregular fluctuation)。 长期趋势 长期趋势是指时间序列在长期内呈现出来的某种持续向上或持续下降的变动。一般用T表示 。 季节变动 季节变动是在一年中或固定时间内，时间序列呈现周期和幅度大致一样的变动。一般用Ｓ表示。 第一节 时间序列的概念和构成 循环变动 循环变动是指现象沿着趋势线上下波动，且波动的时间间隔超过一年。 一般用Ｃ表示。 不规则变动 不规则变动是指在时间序列中剔除了长期趋势、季节变动和循环变动的影响后的随机波动。 一般用Ｒ表示。 第一节 时间序列的概念和构成 时间序列的分解模型 根据时间序列的构成因素，时间序列可以分解为多种模型，最常见的是乘法模型和加法模型。 乘法模型 乘法模型假定时间序列变化是四种构成要素相乘的结果。 其表现形式为： 第一节 时间序列的概念和构成 加法模型 加法模型假定时间序列变化是四种构成要素相加而成的。其表现形式为： 第二节 时间序列的平滑法 移动平均法 　　移动平均是从时间序列的第一项开始，取连续若干期观测值计算均值，逐期递移，得到由均值构成的序列—移动平均列。 　　移动平均法的原理：不规则变动对时间序列每时期的影响大小不同，方向也不同，将时间序列连续两期或多期的观测值平均，代替其中间一期的趋势值，数列中过大与过小的观测值就可以互相补偿，这样就剔除了随机波动的影响。 第二节 时间序列的平滑法 第二节 时间序列的平滑法 第二节 时间序列的平滑法 第二节 时间序列的平滑法 第二节 时间序列的平滑法 一些说明 移动平均列消除了不规则变动的影响，因此比原序列光滑。 移动平均的步长越长，得到的移动平均列越光滑。 步长过长的移动平均容易在消除不规则变动的同时，也去除了时间序列的其它影响因素。 偶数步长的移动平均有时需要进行中心化处理。 　　 第二节 时间序列的平滑法 指数平滑法 　　 第二节 时间序列的平滑法 第二节 时间序列的平滑法 第二节 时间序列的平滑法 一些说明 指数平滑系数α越小，指数平滑列光滑度越高，反之，指数平滑列的光滑度越低。 可以通过调节平滑系数α的大小来达到发现时间序列变化趋势的目的。 上列中的平滑系数一个过大，一个过小，若将平滑系数α调节为0.5，季节变动趋势就比较显著，如图9-4。 　　 第二节 时间序列的平滑法 第二节 时间序列的平滑法 利用移动平均法和指数平滑法预测 　　 第二节 时间序列的平滑法 【例9-3】某海鲜批发市场连续十二周发货量如下表，利用3期和5期移动平均对其进行预测分析。 第二节 时间序列的平滑法 解：本例中，3期移动平均列中的第1项是原序列第1、2和3周发货量的算术平均，将其作为第4周的预测值；3期移动平均列中的第2项是原序列第2、3和4周发货量的算术平均，将其作为第5周的预测值；依次类推。5期移动平均预测与3期移动平均预测方法相同。 计算结果如表9-6。 第二节 时间序列的平滑法 第二节 时间序列的平滑法 图9-5是原时间序列与预测序