传统时间序列分析.docVIP

第九章　传统时间序列分析 时间序列的变动主要是由长期趋势、循环波动、季节变动及不规则变动而形成的，其中前三种变动有一个共同的特点，就是依一定的规则而变化，不规则变动则在综合中可以消除。基于这种认识，本章主要是介绍设法消除不规则变动，拟合确定型趋势，因而形成了一系列确定型时间序列分析方法。 实验一　季节模型 实验目的： 掌握季节调整的方法。 实验内容： 对时间序列进行季节调整。 知识准备： 经济时间序列的变化受许多因素的影响，概括地讲，可以将影响时间序列变化的因素分为四种，即长期趋势（T，随着时间的变化，按照某种规律稳步地增长、下降或保持在某一水平上）、季节变动因素（S，在一个年度内依一定周期规则性变化）、周期变动因素（C，以若干年为周期的波动变化）和不规则变动因素（I，许多不可控的偶然因素共同作用的结果）。传统时间序列分析应是设法消除不规则变动，指拟合确定性趋势，因而形成了长期趋势分析、季节变动分析和循环波动测定等一系列确定型时间序列分析方法。 季节变动是一种较为普遍的现象，其按照一定的周期循环进行，而且每个周期变化强度大体一致。研究季节变动的目的在于了解季节变动的规律，并进行季节预测。分析季节变动的方法有很多，其中常用的方法有两类：一是不考虑长期趋势的影响；二是考虑长期趋势的影响，运用时间序列模型分解的方法来计算季节指数。谓季节调整,就是将某一统计指标的时间序列中的季节性因素和偶然性因素剔除,从而使经过季节调整的时间序列能够较为准确地反映出社会经济运行基本态势。本章主要介绍X11方法、Census X12方法和移动平均比率法等季节调整方法。 一、X11方法 X11的全称是“X11”变量的第二类调查统计方法季节调整方案，通常简称为X11方案。其基本思想是利用一系列处理技术将不可比因素如季节、节假日、各月（季）的星期数量等分离，大大提高数据的可比性，以便于对系统作出正确的分析和客观的评价；同时，通过分离，获得关于系统动态结构和规律的大量信息。X11季节调整方法包括乘法模型和加法模型。乘法模型将时间序列分解为上述四个因素变动的乘积；加法模型则将序列分解为上述四个因素的和无约束样本回归模型。 乘法模型： （1） 加法模型： （2） 对于一个时间序列，采用哪种模型分析取决于各成分之间的关系。一般来说，若4种成分是相互独立的应用加法模型；若相互有关联则用乘法模型。相对而言，乘法模型应用比较广泛。在乘法模型中，时间序列值和长期趋势用绝对数表示，季节变动、周期变动和不规则变动用相对数（百分数）表示。 X11 是X12方法的核心，其目标旨在将经济时序Yt分解为趋势循环成分TCt 、季节成分S t 和不规则分成I t ，其中月度数据还需要分解出移动节日、交易日数等日历效应分量Dt 。X11 可以估计趋势和季节因素，可以用自动过滤选择模式选择季节过滤和趋势过滤（对序列结尾有专门的过滤），还能够调整异常值。 设为原时间序列，现以乘法模型为例，说明X11季节调整方法的核心算法，共分为三个阶段： 第一阶段，初步估计 (1)序列趋势循环的粗略估计，即对原序列作中心化移动平均 （3） （4） （3）式适用于月度数据，（4）式适用于季度数据。该移动平均能够保留线性趋势，消除季节性并减小不规则因素的方差。 (2)趋势因素过滤，计算得到仅包含季节和不规则因素变化新序列SI （5） (3)对序列进行3*3项移动平均，得到初步的季节因素估计序列S （6） 对每个月的观测值分别应用3*3项移动平均，从而保留线性趋势。 (4)先将季节因素估计序列除以2*12的移动平均值，得到初步的无偏季节因子，然后从中消除季节因子从而得到不规则因子 （7） 通过对季节因子进行标准化，使得因子之和在每个连续的12个月内都近似为0。 (5)将原序列除以季节因子，从而得到初步季节调整后的序列 （8） 这是初次估计的季节调整后序列，所包含的季节性因素已经很少。接下来将基于序列继续进行移动平均。 第二阶段 进一步估计和过滤 （1）利用长度为2H+1Henderson过滤来计算趋势（循环）成分 （9） 其中H值由信噪比标注I/C（C 代表趋势）确定，为