第4章_时间序列分析.ppt

* * * 趋势_循环剔除法 假定：Y=T.S.C.I 计算趋势-循环值（TC） 常用移动平均值作为TC（平均项数K=季节周期长度，所以平均值中不含S、I，只含 TC ） 从原数列中剔除趋势-循环值 TC，得季节变动和不规则变动相对数——Y/（TC）=S.I 消除不规则变动I，得季节比率S—— S=各年同期的（S.I）的平均 调整季节比率，使季节比率的平均=1 某商品零售量数据 年 序 商品零售量（万件） 一季度 二季度 三季度 四季度 1 2 3 4 5 6 62.6 71.5 74.8 75.9 85.2 86.5 88.0 95.3 106.3 106.0 117.6 131.1 79.1 88.5 96.4 95.7 107.3 115.4 64.0 68.7 68.5 69.9 78.4 90.3 例、已知某地最近6年各季度某种商品零售量数据如表。试计算各季的季节指数 某商品零售量季节指数计算表 年 序 剔除趋势后的比率（%） 一季度 二季度 三季度 四季度 全年合计 1 2 3 4 5 6 — 90.91 84.94 87.63 91.07 84.94 — 118.51 130.64 122.26 122.42 125.65 106.12 108.71 108.15 108.70 110.29 — 83.59 81.35 77.85 77.11 79.08 — 合计 439.49 619.48 541.97 398.98 1999.92 同季平均 87.898 123.896 108.394 79.796 99.996 季节指数(%) 87.90 123.90 108.40 79.80 100.00 某商品零售量实际数据及4X2移动平均值图示 某商品零售量剔除趋势后的季节数据 季节变动（小结） 将季节变动规律用一系列季节比率（季节指数）来反映；月份（季度）数据，由12个（4个）指数组成。 季节比率的平均数等于100%； 月(或季)的指数之和等于1200%(或400%) 根据季节比率与其平均数(100%)的偏差程度来测定季节变动的程度； 如果现象没有季节变动，各期的季节比率等于100%； 比率越远离其平均数(100%) 季节变动程度越大. 主要方法有原资料平均法和趋势（-循环）剔除法 * * * * * * * * * * * * * * * * * * * * * * * * * （续） 4. 新数列较原数列项数少,造成部分信息缺损。N越大，缺项越多。 N为奇数时，新数列首尾各少 （N-1）/2项； N为偶数时，（移正后）新数列首尾各少 N/2 项。 （续） 5. 移动平均法可以呈现出现象的长期趋势（将平均值作为过去相应时间上的趋势值），但本身不能进行外推预测。 只有当 T 为水平趋势时，才可用移动平均值作为最近一期的预测值。 对于呈现增长（或下降）趋势的时间序列，若直接以本期移动平均值为下期预测值会产生滞后偏差。 2、指数平滑法 指数平滑法是一种特殊的加权移动平均法，其加权的特点是对离预测期近的历史数据给予较大的权数，对离预测期远的历史数据给予较小的权数，权数由近到远按指数规律递减，所以，这种方法被称为指数平滑法。 一次指数平滑法 ⑴一次指数平滑的预测模型 已知时间序列为： ，n为时间序列总期数，一次指数平滑的基本公式为： （t=1,2,3,…,n） 一次指数平滑法 平滑系数α的选择 ①当时间序列中随机波动成分较大时，α应取较小值，如0.1～0.3； ②当时间序列长期趋势变化很平缓时，α应取较小值，变化很剧烈时α应取较大值； ③在实际运用中，可取若干个α值进行试算比较，选择预测误差最小的α值。 3. 趋势方程拟合法 ——利用数学中的某种曲线方程对原数列中的趋势进行拟合，以消除其他变动，揭示数列长期趋势的一种方法。 在只包含T、I中进行长期趋势的测定时应用较为广泛。 趋势方程形式的选择 定性分析 根据有关理论、经验、结合现象变化特点； 绘制观测值散点图或折线图。 直观表现出数列的趋势类型； 根据数列的数据特征加以判断 若数列的逐期增长量（一次差）大致为一常数,该数列呈直线趋势；因为： 模型的数学