第八章时间序列.ppt

华南理工大学精品课程 第八章 时间序列与指数 学习目标1：时间序列的几种类型 学习目标2：时间序列的预测分析法 8.1 时间序列的成分 一个时间序列中往往由几种成分组成，通常假定是四种独立的成分——趋势、循环、季节和不规则。下面我们仔细研究其中的每一种成分。 8.1.1 趋势成分 在一段较长的时间内，时间序列往往呈现逐渐增加或减少的总体趋势。时间序列逐渐转变的性态称为时间序列的趋势。 趋势通常是长期因素影响的结果，如人口总量的变化、方法的变化等等 8.1.2 循环成分 时间序列常常呈现环绕趋势线上、下的波动。 任何时间间隔超过一年的，环绕趋势线的上、下波动，都可归结为时间序列的循环成分。 8.1.3 季节成分 许多时间序列往往显示出在一年内有规则的运动，这通常由季节因素引起，因此称为季节成分。 8.1.3 季节成分 例如，一个游泳池制造商在秋季和冬季各月有较低的销售活动，而在春季和夏季各月有较高的销售量。 铲雪设备和防寒衣物的制造商的销售却正好相反。 8.1.3 季节成分 季节成分也可用来描述任何持续时间小于一年的、有规则的、重复的运动。 例如，每天的交通流量资料显示在一天内的“季节”情况，在上、下班拥挤时刻出现高峰，在一天的休息时刻和傍晚出现中等流量，在午夜到清晨出现小流量。 8.1.4 不规则成分 时间序列的不规则成分是剩余的因素，它用来说明在分离了趋势、循环和季节成分后，时间序列值的偏差。 不规则成分是由那些影响时间序列的短期的、不可预期的和不重复出现的因素引起的。它是随机的、无法预测的。 8.2 利用平滑法进行预测 8.2.1 移动平均法 8.2.2 加权移动平均法 8.2.3 指数平滑法 8.2.3 指数平滑法 8.2.3 指数平滑法 8.2.3 指数平滑法 8.2.3 指数平滑法 8.3 利用趋势推测法进行预测 8.3 利用趋势推测法进行预测 8.3 利用趋势推测法进行预测 表8-1 自行车销售数量的时间序列 8.3 利用趋势推测法进行预测 8.3 利用趋势推测法进行预测 8.3 利用趋势推测法进行预测 8.3 利用趋势推测法进行预测 8.3 利用趋势推测法进行预测 8.3 利用趋势推测法进行预测 8.4利用趋势和季节成分进行预测 8.4利用趋势和季节成分进行预测 8.4利用趋势和季节成分进行预测 8.4.1 乘法模型 8.4.1 乘法模型 8.4.1 乘法模型 8.4.1 乘法模型 8.4.2 季节指数的计算 8.4.2 季节指数的计算 8.4.2 季节指数的计算 8.4.2 季节指数的计算 8.4.2 季节指数的计算 8.4.2 季节指数的计算 8.4.3 消除时间序列的季节影响 8.4.3 消除时间序列的季节影响 8.4.4 利用消除季节影响的时间序列确定趋势 8.4.4 利用消除季节影响的时间序列确定趋势 8.4.4 利用消除季节影响的时间序列确定趋势 8.4.5 季节调整 8.4.6 基于月度资料的模型 8.4.6 基于月度资料的模型 8.4.7 循环成分 8.4.7 循环成分 案例分析(1/4) 中国社会消费品零售总额分析 改革开放以来随着中国社会经济的快速发展，城乡居民和社会集团的消费水平不断提高，而且由于社会主义市场经济体制的建立，国内消费需求对经济增长所发挥的作用也更趋明显。为了深入分析改革开放以来中国城乡居民和社会集团消费需求的发展态势，预测未来中国城乡居民和社会集团消费需求的基本走势，需要对中国国内消费需求的发展变化作具体的数量分析。 案例分析(2/4) 中国社会消费品零售总额分析（续） 在各类与消费有关的统计数据中，社会消费品零售总额是表现国内消费需求最直接的数据。社会消费品零售总额是国民经济各行业直接售给城乡居民和社会集团的消费品总额。它是反映各行业通过多种商品流通渠道向居民和社会集团供应的生活消费品总量，是研究国内零售市场变动情况、反映经济景气程度的重要指标。为此从国家统计局的《中国景气月报》取得了中国社会消费品零售总额的月度数据见下表： 案例分析(3/4) 案例分析(4/4) 讨论： 分析改革开放以来中国社会消费品零售总额发展变化的基本态势，并对各种方法的分析结果加以对比。 研究中国社会消费品零售总额是否存在季节变动和周期性变动规律，比较各种方法分析的结果，并分析其原因。 预测2005年中国社会消费品零售总额的可能水平。 小结(1/4) 随时间顺序记录的数据序列称为时间序列，可分为绝对数时间序列、相对数时间序列和均值时间序列。绝对数时间序列又分为时期序列和时点序列。 对时间序列进行分析的目的，一是为了描述事物在过去时间的状态，分析其发展趋势；二是为了揭示事物发展变化的规律性；三是预测