时间序列构成因素分析.pdf

时间序列构成因素的分析 刘志新 辽宁工程技术大学理学院，辽宁阜新（123000 ） E-mail：156868341@163.com 摘 要：市场销售对于商家来说非常重要，通过对销售的分析，商家可以更好的对下一年的销售 进行规划。本文通过时间序列构成因素的研究，分析 1986 至 1997 年某商品销售额 12 年的季度 数据，试根据这组数据估计 1998 年各个季度的销售额。 关键词：时间序列；商场销售；典型分解方法；差分方法 1. 引言 按照时间的顺序把随机事件变化发展的过程几率下来就构成了一个时间序列。对时间序 列进行观察、研究，找寻它变化发展的规律，预测它将来的走势就是几件序列分析。 近年来，时间序列分析作为概率统计学科中应用性较强的一个分支，在金融经济、气象 水文、信号处理、机械振动等众多领域有着广泛的应用。 2. 时间序列的概念 2.1 时间序列的定义 统计意义：时间序列的统计解释是某项统计指标按时间顺序记录的指标值数列。 系统意义：时间序列的系统意义是某一系统运行过程中在不同时间点的响应，是系统 行为量化数据的有序客观纪录，反映了系统的结构特征和运行规律。 数学意义：时间序列的数学实质X 1,X 2 , , X n 是按时间次序排列的随机变量序列， 其观测值序列 x , x , 称为 X ,X , , X 一条轨迹或一次实现，轨迹片断 1 2 1 2 n x , x , ,x 称为N 个观测样本。 1 2 N 时间序列X 1,X 2 , , X n 简记为{X t ,t ∈T }或X (t) 。[1] 2.2 时间序列的构成因素 长期趋势（T ） 时间序列随时间的变化而逐渐增加或减少的长期变化之趋势。 季节变动（S） 时间序列在一年中或固定时间内，呈现出的固定规则的变动。 循环变动（C ） 时间序列以若干年为周期的变动。 随机变动（R ） 不规则变动，时间序列中由于随机因素影响所引起的变动。[1] 2.3 时间序列的分析 2.3.1 时间序列分析的初步概念 随机时间序列分析就是用数学的方法描述时间序列的构成因素，具体的说就是对影响 时间序列的长期趋势、季节变动、循环波动进行测定和估计；进一步的，将它们从时间序列 中分离（或删除）后，对剩余的影响时间序列的随机波动进行分析和建模；从而实现对时间 序列变化规律的认识，预测或控制系统的未来行为。 对循环波动测定和估计，往往更多的依赖相关专业领域的经验和大量的样本数据。因 此，在随机时间序列分析中，为简便起见，我们假定时间序列主要由趋势项（T ）、季节项 （S）和随机项（R ）构成。 随机时间序列分析的一个主要环节就是剔除趋势项和季节项。 -1- 剔除趋势项和季节项的方法有两类： 典型分解方法：Xi T +S +R ,E (R ) 0,E (R 2 ) σ2 i i i t t Box-Jenkins 方法：对数据{X t }反复作用差分算子，直至满足平稳随机过程理论建模的 基本要求，然后用平稳过程理论进行分析、建模和预测。 2.3.2 典型分解方法中趋势项和季节项的估计和分离 不含季节项的趋势项的删除： 如果模型Xi T +S +R 不含季节项成分，则为 i i i