时间序列循环随机趋势季节.pptVIP

時間數列分析(二) Time Series Analysis (二) 時間數列分析(一)—概要 何謂時間數列? 時間數列分析之方法與目的。 時間數列之性質與組成四成分。 時間數列之模型。 時間數列之古典分析法—相乘模型分解法。 例題練習。 時間數列分析(二)—概要 移動平均模型。 加權移動平均模型--指數平滑法。 最小平方趨勢配置和預測。 Holt-Winters 方法。 時間數列自我迴歸模型分析法。 兩種預測準則。 例題分析 預測的重要性 政府需要去預測失業人數, 利率, 和從所得稅到各項制定政策的預期稅收 市場操作者需要去預測需求, 銷售額, 和消費者嗜好的策略 預測的重要性 團體管理者需要去預測設備或者教職員的增添方案 零售商需要去預測需求以控制存貨程度,員工僱用和準備訓練 時間序列 時間序列是從規則的時間間隔所獲得的量化資料 時間間隔可以是每年的,每季的,每天的,每小時的, 等等 Example: Year: 1994 1995 1996 1997 1998 Sales: 75.3 74.2 78.5 79.7 80.2 時間序列成分 趨勢成分 全部向上或向下的傾向 資料取代以數年為期的時間 循環成分 上下擺動 可能在期間內變動 通常持續2至10年 季節成份 上下擺動 規則的形態 觀察一年內所得 隨機或不規則成分 不定的, 無系統性的, 隨機的, “干擾” 波動 由於隨機變動，所以有下列情況： 常態性 偶發性 短期間 且不重複 Example: Quarterly Retail Sales with Seasonal Components Example: Quarterly Retail Sales with Seasonal Components Removed 時間序列乘法模型 基本上使用來預測 在時間序列內的觀測值是用來產生構成要素 對於年資料: 對於每季的資料或每月的資料: 移動平均法 用來平滑的 估算的序列意指整個時期 結果取決於K (運算方式的時間長度)的選擇 為了消除循環成分，K應乘上循環長度的估計平均值 對於每年的時間序列，K應為奇數 移動平均法 Example: 3-year moving average First average: Second average: 移動平均法例子 移動平均法例子解答 EXCEL的移動平均法例子解答 Use excel formula “=average(cell range containing the data for the years to average)” Excel spreadsheet for the single family home sales example Example: Cabot 公司年營收3,5,7期之平均移動 Example: Cabot 公司年營收3,5,7期之平均移動(續) Example: Cabot 公司年營收3,5,7期之平均移動(續) Example: Cabot 公司年營收3,5,7期之平均移動(續) 加權移動平均--指數平滑法 加權移動平均 加權指數的遞淢 最近的觀測值最先加權 用來平滑及短期預測 加權是: 主觀地選擇 值域從0至1 選擇0是為了消除不想要的循環和不規則的因素 選擇1是為了要預測 指數平滑法: Example 指數平滑法 E(t)=W*Y(t-1)+W*(1-W)*Y(t-2)+ W*(1-W)^2*Y(t-3)+….+ W*(1-W)^(t-2)*Y(1) 0W1 指數平滑法: Example 指數平滑法 E(t)=W*Y(t-1)+W*(1-W)*Y(t-2)+ W*(1-W)^2*Y(t-3)+….+ W*(1-W)^(t-2)*Y(1) 0W1 指數平滑法: Example Graph Exponential Smoothing in Excel Use tools | data analysis | exponential smoothing The damping factor is (1-W ) Excel spreadsheet for the single family home sales example Example: Exponential Smoothing of Real GDP The EXCEL spreadsheet with the real GDP data and the exponentially smoothed series Example:美國國民生產毛額