时间序列分析(Time Serials Analysis)2.pptVIP

时间序列分析（Time Serials Analysis） 传道书1：9 已有的事，后必再有。 已行的事，后必再行。 日光之下，并无新事。 马克思哲学： 螺旋式上升，波浪式前进。 中华民族的格言 以史为鉴，可以正衣冠。 以往不可追，来者犹可待。 吴子曰：以见占隐。 佛家：跳出三界外，不在五行中 历史资料不仅仅是一段记忆 劝君少骂秦始皇,焚坑事件要商量。 祖龙魂死业犹在,孔学名高实秕糠。 百代都行秦政法,十批不是好文章。 佛教说法，任何事情都是因缘聚散的结果。 是历史事件就会对历史产生影响。 正在发生的事件也是历史事件。 历史事件的背后是什么？ 回忆一段初中力学知识 速度观念的产生和力的均衡 社会事件的加速度现象：疯狂的指数增长与末路狂奔。 经济周期分析重在经济发展的推动力和阻力分析。 为什么不用多变量分析模型来分析时间序列数据？ 时间序列分析的回顾 故纸堆里面的数字 有价值的数字如何进行处理？ 时间序列法既是对能够反应事物发展变化的特征数值的一种处理方法，又是一类对其进行深度分析的数理方法。 处理时间序列数据的一般原则 1.一以贯之的指标体系 2.时间单位的一致 3.计量单位一致 4.数据取得过程一致 5.研究对象基本一致（若做对比研究，也须将不同研究对象的数据分列。） 四种基本变动倾向和分解模型 四种变动倾向：趋势（trend variation)、周期变动（cyclical variation）、季节变动（seasonal variation）、不规则/随机变动（irregular/random variation）。与之对应的是平稳序列（Stationary serials）。 分解模型： Yt=T*S*C*I Yt=T+S+C+I Yt=T*S+C*I 回归模型 建模的基本步骤 用观测、调查、抽样、统计等法取得被观测系统时间序列动态数据。 做动态数据相关图，进行相关分析。 选择合适的模型进行拟合。 倾向变动选用倾向线拟合或逐步修匀法。 平稳序列可选用通用ARMA（自回归平滑模型）。 倾向线拟合 又称曲线拟合。包括一下方法： 直线拟合 多项式拟合（包括二次、三次曲线等） 指数曲线（指数曲线、修正指数曲线等） 生长曲线（逻辑曲线、龚珀兹曲线、饱和指数曲线） 包络曲线 逐步修匀法 移动平均法（一次、二次、三次移动平均） 指数平滑法（一次指数平滑、二次指数平滑和三次指数平滑） 实例 一次曲线拟合（线性回归） Y=a+bt（或者y=a+bx） 根据最小二乘法求得 b=(∑tiyi-∑ti∑yi/n)/(∑ti2-∑ti∑ti/n) a=(∑yi ∑ti2 - ∑tiyi ∑ti)/(n ∑ti2 - ∑ti∑ti ) 对时间轴的处理： 刻度化，并设法使∑ti =0，则有 a= ∑yi /n; b= ∑tiyi /∑ti2 求回归方程 a= ∑yi /n=58964/8=7370.5 b= ∑tiyi /∑ti2 =99652/168=593.5 所得回归方程为： Y=73750.5+593.2t 计算不一致系数u U=sqrt(∑ (yi-yi估计值）2）/ ∑yi 2 ） =sqrt(6032271.52/499736678)=0.11 二次曲线 又称抛物线拟合法。在时间序列散点图多数倾向于二次多项式曲线时，可以用二次多项式去描述它。其一般表达式为： y=a+bt+ct2 当设置时间刻度使∑ti =0，则有回归系数 a={∑yi ∑ti4 - ∑ti2 ∑ ti2 yi }/ { n ∑ti4 – (∑ti2)2 } b= ∑tiyi / ∑ti2 b= {n ∑ ti2 yi - ∑yi ∑ ti2 }/ { n ∑ti4 – (∑ti2)2 } Excel中处理数据 表头 回归系数计算中要求和的项目： ∑yi 、 ∑ti4 、∑ti2 、 ∑ ti2 yi 、 ∑tiyi 求不一致系数要求的和：残差平方和、 ∑yi2 指数曲线法 一次指数曲线法 适应范围：事物发展初期迅猛发展态势。 二次指数曲线法 技术发展初期或者经济现象。 特点：都容易受到某些因素或强力调控的影响。比如风险投资的介入、加税等。 公式：y=a*bt*ct2 处理：取对数，转化为二次曲线拟合。 修正指数曲线法 适用于描述事物迅速发展进入平台期。是一个消化技术投入、资金投入，开始积蓄下一次发展力量的时期。 相反态势也可用此法。 公式：有三个参数需要计算。 三和法求K、a、b 将时间序列数据均分为三个部分，分别求和。 生长曲线拟合 首先发现于细菌增殖和细胞分裂过程。 存在萌芽、发展、成熟（稳定）三个大致的态势。 技术、经济、社会现象都有这种情况出现。 常用曲线极其特点：逻辑（皮尔）曲线、龚珀兹曲线。 逻辑曲线公式