[经济学]确定型时间序列预测法.pptVIP

1 时间序列与时序分析 一、概念 二、时序分析的特点 （2） 季节变动因素（S） 是经济现象受季节变动影响所形成的一种长度和幅度 固定的周期波动。 布朗二次多项式（三次）指数平滑法 基本原理： 当数据的基本模型具有二次、三次或高次幂时，则需要用高次平滑形式。从线性平滑过渡到二次多项式平滑，基本途径是再进行一次平滑（即三次平滑），并对二次多项式的参数作出估计。类似，也可以由二次多项式平滑过渡为三次或高次多项式平滑。 说明： 4 季节指数法 特点： 操作过程： 例4.3（见74页） 5 时间序列分解法 一、时间序列的分解 经济时间序列的变化受到长期趋势、季节变动、周期变动和不规则变动这四个因素的影响。 （2） 季节变动因素（S） 是经济现象受季节变动影响所形成的一种长度和幅度固定的周期波动。 二、时间序列分解模型 时间序列y可以表示为以上四个因素的函数，即： 加法模型为： 混合模型为： 三、各因素的确定 四、根据分解法进行预测 五、分解法进一步说明 （1）统计数据呈现以月、季为周期的循环变动； （2）这种周期性循环变动，并不是简单的循环重复，而是从多个周期的长时间变化中又呈现出一种发展趋势。 含义： 指经济变量在一年内以季（月）的循环为周期特征，通过计算销售量（或需求量）的季节指数达到预测目的的一种方法。 （1）分析判断时间序列数据是否呈现季节性波动； （2）再将各种因素结合起来考虑，即考虑它是否还受长期趋势变动的影响，是否还受随机变动的影响。 3～5年资料按季（月）展开，绘制历史曲线图，观察其在一年内有无周期性波动来作判断 具体步骤： （1）计算历年同季（月）的平均数； （2）计算各年的季（月）的平均数； （3）计算各季（月）的季节指数； （4）调整各季（月）的季节指数； （5）利用季节指数法进行预测。 不考虑长期趋势的季节指数法 设时间序列数据为 （1）计算历年同季的平均数； n为年数 （2）计算各年季平均值； 全时期的季平均数： （3）计算各季的季节指数 季节指数：历年同季的平均数与全时期的 季平均数之比 （4）调节各季的季节指数 理论上，各季的季节指数之和应为4，但 实际上，计算存在误差，故应予以调整。 调节后的季节指数： （5）利用季节指数进行预测 假设 为第t季的预测值， 则 为第t季的季节指数 为第 i季的实际值， 为第i季的季节指数 说明本例题结果 长期趋势季节指数：指在时间序列观察值资料既有季节周期变化，又有长期趋势变化的情况下，首先建立趋势预测模型，再在次基础上求得季节指数，最后建立数学模型进行预测的一种方法。 考虑长期趋势的季节指数法 具体方法与过程： （1）计算历年同季（月）的平均数； （2）计算各年的季（月）的平均数； （3）建立趋势预测模型，求趋势值； 根据各年的季平均数时间序列，如呈现长期趋势，譬如线性趋势，则建立线性趋势预测模型，求趋势值；（见课本76页） （4）计算出趋势值后，再计算出历年同季的平均数； （5）计算趋势季节指数；（k） （7）求预测值。预测的基本依据是预测期的趋势值乘以该期的趋势季节指数，即预测模型 （6）对趋势季节指数进行修正； （1） 长期趋势因素（T） 反映了经济现象在一个较长时间内的发展方向， 它可以在一个相当长的时间内表现为一种近似 直线的持续向上或持续向下或平稳的趋势。 （3） 周期变动因素（C） 周期变动因素也称循环变动因素，它是受各种经济因素影响形成的上下起伏不定的波动。 （4） 不规则变动因素（I） 不规则变动又称随机变动，它是受各种偶然因素影响所形成的不规则变动。 时间序列分解的方法有很多，较常用的模型有加法模型和乘法模型。 乘法模型为： 满足条件 与 有相同的量钢， 为季节指数 为循环指数 独立随机变量，服从正态分布 满足条件 与 有相同的量钢， k为季节性周期长度 独立随机变量，服从正态分布 满足条件 与 有相同的量钢， 独立随机变量，服从正态分布 为季节指数 例 （见78页） （1