第三讲 趋势外推预测法.pptVIP

趋势外推预测法 时间序列 同一现象在不同时间上的相继观察值排列而成的数列 形式上由现象所属的时间和现象在不同时间上的观察值两部分组成 排列的时间可以是年份、季度、月份或其他任何时间形式 时间序列的分类 时间序列的分类 例：时间序列分析 先把时间序列描绘在坐标图上，坐标的横轴表示时间 t，坐标的纵轴表示所分析的经济变量 下图描述了某商店某年前10个月的销售额 某企业从1990年1月到2002年12月的销售数据（单位：百万元） 从这个点图可以看出。总的趋势是增长的，但增长并不是单调上升的；有涨有落。但这种升降不是杂乱无章的，和季节或月份的周期有关系。 除了增长的趋势和季节影响之外，还有些无规律的随机因素的作用。 时间序列变动形态 时间序列是指某种统计指标的数值，按照时间先后顺序排列起来的数列。 时间序列的变动形态一般分为四种：长期趋势变动，季节变动，循环变动，不规则变动。 时间序列的基本模式 1、长期趋势：是时间序列的主要构成要素，指由于某种根本性因素的影响，时间序列在较长时间内朝着一定的方向持续上升或下降，以及停留在某一水平上的倾向。它反映了事物的主要变化趋势。 2、季节变动：指由于自然条件和社会条件（生产生活条件）的影响，时间序列在一年内随着季节的转变而引起的周期性变动。 3、循环变动：是近乎规律性的周而复杂始的变动，是以数年为周期的周期变动。 4、不规则变动：是指由各种偶然性因素引起的无周期变动。 时间序列的特征 含有长期趋势因素（T） 含有季节变动因素（S） 时间序列的走势按日历时间周期起伏。如，季节性商品季度、月份销售量；火车客运量；居民用电、用水量等。 含有循环变动因素（C） 其走势也呈周期性变化，但不是在一个不变的时间间隔中反复出现，而且每一周期长度一般有若干年。中、长期预测需考虑。 含有不规则变动因素（I） 时间序列的组合形式 时间序列的基本特征 时间序列变化的基本特征是指各种时间序列表现出的具有共性的变化规律，如趋势变化、周期性变化等 根据时间序列变化的基本特征，它们可以分为： 呈水平形变化的时间序列 呈趋势变化的时间序列 呈周期变化的时间序列 具有冲动点的时间序列 具有转折变化的时间序列 呈阶梯形变化的时间序列 呈水平型变化的时间序列 经济变量的发展变化比较平稳，没有明显的上升或下降趋势，也没有较大幅度的上下波动 如处于市场饱和状态的产品销售量，生产过程中出现的稳定的次品率。 呈趋势变化的时间序列 上升或下降的趋势变化，长期趋势变化 呈周期型变化的时间序列 具有冲动点（Impulse）变化的时间序列 具有阶梯型变化的时间序列 时间序列的转折性变化 趋势外推法的基本思想 ● 某些客观事物的发展变化相对于时间推移，常表现出一定的规律性： 　　　如：经济现象（指标）随着时间的推移呈现某种上升或下降趋势，这时，若作为预测对象的该经济现象（指标）变化又没有明显的季节性波动迹象，理论上就可以找到一条合适的函数曲线反映其变化趋势。 可建其变化趋势模型（曲线方程）： ● 当有理由相信这种趋势可能会延伸到未来时，对于未来时点的某个 Ｙ 值（经济指标未来值）就可由上述变化趋势模型（直线方程）给出。这就是趋势外推的基本思想。 　 ● 趋势外推的条件有２：变化趋势的时间稳定性、 曲线方程存在。 常见的趋势线 二、趋势外推法：原理与假设 ● 基于２大条件（趋势的时间稳定性、曲线方程存在） 趋势曲线： 惯性原理：一切物体在没有受到外力作用时，总保持匀速直线运动状态或者静止状态。但匀速直线运动状态或者静止状态是相对的: 　　 惯性原理的两个前提：周围没有引力场吸引；前方没有障碍物阻挡。 假设条件： 技术（或经济）发展的因素，不但决定了过去技术的发展，而且在很大程度上决定了其未来的发展。即某项技术在其过去、现在、未来的发展过程中，内、外因相对保持不变。 其变化属渐进式变化，而不属于跳跃式变化。 三个例子：预测未来两期的指标水平 直线趋势外推法 适用条件：时间序列数据（观察值）呈直线上升或下降的情形。 　　　该预测变量的长期趋势可以用关于时间的直线描述，通过该直线趋势的向外延伸（外推），估计其预测值。 两种处理方式： 拟合直线方程与加权拟合直线方程 概念：离差与离差平方 ★　最小二乘法原理　★ 本 质:使历史数据到拟合直线上的离差平方和最小，从而求得模型参数的方法。 演 进：法国数学家勒让德于1806年首次发表最小二乘理论。事实上，德国的高斯于1794年已经应用这一理论推算了谷神星的轨道，但直至1809年才正式发表。 应 用：最小二乘法也是数理统计中一种常用的方法，在工业技术和其他科学研究中有广泛应用。 运算过程： 最小二乘法