时间序列的确定性分析教材(PPT 38页).pptVIP

第五章 时间序列的确定性分析;第五章 时间序列的确定性分析; 第一节  概 述;非平稳时间序列;时间序列模型;时间序列的确定性分析;一个时间序列{Xt}可分解为以下四部分的共同作用： 长期趋势变动Tt，季节效应St ，循环变动Ct ，不规则变动因素It. (一般将循环变动和季节效应都称为季节性变化) 确定性分析： 对Tt、St和Ct 建立关于时间项t的多项式来提取信息，使It成为零均值的白噪声序列； 该方法重视对确定性信息的提取，而忽视对随机性信息的提取.; 第二节 趋 势 性 分 析;长期趋势变动Tt 数据随时间而变化，呈现出不断增加或不断减少、或围绕某一常数值波动而无明显增减变化的总趋势. 趋势性检验的方法： 数据图检验法：直观简单，主观性较强 自相关函数图检验法：样本自相关系数既不截尾，又不拖尾，则序列{Xt}具有某种确定性趋势；当自相关系数接近1时，则序列{Xt}具有线性趋势. 特征根检验法;特征根检验法 原理：先对时间序列{Xt}建立适应性模型，利用该模型的自回归部分参数所组成的特征方程的特征根λi的模来检验趋势性. 若特征根存在两个实根，且其绝对值接近1，则序列{Xt}存在线性趋势；若特征根存在n个实根，且其绝对值接近1，则序列{Xt}存在n-1次多项式趋势；若特征根存在n个实根，且其绝对值大于1，则序列{Xt}存在n个指数增加趋势.;趋势性分析;趋势性分析;趋势性的提取方法;拟合澳大利亚政府1981-1990年每季度的消费支出序列 ;拟合效果图;对上海证券交易所每月末上证指数序列进行模型拟合 ;拟合效果图; 第三节 季 节 效 应 分 析;季节效应分析;以月度数据为例： 季节指数 季节指数之和为12 季节变差 季节变差之和为0;季节指数;以月度数据为例： 季节指数 无法用：有负值 季节变差 季节变差之和为0;北京市1995-2000年月平均气温;周期趋势的拟合法 X-11方法简介; 第五节 确定性时间序列的建模方法;一个时间序列{Xt}通常可分解为：长期趋势变动Tt,季节效应St和不规则变动因素It三部分的共同作用。若对Tt和St建立时间t的确定性函数，使It成为零均值的白噪声序列，就称为确定性时间序列分析. 常用的模型： 加法??型：Xt=Tt+St+It 乘法模型：Xt=Tt ·St ·It 混合模型：Xt=St+Tt ·It 或 Xt=Tt ·St+It ;对长期趋势变动Tt和季节效应St交织在一起的时间序列，有以下两种建模方法： 季节指数模型方法：先对原始序列计算季节指数(或季节变差)，剔除季节效应后再对趋势性进行分析. 含趋势变动的季节指数模型方法：先进行适当的移动平均，再计算季节指数，然后对剔除季节效应后的序列做适当的趋势拟合.;对1993-2000年中国社会消费品零售总额的月度数据X进行确定性时间序列分析;1993-2000年中国社会消费品零售总额的月度数据X;1993-2000年中国社会消费品零售总额的月度数据X;确定性时间序列的建模;确定性时间序列的建模;确定性时间序列的建模;综合比较一下： 二次曲线更为恰当;模型方程为： 确定性分析的缺点：残差可能还具有一定的相关性，即不一定为白噪声序列;原始序列的模型方程为;原始数据X 预测数据XF