时间序列分析--第四章非平稳序列的确定性分析.ppt

* 时间序列分析 趋势拟合图 * 时间序列分析 随机波动序列图 谢谢！ * 时间序列分析 简单指数平滑 基本公式 等价公式 * 时间序列分析 经验确定 初始值的确定 平滑系数的确定 一般对于变化缓慢的序列， 常取较小的值 对于变化迅速的序列， 常取较大的值 经验表明 的值介于0.05至0.3之间，修匀效果比较好。 * 时间序列分析 简单指数平滑预测 一期预测值 二期预测值 期预测值 * 时间序列分析 例4.4 对某一观察值序列 使用指数平滑法。 已知 ， ，平滑系数 (1) 求二期预测值 。 (2)求在二期预测值 中 前面的系数等于多少？ * 时间序列分析 例4.4解 （1） （2） 所以使用简单指数平滑法二期预测值中 前面的系数就等于平滑系数 * 时间序列分析 Holt两参数指数平滑 使用场合 适用于对含有线性趋势的序列进行修匀 构造思想 假定序列有一个比较固定的线性趋势 两参数修匀 * 时间序列分析 初始值的确定 平滑序列的初始值 趋势序列的初始值 * 时间序列分析 Holt两参数指数平滑预测 期预测值 * 时间序列分析 例4.5 对北京市1978——2000年报纸发行量序列进行Holt两参数指数平滑。指定 * 时间序列分析 例4.5平滑效果图 * 时间序列分析 4.3 季节效应分析 【例4.6】以北京市1995年——2000年月平均气温序列为例，介绍季节效应分析的基本思想和具体操作步骤。 * 时间序列分析 时序图 * 时间序列分析 季节指数 季节指数的概念 所谓季节指数就是用简单平均法计算的周期内各时期季节性影响的相对数 季节模型 * 时间序列分析 季节指数的计算 计算周期内各期平均数 计算总平均数 计算季节指数 * 时间序列分析 季节指数的理解 季节指数反映了该季度与总平均值之间的一种比较稳定的关系 如果这个比值大于1，就说明该季度的值常常会高于总平均值 如果这个比值小于1，就说明该季度的值常常低于总平均值 如果序列的季节指数都近似等于1，那就说明该序列没有明显的季节效应 * 时间序列分析 例4.6季节指数的计算 * 时间序列分析 例4.6季节指数图 * 时间序列分析 综合分析 常用综合分析模型 加法模型 乘法模型 混合模型 * 时间序列分析 例4.7 对1993年——2000年中国社会消费品零售总额序列（数据见附录1.11）进行确定性时序分析。 * 时间序列分析 (1)绘制时序图 * 时间序列分析 (2)选择拟合模型 长期递增趋势和以年为固定周期的季节波动同时作用于该序列，因而尝试使用混合模型（b）拟合该序列的发展 * 时间序列分析 (3)计算季节指数 月份 季节指数 月份 季节指数 1 0.982 7 0.929 2 0.943 8 0.940 3 0.920 9 1.001 4 0.911 10 1.054 5 0.925 11 1.100 6 0.951 12 1.335 * 时间序列分析 季节指数图 * 时间序列分析 季节调整后的序列图 * 时间序列分析 (4)拟合长期趋势 * 时间序列分析 (5)残差检验 * 时间序列分析 (6)短期预测 * 时间序列分析 X-11过程 简介 X-11过程是美国国情调查局编制的时间序列季节调整过程。它的基本原理就是时间序列的确定性因素分解方法 因素分解 长期趋势起伏 季节波动 不规则波动 交易日影响 模型 加法模型 乘法模型 * 时间序列分析 方法特色 普遍采用移动平均的方法 用多次短期中心移动平均消除随机波动 用周期移动平均消除趋势 用交易周期移动平均消除交易日影响 * 时间序列分析 例4.7续 对1993年——2000年中国社会消费品零售总额序列使用X-11过程进行季节调整 选择模型（无交易日影响） * 时间序列分析 X11过程获得的季节指数图 * 时间序列分析 季节调整后的序列图 时间序列分析 时间序列分析 * 时间序列分析 第四章 非平稳序列的确定性分析 * 时间序列分析 本章结构 时间序列的分解 确定性因素分解 趋势分析 季节效应分析 综合分析 X－11过程 * 时间序列分析 4.1 时间序列的分解 Wold分解定理 Cramer分解定理 * 时间序列分析 Wold分解定理（1938） 对于任何一个离散平稳过程 它都可以分解为两个不相关的平稳序列之和，其中一个为确定性的，另一个为随机性的，不妨记作 其中： 为确定性序列， 为随机序列， 它们需要满足如下条件 （1） （2） （3） * 时间序列分析 确定性序列与随