第十章 时间序列分析学习课件.pptVIP

k 缓慢 快速增长 平稳发展 饱和状态 如电视机、手机普及率等。 精品 皮尔曲线的参数估计 精品 采用逐期递移的办法分别计算一系列移动的序时平均数，形成一个新的派生序时平均数时间数列。 二、移动平均法（MA法） 精品 适用于： 近期预测 预测目标的发展趋势变化不大 时间序列 选定N， 取若干观察期的数据的算术平均值作为下一期的预测值。 N 的选取：在实用上，一般用对过去数据预测的均方误差S 来作为选取N 的准则。 精品 例：我国近十年来糖的产量 年序 糖产量 三期移动平均 四期移动平均 四期移动平均后的二次移动平均 五期移动平均 1985 445 1986 524 1987 485 1988 455 1989 496 1990 571 1991 631 1992 816 1993 745 1994 582 1995 566 484.7 488.0 478.7 507.3 566.0 672.7 730.7 714.3 631.0 477.25 490.00 501.75 538.25 628.50 690.75 693.50 677.25 483.6 495.9 520.0 583.4 659.6 692.1 685.4 481.6 506.2 527.6 593.8 651.8 669.0 668.0 精品 第一，一次移动平均法一般只适应于平稳模式，当被预测的变量的基本模式发生变化时，一次移动平均法的适应性比较差。 第二，一次移动平均法一般只适用于近期预测，特别是下一时期的预测。 一次移动平均法应用时应注意： 精品 加权移动平均法 基本思想：考虑各期数据的重要性，对近期数据给予较大的权重。 以二项展开式的系数加权的方法来确定权数 精品 一次指数平滑法 精品 精品 10.3 季节变动分析 精品 移动平均趋势剔除法 精品 精品 10.4 循环波动分析 循环波动的变动周期在一年以上且周期长短不一 分析循环波动的主要目的：探索循环波动的规律，或从时间序列中剔除循环波动的影响。 乘余法：按照时间序列分解模型的假定，从中逐次消除长期趋势、季节变动和不规则变动，剩下的部分就是循环波动。 精品 循环波动分析 按时间序列的乘法模型有： 其中T与Y 的度量单位相同，其他变量均表示为相对数 利用时间序列Y，通过一定方法求出趋势值T和季节变动指数S后，可以求出剔除了趋势和季节因素影响的剩余。 再对剩余C*I进行移动平均，进一步消除随机波动的影响，余下的就是循环波动。 精品 10.5 时间序列的自相关分析 时间序列的自相关分析通过对时间序列求其本期与不同滞后期的一系列自相关系数和偏自相关系数，来识别时间序列的特性。 自相关系数说明同一变量不同时期的数据之间的相关程度。 精品 精品 偏相关系数 精品 10.6 时间序列的动态分析指标 发展水平和平均发展水平 增长量和平均增长量 发展速度和增长速度 平均发展速度和平均增长速度 精品 发展水平 精品 10.6 时间序列的动态分析指标 发展水平和平均发展水平 增长量和平均增长量 发展速度和增长速度 平均发展速度和平均增长速度 精品 平均发展水平 精品 平均发展水平 精品 平均发展水平 精品 平均发展水平 如果掌握的时点资料不连续且间隔不相等，这时可以用间隔长度为权数加权来计算序时平均数 精品 10.6 时间序列的动态分析指标 发展水平和平均发展水平 增长量和平均增长量 发展速度和增长速度 平均发展速度和平均增长速度 精品 增长量 精品 增长量 精品 10.6 时间序列的动态分析指标 发展水平和平均发展水平 增长量和平均增长量 发展速度和增长速度 平均发展速度和平均增长速度 精品 平均增长量 为了反映一定时期内平均每期增长的数量，可采用平均增长量指标，其计算公式为： 精品 第十章 时间序列分析 时间序列分析是根据系统有限长度的观察数据，建立能够反映时间序列中所包含的动态依存关系的数学模型，并借以对系统的未来行为进行预测。 精品 第十章 时间序列分析 10.1 时间序列分解 10.2 长期趋势分析 10.3 季节变动分析 10.4 循环波动分析 10.5 时间序列的自相关分析 10.6 时间序列的动态分析指标 10.7 景气循环分析 精品 10.1 时间序列分解 按一定时间顺序对现象进行观测并记录下来的数值，称为时间序列。 例：工农业总产值按年度顺序排列起来的数列； 某种商品销售量按季度或月度排列起来的