第四章+非平稳序列的确定性分析hu.pptVIP

简单指数平滑 基本公式 等价公式 经验确定 初始值的确定 平滑系数的确定 ?表示“新信息”的权重 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。 简单指数平滑预测 一期预测值 二期预测值 期预测值（多期预测没有价值） 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？ 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 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(0??, ??1) 时间序列 估计值 平滑值 初始值的确定 平滑序列的初始值 趋势序列的初始值 Holt两参数指数平滑预测 期预测值 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 例4.5平滑效果图 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。 时序图 季节指数 季节: 季, 月，周，天， 。。。。 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 总平均 季节指数 随机波动 季节指数的计算 计算各季平均数 计算总平均数 计算季节指数 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 例4.6季节(月)指数的计算 例4.6季节指数图 4.4 综合分析 常用综合分析模型 加法模型 乘法模型 混合模型 趋势 随机 季节 乘法 第四章 非平稳序列的确定性分析 （经典的时间序列分析方法） 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 4.1 时间序列的分解 Wold分解定理 Cramer分解定理 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） 白噪声 确定性序列与随机序列的定义 对任意序列 而言，令 关于q期之前的序列值作线性回归 其中 为回归残差序列， 。 确定性序列，若 (可由历史信息决定的随机过程) 随机序列，若 (不可由历史信息决定的随机过程) ARMA模型分解 确定性序列 随机序列 随机序列部分信息提取较好，确定性序列部分提取不好（仅用均值?） Cramer分解定理（1961） 任何一个时间序列 都可以分解为两部分的叠加：其中一部分是由多项式决定的确定性趋势成分，另一部分是平稳的零均值误差成分，即 确定性影响 随机性影响 对两个分解定理的理解 Wold分解定理说明任何平稳序列都可以分解为确定性序列(注意：它是一种随机过程)和随机序列之和。 Cramer 分解定理是Wold分解定理的理论推广，它说明任何一个序列的波动都可以视为同时受到了确定性影响(注意：时间多项式，不随机)和随机性影响的综合作用。 4.2确定性因素分解 长期趋势波动 季节性变化 随机波动 确定性时序分析的目的 克服其它因素的影响，单纯测度出某一个确定性因素对序列的影响 推断出各种确定性因素彼此之间的相互作用关系及它们对序列的综合影响 4.3趋势分析 目的 有些时间序列具有非常显著的趋势，我们分析的目的就是要找到序列中的这种趋势，并利用这种趋势对序列的发展作出合理的预测 常用方法 趋势拟合法 平滑法 趋势拟合法 趋势拟合法就是把时间作为自变量，相应的序列观察值作为因变量，建立序列值随时间变化的回归模型的方法 分类 线性拟合 非线性拟合 线性拟合 使用场合 长期趋势呈现出线性特征 模型结构 例4.1:拟合澳大利亚政府1981——1990年每季度的消费支出序列 线性拟合 模型 参数估计方法 最小二乘估计 参数估计值 拟合效果图 非线性拟合 使用场合 长期趋势呈现出非线性特征 参数估计指导思想 能转换成线性模型的