第9章时间序列知识分享.pptVIP

第9章 时间序列(time series)分析与预测;第1节 时间序列及其分解 ;;平稳序列(stationary series) 基本上不存在趋势的序列，各观察值基本上在某个固定的水平上波动 或虽有波动，但并不存在某种规律，而其波动可以看成是随机的。 非平稳序列 (non-stationary series) 有趋势的序列 线性的，非线性的 有趋势、季节性和周期性的复合型序列 ;时间序列的成分;;第二节 时间序列的描述性分析;图形描述(例题分析);图形描述(例题分析);二、 增长率分析;一）环比增长率与定基增长率;3、平均增长率(average rate of increase );平均增长率(例题分析 );增长率分析中应注意的问题;增长率分析中应注意的问题(例题分析);增长率分析中应注意的问题(增长1%绝对值) ;第三节 时间序列预测的程序;确定趋势成分(例题分析);;;确定季节成分(例题分析);;;三、评估预测方法——计算误差;3、均方误差MSE(mean square error) 4、平均百分比误差MPE(mean percentage error) 5、平均绝对百分比误差MAPE(mean absolute percentage error);第四节、平稳序列的预测一、简单平均法  (simple average) ;简单平均法的特点;二、移动平均法(moving average) ;一）简单移动平均法(simple moving average) ;简单移动平均法的特点 ;简单移动平均法(例题分析) ;简单移动平均法(例题分析) ;;三、指数平滑法(exponential smoothing);一次指数平滑(single exponential smoothing);在开始计算时，没有第1期的预测值F1，通常可以设F1等于第1期的实际观察值， 即F1=Y1 第2期的预测值为 第3期的预测值为;一次指数平滑预测误差 ;一次指数平滑? 的确定;一次指数平滑 (例题分析);一次指数平滑 (例题分析);;第五节 趋势型序列的预测一.线性趋势(linear trend);线性模型法(线性趋势方程);线性模型法(a 和 b 的求解方程);【例】根据人均GDP数据，根据最小二乘法确定直线趋势方程，计算出各期的预测值和预测误差，预测2005年的人均GDP，并将原序列和各期的预测值序列绘制成图形进行比较 ;二、非线性趋势预测;时间序列以几何级数递增或递减 一般形式为;指数曲线(a，b 的求解方法) ;【例】根据轿车???量数据，确定指数曲线方程，计算出各期的预测值和预测误差，预测2005年的轿车产量，并将原序列和各期的预测值序列绘制成图形进行比较 ;指数曲线与直线的比较;在一般指数曲线的方程上增加一个常数项K 一般形式为;修正指数曲线(求解k，b0，b1 的三和法) ;修正指数曲线(求解k，b0，b1 的三和法) ;【例】我国1990—2004年城镇新建住宅面积数据如右表所示。试确定修正指数曲线方程，计算出各期的预测值和预测误差，预测2005年的城镇新建住宅面积，并将原序列和各期的预测值序列绘制成图形进行比较 ;解得 K，b0 ，b1 如下;?新建住宅面积的修正指数曲线方程 2005年的预测值 预测的估计标准误差;以英国统计学家和数学家 B·Gompertz 的名字而命名 一般形式为;Gompertz 曲线(求解k，b0，b1 的三和法) ;有些现象的变化形态比较复杂，它们不是按照某种固定的形态变化，而是有升有降，在变化过程中可能有几个拐点。这时就需要拟合多项式函数 当只有一个拐点时，可以拟合二阶曲线，即抛物线；当有两个拐点时，需要拟合三阶曲线；当有k-1个拐点时，需要拟合k阶曲线 k阶曲线函数的一般形式为 线性化后，根据最小二乘法求;【例】根据的金属切削机床产量数据，拟合适当的趋势曲线，计算出各期的预测值和预测误差，预测2005年的金属切削机床产量，并将原序列和各期的预测值序列绘制成图形进行比较 ;趋势线的选择;第六节 复合型序列的分解预测时间序列分解法预测步骤;一、确定并分离季节成分1、计算季节指数(例题分析);图形描述;计算季节指数(seasonal index);移动平均趋势剔除法计算步骤;2、分离季节因素;季节性及其分离图;二、建立预测模型并进行预测;线性趋势预测和最终预测值(例题分析);2006年预测值(例题分析);实际值和最终预测值图;本章小节;作业