1-2-第二章应用时间序列分析讲义教材.ppt

二次指数平滑模型（Linear(double) Exponential Smoothing,LES）常用于含线性趋势数据; 三次指数平滑模型（Quadratic(triple) Smoothing Modle）常用于含曲线趋势的数据。 3.时间回归法 (1)线性方程: (2)二次曲线： (3)指数曲线： (4)修正指数曲线： (5)Gompertz（龚帕兹）曲线： (6)Logistic（逻辑斯谛）曲线： (7)振动曲线： f(t)为多项式 4.季节周期预测法 (1)乘法型季节模型 (2)加法型季节模型 图1 大华公司A产品销量时间序列 在原始序列中剔除季节变动，下图为剔除季节变动后的序列与原始序列的对比图形。 图2 剔除季节变动的A产品销售时间序列图 确定性时序分析方法刻画了序列的主要趋势，且直观、简单，易于计算和运用。但是，相对来说，刻画较为粗略，其假定，尤其是对于时间函数模型来说，比较严格，现实问题很难完全满足。 第四节 随机时间序列分析的几个基本概念 随机过程(Stochastic Process) 有些随机现象，要认识它必须研究其发展变化过程，这一类随机现象不能只用一个或多个随机变量来描述，而必须考察其动态变化过程，这种随机现象的动态变化过程就是随机过程。 某一天电话的呼叫次数ξ，它是一随机变量。若考察它随时间t变动的情况，则必须研究依赖于时间t的随机变量ξt，｛ξt｝就是一随机过程。 某国某年的GNP总量，是一随机变量，但若考查它随时间变化的情形，则｛GNPt｝就是一随机过程。 定义：若对于每一特定的t（t∈T）， 为一随机变量，则称这一族随机变量｛ ｝为一个随机过程。 连续型随机过程：若T为一区间，则｛ ｝为一连续型随机过程。 离散型随机过程：若T为离散集合，如T＝（0，1，2，……）或T＝（……，-2，-1，0，1，2，……），则｛ ｝为离散型随机过程。 离散型（时间指标集）随机过程通常称为随机序列（随机型时间序列） 时间序列的概率分布和数值特征 1.时间序列的概率分布 一个时间序列的概率分布可以用它有限维分布簇来描述 时间序列所有的一维分布是： …，F-1(·)，F0(·)，F1(·),… 所有二维分布是： Fij(·，·)， i，j=0,±1,±2,…,(i≠j) 一个时间序列的所有有限维分布簇的全体，称为该序列的有限维分布簇。 2.时间序列的均值函数 一个时间序列的均值函数是指： 其中：EXt表示在t固定时对随机变量Xt的求均值，它只与一维分布簇中的分布函数Ft(·)有关。 3.时间序列的自协方差函数与自相关系数 自协方差函数： 其中Ft,s(X,Y)为（Xt，Xs）的二维联合分布。 自相关系数： 之所以称它们为自协方差函数和自相关系数是因为通常的协方差函数和相关系数度量的是两个不同的事件彼此之间的相互影响程度，而自协方差函数和自相关系数度量的是同一事件在两个不同时期之间的相关程度，形象地讲就是度量自己过去的行为对自己现在的影响。 时间序列的自协方差函数有以下性质： 对称性： 非负定性： 为对称非负定矩阵。 自相关系数同样也具有上述性质且有ρ(t,t)=1。 对任意正整数m和任意m个整数k1, k2,······km，自协方差阵 特征统计量 均值 方差 自协方差 自相关系数 4、平稳时间序列 平稳时间序列有两种定义，根据限制条件的严格程度，分为严平稳时间序列和宽平稳时间序列 一、严平稳 所谓严平稳就是一种条件比较严格苛刻的平稳性定义，它认为只有当时间序列所有的统计性质都不会随着时间的推移而发生变化时，该序列才能被认为平稳。 严平稳： 如果对于时间t的任意n个值 和任意整数 ，时间序列 的n维分布满足关系式： 则 称为严平稳时间序列。 宽平稳： 如果 满足如下三个条件： 则 称为宽平稳时间序列。 宽平稳也称为弱平稳或二阶平稳。 协方差结构的平移不变性是平稳序列的特性。为此，又称平稳序列是二阶矩平稳序列。 平稳序列的统计特性在自协方差函数中得到充分体现。时间序列分析的重要特点之一是利用自协方差函数研究平稳时间序列的统计性质。 平稳时间序列的统计性质 常数均值 自协方差函数和自相关函数只依赖于时间的平移长度而与时间的起止点无关 延迟k自协方差函数 延迟k自相关系数 平稳时间序列自协方差函数和自相关函数 设平稳时间序列的均值为零，即 。 自协方差函数： 自相关函数： 平稳序列的自协方差函数有以下性质： 对称性： 非负定性： 为非负定矩阵。 自相关函数同样也具有上述