市场研究工具－－时间序列分析.docxVIP

第12章 时间序列（time series） 时间序列与时间序列模型 序列的平滑，移动平移法 趋势分量 循环分量 季节分量 不规则分量 12.1 时间序列与时间序列模型 时间序列：变量随时间变化，按等时间间隔所取得的观测值序列，称时间序列。 Y： {y1，y2，…，yn} 时间间隔可以是一年，一月，一天，一小时等等。时间序列取值有两种方式。 （1）yt 取观测时间点处的瞬时值，如：某城市每日中午的气温值。仓库月末的存储量。 每年 7 月 1 日的人口数。每年开学学生在册人数。 （2）yt 取相邻时间点期间的累积值。如：每年工农业总产值，某商场月销售额，年钢产量，年粮食产量。年某类商品贸易额。 上述时间序列取值有一个特点，即是离散型时间序列。当然也有连续型时间序列，如心电图，工业供电仪表记录结果，这里只讨论离散型时间序列。 1800 2400 1600 Y 2200 1400 2000 1800 1200 1600 1000 1400 800 1200 Stock of shenzhen 1000 600 100 200 300 400 500 600 1971 1972 1973 1974 1975 1976 图 12.1a 摩托车月注册数时间序列（file:TCSI） 图 12.1b 深圳股市收盘价序列（file:stock） 0.80 6 0.75 4 2 0.70 0 0.65 -2 -4 0.60 -6 DJPY 0.55 -8 80 82 84 86 88 90 92 94 96 98 00 02 600 700 800 900 1000 1100 1200 1300 1400 图 12.1c 中国物价指数（file:b1c1） 图 12.1d 日元兑美元汇率收益率（file:jpyen） 对于时间序列，我们将主要讨论两类问题：（1）序列由何种成分组成，怎样分离出这些成分。（2）怎样用观测到的数据去预测未来。 时间序列通常认为含有四种成分（见 380 页）。 （1）长期趋势（Long term trend），T。描述序列中长期运动趋势 1 （2）循环分量（Cyclical component），C。描述序列中不同幅度的扩张与收缩，且时间间隔不同的循环变动。经济问题中常指一年以上的起伏变化。 1800 TREND Y 1.10 1600 1.05 1400 1200 1.00 1000 0.95 800 600 0.90 CYCLE 1971 1972 1973 1974 1975 1976 1971 1972 1973 1974 1975 1976 图 12.2 趋势分量 图 12.3 循环分量 （3）季节分量（Seasonal component），S。描述序列中一定周期的重复变动，周期常为一年，一季，一周等。 （4）不规则分量（Irregular component），I。描述随机因素引起的变动，常带有偶然性由于各种因素引起变化相互抑制抵消，变动幅度常较小。 1.4 Seasonal factor 1.1 Iregular factor 1.2 1.0 1.0 0.9 0.8 0.8 0.6 0.7 1971 1972 1973 1974 1975 1976 1971 1972 1973 1974 1975 1976 图 12.4 季节分量与不规则分量（S I） 经典的时间序列模型有两种： （1）加法模型 Y = T + S + C + I （2）乘法模型 Y = T S C I 对于一个时间序列，采用哪种模型分析，取决于各成分之间关系。一般来讲，若 4 种成分是相互独立的用加法模型，若相互有关联用乘法模型，对于社会经济问题主要使用乘法模型。下面介绍对时间序列的分解。 12.2 序列的平滑（Smoothing），移动平均法（Method of Moving average）（求 TC） 平滑是研究时间序列的一个基本方法，用它来平抑或削弱时间序列中的波动变化，从而获得序列变化趋势的信息。 平滑一组数据常用的方法为移动平均法。该方法是求原序列的一个 k 项平均数序列， yt ? yt?1 ? ... ? yt ?k ?1 , t = 1, 2, …, T- k +1 k 3 项平均，5 项平均等。这样用 k 项平均数组成的新序列抑制和削弱了原序列中的波动性。这可以从下面一个例子中很好地反映出来。 具体计算见例 12.1。 例 12.1 某公司 1967 年至 1981 年各年利润如下表，并对其作 5 项平均 2 年 利润（Y） 平均值 5 项移动平均 1967 2 1968 4 = 2 ? 4 ? 5 ? 7 ? 8 1969 5 5.2 5 1970 7 6.0 = 4 ? 5 ? 7 ? 8 ? 6 1971