时间序列分析培训教材.pptx

时间序列分析;内容提纲;1 时间序列分析基本概念;1.1 特征统计量;1.2 平稳时间序列定义;1.3 平稳性的检验（图检验法） ;1.4 纯随机序列的定义;标准正态白噪声序列时序图 ;白噪声序列的性质 ;2 时间序列因素分解;循环变动（C） 是指沿着趋势线如钟摆般地循环变动，又称景气循环变动(business cycle movement) 。 不规则变动（I） 是指在时间序列中由于随机因素影响所引起的变动。 ;2.2 时间序列的组合模型;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???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;3.1 趋势拟合法;(1) 线性趋势模型;例3.1拟合澳大利亚政府1981——1990年每季度的消费支出序列 ;(2) 可线性化的曲线趋势拟合模型;二次曲线模型;例3.2： 对上海证券交易所每月末上证指数序列进行模型拟合 ;指数曲线模型;对数曲线模型;(3) 不可线性化的曲线趋势模型;趋势模型判断的方法;(1)图形识别法;(2)差分法;趋势拟合步骤;第二步 参数估计;第三步 模型检验;第四步 模型优化;例3.3 线性趋势模型;具体步骤如下： （一）确定趋势模型的类型 1.图形识别;2．计算一阶差分;结合此时间序列的趋势图．可以选用线性趋势模型作为预测模型: 用最小二乘法估计参数 ;得到线性趋势方程： ;例3.4 可线性化趋势模型;（一）确定预测模型 1.画电器生产厂家历年生产量的趋势图详见下图; 根据曲线图形的形状，可以初步确定为二次曲线趋势和修正指数曲线趋势模型两种、但到底取哪一种，通过图形无法作出准确的判断，此时需进一步计算其差分来确定其曲线趋势线的函数表达形式。 2. 计算差分,差分结果见下表; 综合趋势图及数据的差分特点，选用二次曲线趋势模型作为预测模型比较好。即设预测模型的数学表达式为: （二）利用最小二乘法得到参数的估计值以及预测模型: ;例3.5 不可线性化的趋势模型;（一）确定摸型 画该公司某产品的销售量的趋势图，趋势图见下图; 从图形上可以看出，该公司某产品的销售量大致呈一条“S”型曲线变动。有三个模型适合刻画这条曲线，它们是修正指数曲线模型、龚琅兹曲线模型及皮尔曲线模型。到底用哪一个曲线模型进行预测，最好把三个模型都估计出来，然后选择估计精度最高的模型。 ;（二）参数估计;（三）模型优化;3.2 季节效应分析; ; 从时序图可以明显地看出时序特点为???无趋势但呈明显的季节性变动。; 例3.7 请根据熊猫公司在1992～ 2001年的季度利润额．预测该公司在 2002年1～4季度的利润额.数据如下; 以上时间序列的共同特点是：存在季节性变动。;季节性变动是指由于自然条件、社会条件的影响，客观现象在一年内随着季节的变动而产生的周期性变动。 这种变动是年复一年重复出现的（如水果的出口额、冰淇淋的销售量等）。 当然要观察某一现象的时间序列是否存在季节性变动，首先必需具有记录此现象变动的以月度或以季度为单位的时序数据。 ; 如何对具有季节性变动的现象作出预测，经常采用如下几种模型: (1)无趋势的季节性乘法预测模型; (2)无趋势的季节性加法预测模型; (3)带趋势的季节性加法预测模型; (4)带趋势的季节性乘法预测模型;;4 平稳时间序列分析;4.1 方法性工具;差分运算;延迟算子;延迟算子的性质;模型;AR模型的定义;MA模型的定义;ARMA模型的定义;ARMA模型相关性特征;平稳序列建模步骤;建模步骤;计算样本相关系数;模型识别;模型定阶的困难;模型定阶经验方法;拟合模型识别;例4.1;序列自相关图;序列偏自相关图;拟合模型识别;例4.2;序列自相关图;序列偏自相关图;拟合模型识别;参数估计;例4.1续;例4.2续;模型检验;模型的显著性检验;假设条件;检验统计量;参数显著性检验;例4.1续:对OVERSHORTS序列的拟合模型进行检验 ;例4.2续:对1880-1985全球气表平均温度改变值差分序列拟合模型进行检验 ;模型优化;例4.3:拟合某一化学序列;序列自相关图;序列偏自相关图;拟合模型一;拟合模型二;问题;AIC准则;SBC准则;例4.3续;序列预测;5 非平稳时间序列分析;差分运算的实质;差分方式的选择;例5.1;差分前后时序图;例5.2;差分后序列时序图;例5.3;差分后序列时序图;过差分 ;例5.4;比较;ARIMA模型结构;ARIMA 模型族;ARIMA模型建模步骤;例5.5;一阶差分序列时序图;一阶差分序列自相关图;一阶差分后序列白噪声检验;拟合ARMA模型;建模;AR