季节性时间序列分析方法.pdf

第七章 季节性时间序列分析方法 由于季节性时间序列在经济生活中大量存在，故将季节时间序列从非平稳序列中抽出来，单独作为一 章加以研究，具有较强的现实意义。本章共分四节：简单随机时间序列模型、乘积季节模型、季节型时间 序列模型的建立、季节调整方法 X-11 程序。 本章的学习重点是季节模型的一般形式和建模。 §1 简单随机时序模型 在许多实际问题中，经济时间序列的变化包含很多明显的周期性规律。比如：建筑施工在冬季的月份 当中将减少，旅游人数将在夏季达到高峰，等等，这种规律是由于季节性（ seasonality ）变化或周期性变 化所引起的。对于这各时间数列我们可以说，变量同它上一年同一月（季度，周等）的值的关系可能比它 同前一月的值的相关更密切。 一、 季节性时间序列 1．含义：在一个序列中，若经过 S 个时间间隔后呈现出相似性，我们说该序列具有以 S 为周期的周 期性特性。具有周期特性的序列就称为季节性时间序列，这里 S 为周期长度。 注： ①在经济领域中，季节性的数据几乎无处不在，在许多场合，我们往往可以从直观的背景及物理 变化规律得知季节性的周期，如季度数据（周期为 4 ）、月度数据（周期为 12）、周数据（周期为 7）；②有 的时间序列也可能包含长度不同的若干种周期，如客运量数据（ S=12，S=7 ） 2 ．处理办法： （1）建立组合模型； （1） 将原序列分解成 S 个子序列（ Buys-Ballot 1847 ） 周 期 1 2 3 …… S 总和 平均 周期点 1 X 1 X 2 X 3 …… X S T *1 A *1 2 X S+1 X S+1 XS+3 …… X 2S T *2 A *2 3 X S+1 X 2S+2 X 2S+3 …… X 3S T *3 A *3 …… ……………………………………………………………………………… n X (n-1)S+1 X (n-1)S+2 X (n-1)S+3 …… Xn S T *n A *1n 总和 T 1* T 2* T 3* …… T S* T T/S 平均 A 1* A 2* A 3* …… A S* T/N T/SN 对于这样每一个子序列都可以给它拟合 ARIMA 模型，同时认为各个序列之间是相互独立的。但是这 种做法不可取， 原因有二： （1）S 个子序列事实上并不相互独立， 硬性划分这样的子序列不能反映序列 xt 的总体特征； （2 ）子序列的划分要求原序列的样本足够大。 启发意义： 如果把每一时刻的观察值与上年同期相应的观察值相减，是否能将原序列的周期性变化消 除？（或实现平稳化） ，在经济上，就是考查与前期相比的净增值，用数学语言来描述就是定义季节差分 算子。 S 定义：季节差分可以表示为 Wt S X t (1 B ) Xt X t X t S 。 二、