第4章时间序列分析和预测.pptxVIP

会计学; ; 第一节 时间序列及其分解;宁夏近几年国内生产总值统计表; ;二、时间数列的种类 ; ; ;全国城乡居民人民币储蓄存款;; 平稳序列 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 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 ;;三、时间序列的构成要素 ;长期趋势的类型基本有二种：;季节变动（ S ）;循环变动（C）;不规则变动（I??; ;四、时间序列的分解模型; 加法模型 Yi=Ti+Si+Ci+Ii 加法模型假定，四种因素变动的原因各不相关，因而对Yi 的影响是相互独立的，且具有与Yi 同样的度量单位。 ;第二节 时间序列的描述性分析;;;设时间数列中各期发展水平为：;环比发展速度与定基发展速度的关系：; ;;三、增长率;环比增长率与定基增长率;;某省2000-2005年某工业产品产量;四、平均发展速度和平均增长率(速度) ;㈠ 平均发展速度：;某企业总产值资料;;㈡ 平均增长速度;速度的分析与应用（需要注意的问题） ;甲、乙两个企业的有关资料;【例】见人均GDP数据 ;五、增长量 ;六、平均增长量 ;某省2000-2005年某工业产品产量;;; 第三节 时间序列预测的程序;一、确定时间序列的成分;;;;（二）确定季节成分;;年度折叠时间序列图;;二、预测方法的选择;三、预测方法的评估;3.均方误差MSE 4.平均百分比误差MPE 5.平均绝对百分比误差MAPE; 第四节 平稳序列的预测;1.将最近k期数据平均作为下一期的预测值 2.设移动间隔为k (1kt)，则t期的移动平均值为 3.t+1期的简单移动平均预测值为 4.预测误差用均方误差(MSE) 来衡量 ;移动平均法(特点) ;【例】对居民消费价格指数数据，分别取移动间隔k=3和k=5，计算各期居民消费价格指数的预测值)，计算出预测误差，并将原序列和预测后的序列绘制成图形进行比较 ;;;二、指数平滑法;;(1)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 (2)第2期的预测值为 (3)第3期的预测值为;一次指数平滑 (? 的确定);【例】对居民消费价格指数数据，选择适当的平滑系数? ，进行指数平滑预测，计算出预测误差，并将原序列和预测后的序列绘制成图形进行比较 ;;; 第五节 趋势型序列的预测;一、线性趋势预测;线性趋势(linear trend);; 根据最小二乘法得到求解a和b的标准方程为;当?t = 0时，有;【例】根据人口自然增长率数据，用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2001年的人口自然增长率，并将原序列和各期的预测值序列绘制成图形进行比较 ;;线性趋势方程： 预测的R2=0.9545 估计标准误差： 2001年人口自然增长率的预测值 ;;二、非线性趋势预测;;【例】根据能源生产总量数据 ，计算出各期的预测值和预测误差，预测2001年的能源生产总量，并将原序列和各期的预测值序列绘制成图形进行比较 ;;二次曲线方程： 预测的估计标准误差： 2001年能源生产总量的预测值 ;;;根据最小二乘法，得到求解 lga、lgb 的标准方程为 求出lga和lgb后，再取其反对数，即得算术形式的a和b ;【例】根据人均GDP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2001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 ;;指数曲线趋势方程： 预测的估计标准误差： 2001年人均GDP的预测值 ;;判断趋势类型;t;t;抛物线方程;t;第六节 复合型序列的分解预测;一、确定并分离季节成分;1.季节指数;;图形描述;计算季节指数;季节指数(计算步骤);(2)计算移动平均的比值，也成为季节比率 将序列的各观察值除以相应的中心化移动平均值，然后再计算出各比值的季度(或月份)平均值，即季节指数 (3)季节指数调整 各季节指数的平均数应等于1或100%，若根据第2步计算的季节比率的平均值不等于1时，则需要进行调整 具体方法是：将第2步计算的每个季节比率的平均值除以它们的总平均值 ;;;;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;线性趋势模型及预测;;2006年预测值;实际值和最终预测值图;End of Chapter 4