周期分解法和时间序列普分析演示.pptVIP

* * * * * * * * * * * （优选）周期分解法和时间序列普分析 目前一页\总数二十三页\编于二十三点 1 2 3 时间序列谱分析 周期分解方法 时间序列分析简介 目录 目前二页\总数二十三页\编于二十三点 时间序列分析简介 01 目前三页\总数二十三页\编于二十三点 依时间顺序排列起来的一系列观测值。 定义 时间序列分析简介 注：观测值之间不独立。它考虑的不是变量间的因果关系，而是重点考察变量在时间方面的发展变化规律，并为之建立数学模型。 目前四页\总数二十三页\编于二十三点 有足够长的数据序列（t4T） 数据序列的变动是稳定而规律的 前提 时间序列分析简介 目前五页\总数二十三页\编于二十三点 时域（Time domain）：将时间序列看成是过去一些点的函数，或者认为序列具有随时间系统变化的趋势，它可以用不多的参数来加以描述，或者说可以通过差分、周期等还原成随机序列。 频域（Frequency domain）：认为时间序列是由数个正弦波成份叠加而成，当序列的确来自一些周期函数集合时，该方法特别有用。 分类 时间序列分析简介 目前六页\总数二十三页\编于二十三点 长期趋势：指一种长期的变化趋势。它采取一种全局的视角，不考虑序列局部的波动。如：中国的GDP呈现一种上升的长期趋 季节变化(Season)：冷饮的销售情况 循环变化(Cyclic)：经济危机，指一种较长时间的周期变化。循环变化一般会出现波峰和波谷，呈现一种循环往复的现象。 不规则变化(error) :白噪声，指时间序列中无法预计的部分，序列的随机波动 。 构成 时间序列分析简介 注：并不是每个序列都包含所有4种成分。比如以年为时间单位的序列就不会有季节变化；一些较短的序列也看不出循环变化。所以在分析的时候得具体情况具体分析。 目前七页\总数二十三页\编于二十三点 有指数平滑法（Exponential Smoothing） 自回归线性模型（Autoregressive model） ARIMA模型 周期分解（Seasonal Decomposition） 分析模块 时间序列分析简介 目前八页\总数二十三页\编于二十三点 序列图 自相关／偏相关图 交叉相关图 周期图和谱密度图 图形 时间序列分析简介 目前九页\总数二十三页\编于二十三点 周期分解方法（seasonalDecomposition过程） 02 目前十页\总数二十三页\编于二十三点 将那些与年、季、月等相关的固定周期变动称为季节性变动，而将其他非固定周期变动称为周期性。周期分解法的本质就是要对时间序列的各种周期性进行识别和提取。 定义 周期分解方法 目前十一页\总数二十三页\编于二十三点 加法模型 （波动幅度无明显变化） 乘法模型 （波动幅度随时间推移增大或减小） 模型 周期分解方法 目前十二页\总数二十三页\编于二十三点 例题【17-4】 预处理：1.缺失值的填补 2.时间变量的定义 3.时间序列的平稳化 时间序列趋势的图形化观察： 1.Sequence Chart：序列图 2.Autocorrelation Chart：自相关和偏相关图 创建时间序列模型： 1.专家建模器 2.指数平滑 3.ARIMA 目前十三页\总数二十三页\编于二十三点 1 2 序列图——初步预测 （分析—时间序列预测—序列图） 定义日期和时间 （数据——定义日期和时间） 操作过程 目前十四页\总数二十三页\编于二十三点 3 4 周期分解 （分析—时间序列预测—季节性分解） 观察序列图 （波动幅度无明显变化——加法模型） 操作过程 目前十五页\总数二十三页\编于二十三点 操作过程 目前十六页\总数二十三页\编于二十三点 5 观察自相关和偏相关图 （判断有无相关性） 分析—时间序列预测—自相关性 操作过程 周期分解后 目前十七页\总数二十三页\编于二十三点 6 4 趋势-循环波动序列STC-1 （观察周期分解后的效果） 周期调整序列SAS-1 （观察周期分解后的效果） 操作过程 注：1.周期调整序列:该序列加上季节指数可以还原为原始序列。 2.趋势—循环波动序列:对周期调整序列进行平滑处理。 目前十八页\总数二十三页\编于二十三点 时间序列谱分析（seasonalDecomposition过程） 03 目前十九页\总数二十三页\编于二十三点 一个时间序列可看成各种周期扰动的叠加，频域分析就是确定各周期的振动能量的分配，这种分配称为“谱”，或“功率谱”。因此频域分析又称谱分析。（心电图）