资金时间序列分析及预测.pptVIP

**资金的时间序列分析财务大数据分析时间数列也叫动态数列，是指把某种现象在不同时间上的各个变量值按照时间的先后顺序排列而形成的一种数列。时间数列由以下两个因素组成：1、时间要素，某一现象发生的时间，包括时间单位和时间长短；2、数据要素，即现象在不同时间上的变量值。时间数列不论其数值大小，每一个数值所在的位置都是由它所处的时间决定的，即数字顺序是按时间的先后顺序排列。时间序列分析资金收入的时间序列分布时间序列分析的作用深入揭示现象变化的数量特征。反映现象发展变化的趋势和规律揭示现象变化的内在原因，为预测和决策提供可靠的数量信息时间序列分析的分类时间序列构成的因素长期趋势季节趋势循环变动不规则变动时间序列预测模型1、加法模型现象总量=长期趋势+季节变动+循环变动+不规则变动适用于四种因素相互独立的情况。2、乘法模型现象总量=长期趋势*季节变动*循环变动*不规则变动适用于各影响因素相互联系的条件，实际应用中，一般采用这种模型长期趋势分析研究长期趋势的目的主要是为了认识和掌握现象发展的规律性，为统计预测提供必要条件；同时，也是为了将其从时间数列中剔除，以便分析其它因素对时间数列的影响。测定长期趋势的方法有很多，一种常用的方法：移动平均法。长期趋势分析:移动平均法移动平均法的实质是通过对变量值进行平均的方法，对原来的时间数列进行修匀，以消除季节变动、不规则变动等其他因素对数列产生的影响。移动平均法又可以分为:简单移动平均、加权移动平均和指数平滑三种形式。简单移动平均加权移动平均指数平滑长期趋势分析:移动平均法简单移动平均的基本过程如下：?首先，确定移动的项数k，即每次平均时所包含的变量值的个数；?其次，从时间数列的第一个变量值开始，每次向后移动一项，分别计算出k各数值的序时平均数；?最后，将计算出来的每个移动平均数的数值与它所对应的时间对应排列，编制成一个新的时间数列。指数平滑长期趋势分析:加权移动平均法简单移动平均法每个观测值都用相同的权数，即假定过去各期的资料对预测期的影响程度相同。但在加权移动平均中，每个观测值被赋予相应的权重。例如，在大多数情况下，越近的资料应该有最大的权重，而较远的资料的权重较低。以上面例题作解，采用三项加权移动平均，最近时期观测值的权数为最远时期观测值的3倍，中间时期观测值的权数为最远时期的2倍，结果如图所示。指数平滑长期趋势分析:指数平滑法指数平滑法是加权移动平均法的一种特殊情形。只选择一个权数，即最近时期观测值得权数，其它时期数据值的权数可以自动推算出来，观测值离预测时期越远，它的权数就越小。模型如下：指数平滑长期趋势分析:指数平滑法现在根据包含三个时期资料的时间数列Y1，Y2和Y3，来说明任何时期指数平滑法的预测值，同样也是时间数列以前所有时期实际值的一个加权平均数。指数平滑长期趋势分析:指数平滑法任何预测值都是以前所有时间数列数值的加权平均数。平滑常数α可以选在0到1之间的任何数，但是有些α值会比其他α值能产生更合适的预测。为观察如何得到一个合适的α值，将基本指数平滑模型改写为：指数平滑长期趋势分析:如何选择分析模型由于数据特点不同，变动趋势也有差异，分析时应区分情况，选择不同的分析模型，才能更好地放映现象的趋势特征。方法一：通过散点图确定使用哪一种分析模型，这种方法很不精确，有时难以区别趋势类型。方法二：结合时间数列的特征分析，当所研究现象的一次差（数列逐期增加量或减少量）大致相同，适用直线进行趋势分析；当所研究现象的二次差（一次差基础上再逐期相减）大致相同，使用二次方程曲线进行分析；当所研究对象的环比速度大致相同时，则指数曲线较为合适。指数平滑季节变动分析季节变动是非常重要的影响因素，分析季节变动可使生产企业根据季节的变化，合理储备各种生产原料，以保障生产正常进行，也可以使商业企业合理进货，从而合理控制现金流。另外，通过对季节变化的分析测定，消除季节因素对时间数列的影响，以反映其他因素变化。季节变动分析是以月或季为单位的时间数列，测定以年为周期随季节转变而发生的有规律的周期变动。为了消除偶然因素影响，一般应使用多年（至少三年）的历史资料。分析季节变动的方法很多，这里介绍两种：同期平均法和长期趋势剔除法。指数平滑季节变动分析：同期平均法指数平滑季节变动分析：长期趋势剔除法指数平滑这种方法是先确定出各期的趋势值，然后再从观测值中扣除趋势值，从而测定季节指数。下面举例说明：季节变动分析：长期趋势剔除法指数平滑