第七章 季节时间序列分析.pptVIP

第七章季节时间序列分析第1页，共34页，星期日，2025年，2月5日

例某地1987年至1996年某商品月销售量序列如图所示：该序列的季节特征是明显的，季节周期为12.第2页，共34页，星期日，2025年，2月5日

一、季节时间序列二、季节时间序列的主要特征第一节季节时间序列第3页，共34页，星期日，2025年，2月5日

第4页，共34页，星期日，2025年，2月5日

第5页，共34页，星期日，2025年，2月5日

1、一个时间序列，若经过s个时间间隔后呈现出相似的特征，称该序列为季节时间序列，周期为s.一季节时间序列2、季节时间序列按周期的重新排列列一个矩阵式二维表，将每一周期内相同周期点的值列在同一列上.第6页，共34页，星期日，2025年，2月5日

周期点周期1234….s1X1X2X3X4…Xs2Xs+1Xs+2Xs+3Xs+4…X2s….…nX(n-1)s+1X(n-1)s+2X(n-1)s+3X(n-1)s+4….Xns第7页，共34页，星期日，2025年，2月5日

第8页，共34页，星期日，2025年，2月5日

二季节时间序列的特征重要特征表现为周期性：在一个序列中，如果经过S个时间间隔后观测点呈现出相似性——该序列具有以S为周期的周期特性。第9页，共34页，星期日，2025年，2月5日

一、随机季节模型二、乘积季节模型第二节季节时间序列模型第10页，共34页，星期日，2025年，2月5日

一随机季节模型1、随机季节模型：对季节时间序列中，不同周期的同一周期点之间的相关性的拟合。2、（1）设周期为s.Xt、Xt-s、Xt-2s….等可能适合三类模型中的任何一种.前提条件是它们是平稳序列.若不平稳,进行季节差分.第11页，共34页，星期日，2025年，2月5日

（2）D阶季节差分?sXt=Xt-Xt-s=（1-Bs)Xt?sDXt=（1-Bs)dXt?s2Xt=(1-Bs)2Xt=(1-2Bs+B2s)Xt?Xt=Xt-Xt-1?sXt=Xt-Xt-s?aD:a:相减的时期D:差分的阶数第12页，共34页，星期日，2025年，2月5日

设?sDXt=Wt，则?sDXt-s=Wt-s若Wt适合AR(1)以D=1为例，若Wt适合MA(1)若Wt适合ARMA(1,1)第13页，共34页，星期日，2025年，2月5日

更一般的情形，季节性的SARIMA为其中分别称为：k阶季节自回归多项式m阶季节移动平均多项式第14页，共34页，星期日，2025年，2月5日

3、（1）模型将序列不同周期上的相同周期点之间的关系表示出来，但是没有反映同一周期内不同周期点之间的关系.（2）序列可能还存在长期趋势，相同周期的不同周期点之间可能也有一定的相关性，所以，模型可能有一定的拟合不足。第15页，共34页，星期日，2025年，2月5日

二乘积季节模型(SARIMA)使用场合序列的季节效应、长期趋势效应和随机波动之间有着复杂地相互关联性，简单的季节模型不能充分地提取其中的相关关系.构造原理短期相关性用低阶ARIMA(p,d,q)模型提取季节相关性用以周期步长S为单位的ARIMA(P,D,Q)模型提取假设短期相关和季节效应之间具有乘积关系.第16页，共34页，星期日，2025年，2月5日

1、可能是平稳的，也可能是非平稳的，不妨设一般情况，适合ARIMA（p，d，q）（一）乘积季节模型的一般形式第17页，共34页，星期日，2025年，2月5日

2、假定季节相关与普通相关交互作用，建立乘法模型——第18页，共34页，星期日，2025年，2月5日

若适合，而又适合在前式两边同乘得：第19页，共34页，星期日，2025年，2月5日

其中：（1）式称为乘积季节模型，记为第20页，共34页，星期日，2025年，2月5日

（二）常见的乘积季节模型（s=12）1、(1-B)(1-B12)Xt=(1-?1B)(1-?12B12)at它是由两个模型组成的。（1）(1-B12)Xt=(1-?12B12)et（2）et-et-1=(1-B)et=at-?1at-1=(1-?1