资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,PPT,文档演模板,Office,PPT,18 十一月 2026,第13章 时间序列分析和预测,本章章节,13.1,时间序列及其分解,13.2,平稳序列的平滑和预测,13.3,有趋势序列的分析和预测,13.4,复合型序列的分解,学习目标,时间序列及其分解原理,平稳序列的平滑和预测方法,有趋势序列的的分析和预测方法,复合型序列的综合分析,13.1 时间序列及其分解,时间序列的构成要素,时间序列的分解方法,时间序列,(,times series,),同一现象在不同时间上的相继观察值排列而成的数列,形式上由现象所属的时间和现象在不同时间上的观察值两部分组成,排列的时间可以是年份、季度、月份或其他任何时间形式,时间序列的分类,平稳序列,有趋势序列,复合型序列,非平稳序列,时间序列,时间序列的分类,平稳序列(stationary series),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(non-stationary series),有趋势的序列,线性的,线性的,有趋势、季节性和周期性的复合型序列,时间序列的构成要素,线性趋势,非线性趋势,趋势,季节性,周期性,随机性,时间序列的构成要素,趋势、季节、周期、随机性,1.,趋势(,trend,),呈现出某种持续向上或持续下降的状态或规律,季节性(seasonality),也称季节变动(,Seasonal fluctuation,),时间序列在一年内重复出现的周期性波动,周期性(,cyclity,),也称循环波动(Cyclical fluctuation),围绕长期趋势的一种波浪形或振荡式变动,随机性(random),也称不规则波动(Irregular variations),除去趋势、周期性和季节性之后的偶然性波动,时间序列的构成模型,时间,序列的构成要素分为四种,即趋势(,T,)、季节性或季节变动(,S,)、周期性或循环波动(,C,)、随机性或不规则波动(,I,),非平稳序列,时间序列的分解模型,乘法模型,Y,i,=,T,i,S,i,C,i,I,i,加法模型,Y,i,=,T,i,+,S,i,+,C,i,+,I,i,图形描述,增长率分析,13.2 时间序列的描述性分析,图形描述,(例题分析),图形描述,(例题分析),增长率(,growth rate,),也称增长速度,报告期观察值与基期观察值之比减1,用,%,表示,由于对比的基期不同,增长率可以分为环比增长率和定基增长率,由于计算方法的不同,有一般增长率、平均增长率、年度化增长率,环比增长率与定基增长率,环比增长率,报告期水平与前一期水平之比减1,定基增长率,报告期水平与某一固定时期水平之比减1,平均增长率,(,average rate of increase,),序列中各逐期环比值(也称环比发展速度)的几何平均数减,1,后的结果,描述现象在整个观察期内平均增长变化的程度,通常用几何平均法求得。计算公式为,平均增长率,(,例题分析,),【例】,见人均GDP数据,年平均增长率,为:,2001,年和,2002,年人均,GDP的,预测值分别为:,年度化增长率,(,annualized rate,),增长率以年来表示时,称为年度化增长率或年率,可将月度增长率或季度增长率转换为年度增长率,计算公式为,m,为一年中的时期个数;,n,为所跨的时期总数,季度增长率被年度化时,,m,4,月增长率被年度化时,,m,12,当,m,n,时,上述公式就是年增长率,年度化增长率,(例题分析),【例】已知某地区如下数据,计算年度化增化增长率,1999,年1月份的社会商品零售总额为,25,亿元,,2000,年1月份在零售总额为,30,亿元,1998,年3月份财政收入总额为,240,亿元,,2000,年6月份的财政收入总额为为,300,亿元,2000,年1季度完成的国内生产总值为,500,亿元,2季度完成的国内生产总值为,510,亿元,1997,年,4,季度完成的工业增加值为,280,亿元,,2000,年,4,季度完成的工业增加值为,350,亿元,年度化增长率,(例题分析),解:,由于是月份数据,所以,m,=12;从1999年一月到2000年一月所跨的月份总数为12,所以,n,=12,即年度化增长率为,20%,,这实际上就是年增长率,因为所跨的时期总数为一年。也就是该地区社会商品零售总额的年增长率为,20%,年度化增长率,(例题分析),解:,m,=12,,n,=27,年度化增长率为,该地区财政收入的年增长率为10.43%,年度化增长率,(例题分析),解:,由于是季度数据,所以,m,=4,从一季度到二季度所跨的时期总数为1,所以,n,=1,年度化增长率为,即根据第一季度和第二季度数据计算的国内生产总值年增长率为8.24%,年度化增长率,(例题分析),解:,m,=4,从1997年四季度到2000年四季度所,跨的季度总数为12,所以,n,=12,年度化增长率为,即根据1998年四季度到2000年四季度的数据计算,工业增加值的年增长率为7.72%,这实际上就是工业增加值的年平均增长速度,增长率分析中应注意的问题,当时间序列中的观察值出现0或负数时,不宜计算增长率,例如:假定某企业连续五年的利润额分别为5、2、0、-3、2万元,对这一序列计算增长率,要么不符合数学公理,要么无法解释其实际意义。在这种情况下,适宜直接用绝对数进行分析,在有些情况下,不能单纯就增长率论增长率,要注意增长率与绝对水平的结合分析,增长率分析中应注意的问题,(例题分析),甲、乙两个企业的有关资料,年 份,甲,企,业,乙,企,业,利润额,(,万元,),增长率,(%),利润额,(,万元,),增长率,(%),1996,500,60,1997,600,20,84,40,【例】,假定有两个生产条件基本相同的企业,各年的利润额及有关的速度值如下表,增长率分析中应注意的问题,(增长1%绝对值),增长率每增长一个百分点而增加的绝对量,用于弥补增长率分析中的局限性,计算公式为,甲企业增长1%绝对值=500/100=5万元,乙企业增长1%绝对值=60/100=0.6万元,简单平均法,移动平均法,指数平滑法,13.3 平稳序列的分析和预测,简单平均法,(,simple average,),根据过去已有的,t,期观察值来预测下一期的数值,设时间序列已有的其观察值为,Y,1,、Y,2,、Y,t,,则,t,+1期的预测值,F,t+1,为,有了,t,+1的实际值,便可计算出的预测误差为,t,+2期的预测值为,简单平均法,(特点),适合对较为平稳的时间序列进行预测,即当时间序列没有趋势时,用该方法比较好,如果时间序列有趋势或有季节变动时,该方法的预测不够准确,将远期的数值和近期的数值看作对未来同等重要,从预测角度看,近期的数值要比远期的数值对为来有更大的作用。因此简单平均法预测的结果不够准确,移动平均法,(,moving average,),对简单平均法的一种改进方法,通过对时间序列逐期递移求得一系列平均数作为趋势值或预测值,有简单移动平均法和加权移动平均法两种,简单移动平均法,(,simple moving average,),将最近,k,的其数据加以平均作为下一期的预测值,设,移动间隔为,K,(,1,k,t,),则,t,期的,移动平均值,为,t,+,1期的简单移动平均,预测值,为,预测误差用均方误差(,MSE,),来衡量,简单移动平均法,(,特点,),将每个观察值都给予相同的权数,只使用最近期的数据,在每次计算移动平均值时,移动的间隔都为,k,主要适合对较为平稳的时间序列进行预测,应用时,关键是确定合理的移动间隔长,对于同一个时间序列,采用不同的移动步长预测的准确性是不同的,选择移动步长时,可通过试验的办法,选择一个使均方误差达到最小的移动步长。,简单移动平均法,(,例题分析,),【例】对居民消费价格指数数据,分别取移动间隔,k,=3和,k,=5,用,Excel,计算各期的居民消费价格指数的平滑值(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,简单移动平均法,(,例题分析,),加权移动平均法,(,weighted moving average,),对近期的观察值和远期的观察值赋予不同的权数后再进行预测,当时间序列的波动较大时,最近期的观察值应赋予最大的权数,较远的时期的观察值赋予的权数依次递减,当时间序列的波动不是很大时,对各期的观察值应赋予近似相等的权数,所选择的各期的权数之和必须等于,1,。,对移动间隔(步长)和权数的选择,也应以预测精度来评定,即用均方误差来测度预测精度,选择一个均方误差最小的移动间隔和权数的组合,指数平滑法,(,exponential smoothing,),是加权平均的一种特殊形式,对过去的观察值加权平均进行预测的一种方法,观察值时间越远,其权数也跟着呈现指数的下降,因而称为指数平滑,有一次指数平滑、二次指数平滑、三次指数平滑等,一次指数平滑法也可用于对时间序列进行修匀,以消除随机波动,找出序列的变化趋势,一次指数平滑,(,single exponential smoothing,),只有一个平滑系数,观察值离预测时期越久远,权数变得越小,以,一段时期的预测值与观察值的线性组合作为,t,+,1的预测值,其预测模型为,Y,t,为,t,期的实际观察值,F,t,为,t,期的预测值,为平滑系数(0 1,增长率随着时间,t,的增加而增加,若,b,0,,b,0,,a,0,0 0,0,a,1,0 0,,a,0,0,b,1,Logistic 曲线,(求,解,k,、,a,、,b,的三和,法),取观察,值,Y,t,的倒数,Y,t,-1,当,Y,t,-1,很小时,可乘以,10,的适当次方,a,、,b,、,K,的求解方程为,趋势线的选择,观察散点图,根据观察数据本身,按以下标准选择趋势线,一次差大体相同,配合直线,二次差大体相同,配合二次曲线,对数的一次差大体相同,配合指数曲线,一次差的环比值大体相同,配合修正指数曲线,对数一次差的环比值大体相同,配合 Gompertz 曲线,倒数一次差的环比值大体相同,配合Logistic曲线,3.,比较估计标准误差,季节性分析,趋势分析,周期性分析,13.5 复合型序列的分解,季节指数,(,seasonal index,),刻画序列在一个年度内各月或季的典型季节特征,以其平均数等于100%为条件而构成,反映某一月份或季度的数值占全年平均数值的大小,如果现象的发展没有季节变动,则各期的季节指数应等于100%,季节变动的程度是根据各季节指数与其平均数(100%)的偏差程度来测定,如果某一月份或季度有明显的季节变化,则各期的季节指数应大于或小于100%,季节指数,(计算步骤),计算移动平均值(季度数据采用4项移动平均,月份数据采用12项移动平均),并将其结果进行“中心化”处理,将移动平均的结果再进行一次二项的移动平均,即得出“中心化移动平均值”(,CMA,),计算移动平均的比值,也成为季节比率,即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,季节指数调整,各季节指数的平均数应等于1或100%,若根据第二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:将第二步计算的每个季节比率的平均值除以它们的总平均值,季节指数,(,例题分析,),【例】下表是一家啤酒生产企业,1997,2002,年各季度的啤酒销售量数据。试计算各季的季节指数,季节指数,(,例题分析,),季节指数,(,例题分析,),季节指数,(,例题分析,),分离季节因素,将季节性因素从时间序列中分离出去,,以便观察和分析时间序列的其他特征,方法是将原时间序列除以相应的季节指数,结果即为季节因素分离后的序列,它反映了在没有季节因素影响的情况下时间序列的变化形态,趋势分析,根据分离季节性因素的序列确定线性趋势方程,根据趋势方程计算各期趋势值,根据趋势方程进行预测,该预测值不含季节性因素,即在没有季节因素影响情况下的预测值,如果要求出含有季节性因素的销售量的预测值,则需要将上面的预测值乘以相应的季节指数,趋势分析,(例题分析),趋势分析,(例题分析),周期性分析,近乎规律性的从低至高再从高至低的周而复始的变动,不同于趋势变动,它不是朝着单一方向的持续运动,而是涨落相间的交替波动,不同于季节变动,其变化无固定规律,变动周期多在一年以上,且周期长短不一,时间长短和波动大小不一,且常与不规则波动交织在一起,很难单独加以描述和分析,周期性分析,(剩余法),先消去季节变动,求得无季节性资料,再将结果除以由分离季节性因素后的数据计算得到的趋势值,求得含有周期性及随机波动的序列,将结果进行移动平均,(,MA,),,以消除不规则波动,即得循环波动值,C,=,MA,(,C,I,),周期性分析,(例题分析),随机波动,(例题分析),本章小节,时间序列的分解,时间序列的描述性分析,平稳序列的平滑和预测,有趋势序列的分析和预测,复合型序列的分析,
展开阅读全文