时间序列分析——讨论时序数据.ppt

* 例14-7 旺季 淡季 课堂练习 季节指数法 年份 一季度 二季度 三季度 四季度 2004 51 75 87 54 2005 65 67 82 62 2006 76 77 89 73 2007 74 80 95 72 * 季平均 66.5 74.75 88.25 65.25 季节指数 0.9025 1.0144 1.1976 0.8855 2008(预测) 73.38 83.18 98.20 72.61 总的季度平均值73.6875 * 14.5.2 长期趋势剔除季节指数法 先利用移动平均法将原时间序列中的长期趋势测定出来，利用乘法模式将其剔除，然后再测定季节变动。具体步骤如下： 1.确定趋势项 2.计算季节指数 3.计算同季或月的季节指数 (平均比率S) 4.对季节指数正规化处理 (季节指数Si) 5.确定预测期的趋势值 6.通过对趋势值修正进行预测 * 14.1 概述 定义： 时间序列又叫动态数列或时间数列(Time Series)，就是把反映某一现象的同一指标在不同时间(年、季、月、日等)的值按时间先后顺序排列所形成的数列，一般研究均匀间隔时间上的时间序列。 要求： 分类： 1. 总量指标时间序列 2. 相对指标时间序列 3. 平均指标时间序列 * 时间序列的基本变化趋势 1.长期趋势（T） 长期趋势指可观现象在一个相当长的时期内，由于受到某种基本因素的影响所呈现出来的一种基本走势。 T * 2.季节变动（S） 季节变动指由于由于自然条件、社会条件的影响，社会经济现象在一年内或更短的时间内，随着季节的转变而引起的周期性变动。如农产品收购、客运量等。 月趋势 * 3.循环变动（C） 循环变动是指客观现象以若干年为周期的涨落起伏相同或基本相同的一种波浪式的变动。如股票市场牛市与熊市，经济周期交替变更等。 * 4.不规则变动（I） 不规则变动是指客观现象由于天灾、人祸、战乱等突发事件或偶然因素引起的无周期性波动。 * 时间序列的四因素关系 假设1：各个组成部分所具有的变动数值是各自独立、彼此相加的，可建立加法模型。 假设2：各个组成部分所具有的变动数值是相互依存、彼此相乘的，可建立乘法模型。 正值或负值，围绕T上下波动。 比率值，有的大于1有的小于1。 * 14.2 简单的平均值预测 14.2.1 指标平均值计算 1.算术平均数 2.首末折半平均值法 * 3.加权平均值预测 4.间隔加权平均值法 5.几何平均法 * 14.2.2 平均发展速度 1.定基发展速度及定基增减速度 2.环比发展速度及环比增长速度 3.平均发展速度 （高次方程的正根即为平均发展速度） （趋势较稳定时使用） * 14.3 移动平均法 用平均值代表时间序列数据的一般水平，其思想没有体现重视近期数据的思路，而且只能简单预测，精度不高。 移动平均法和指数平滑法即是在平均值预测法的基础上的改进，其特点是重视近期数据，追逐新趋势变化的能力很强。 * * 一次移动平均值 需要说明的是，一次移动平均值只能对没有趋势的时间序列进行简单预测，对有趋势的时间序列根本不能直接用它来预测。 * 例14-4 第3列 第6列 * 预测模型 第3列、第6列都代表原始序列的趋势变动规律。对第3列计算趋势增量得第4列，取第4列最后三个数据的平均值179.54作为每期增加的趋势值，可得如下预测模型： 可预测第19期固定资产投资额为： * 二次移动平均法 二次移动平均值是一次移动平均值序列的移动平均值，计算公式如下： * 例14-5 课堂练习 某企业1993-2007年的利润资料如下表所示。要求利用下列方法预测2008和2009年利润： （1）一次移动平均法 （2）二次移动平均法 * 年份 　 利润 　 年份 　 利润 　 1993 54.00 2001 182.00 1994 47.00 2002 159.00 1995 54.00 2003 187.00 1996 103.00 2004 213.00 1997 170.00 2005 256.00 1998 152.00 2006 273.00 1999 142.00 2007 292.00 2000 175.00 * 一次移动平均 年份 　 利润 　 四项移动平均 一次移动 移正平均 趋势增加值 1993 54.00 - - 　 1994 47.00 - - 　 1995 54.00 64.50 79.00 　 1996 103.00 93.50 106.63 27.63 1997 170.00 119.75 130.75 24.13 1998 152.0