确定性时间序列分析

确定性时间序列分析

1. 时间序列分析

时间序列就是各时间点上形成的数值序列，时间序列分析就是通过观察历史数据预测未来的值，不受其他外在因素的影响。

1.1 分类

1. 确定性时间序列分析方法
2. 随机性时间序列分析方法

2. 确定性时间序列分析方法

确定性时间序列分析得特点是认为数据去掉随机扰动后，剩下的部分可以用确定的时间函数来表示。

最常用的确定性时间序列分析方法是确定性因素分解方法，把时间序列分为四个部分：

1. 趋势项（T） 长期趋势变动。是指时间序列朝着一定的方向持续上升或下降，或停留在某一水平上的倾向，它反映了客观事物的主要变化趋势。

2. 季节项（S） 季节变动。指一年或更短的时间之内，由于受某种固定周期性因素(如自然、生产、消费等季节性因素)的影响而呈现出有规律的周期性波动。

3. 循环项（C） 循环变动。通常是指周期为一年以上，由非季节因素引起的涨落起伏波形相似的波动。

4. 随机项（e） 通常分为突然变动和随机变动。所谓突然变动是指战争、自然灾害或是其它社会因素等意外事件引起的变动。随机变动是指由于大量的随机因素产生的宏观影响。根据中心极限定理，通常认为随机变动近似服从正态分布。

通常把T和S并在一起统称为趋势。

2.1 常见的确定性时间序列模型

1. 加法模型（Y=T+S+e）
2. 乘法模型（Y=T*S*e） 
3. 混和模型（Y=S*T+e）