时间序列分解法

目录

时间序列的模式

时间序列分解法各因素的确定

1．移动平均数

2．季节性

3．长期趋势和循环变动

根据时间序列分解法进行预测

---

时间序列分解法是数年来一直非常有用的方法,这种方法包括谱分析、时间序列分析和傅立叶级数分析等。

时间序列分解模型：

时间序列y可以表示为以上四个因素的函数，即：Yt = f(Tt,St,Ct,It)

　　时间序列分解的方法有很多，较常用的模型有加法模型和乘法模型。

　　加法模型为： Yt = Tt + St + Ct + It

　　乘法模型为： Yt = Tt × St × Ct × It

时间序列的分解方法

　　（1）运用移动平均法剔除长期趋势和周期变化，得到序列TC。然后再用按月（季）平均法求出季节指数S。

　　（2）做散点图，选择适合的曲线模型拟合序列的长期趋势，得到长期趋势T。

　　（3）计算周期因素C。用序列TC除以T即可得到周期变动因素C。

　　（4）将时间序列的T、S、C分解出来后，剩余的即为不规则变动，即：

时间序列的模式

   时间序列一般包括四类因素，长期趋势因素、季节变动因素、循环变动因素和不规则变动因素。四种因素的组合形式一般有以下几类, 其中记Xt为时间序列的全变动；Tt为长期趋势；St为季节变动；Ct为循环变动；It为不规则变动，它总是存在着的。

时间序列分解法试图从时间序列中区分出这四种潜在的因素，特别是长期趋势因素(T)、季节变动因素(S)和循环变动因素(C)。显然，并非每一个预测对象中都存在着T、S、C这三种趋势，可能是其中的一种或两种。一个具体的时间序列究竟由哪几类变动组合，采取哪种组合形式，应根据所掌握的资料、时间序列及研究目的来确定。

时间序列分解法各因素的确定

分解法的基础是容易理解而且直观的。不过最重要的是它为预测和检验提供了独特和非常有用的资料。我们用一个例题来说明各个因素分解的步骤。

　　设有某产品十二年（91年－02年）的季度销售额数据。见表4.3中的第二列，共有48个数据。如果将这些数据画在图上（图.1），可以看出有明显的长期趋势和季节变动。利用分解法，假设这48个数据可表示为Xt=Tt × Ct × St × It。这里Xt是这些原始数据，通过分析原始数据X来确定T、C、S（剩下的为I）。