统计学-时间序列知识点整理

预测方法	分类	详述
	定性	当被预测变量的历史数据不适合或者难以获得，利用专家判断来进行预测 
	定量	•  当以下条件同时满足时 
		1.  被预测变量过去的信息可用
		2.  这些信息可以被量化 
		3.  过去的模式将会持续到未来的假定合理
		•  使用时间序列法来进行预测 

 

预测精度	测量预测精度	确定一种预测方法是否能很好地再现已经得到的时间序列数
	预测误差	预测误差=实际值-预测值
			常用测度
	预测方法	朴素预测法 （用近的值作为下一期的预测值）	平均绝对误差：MAE=预测误差绝对值的平均数
			均方误差：MSE=预测误差平方和的平均数 
			平均绝对百分数误差：MAPE=百分数预测误差的绝对值得平均数
			百分数误差=预测误差/实际值x100 
		过去数值平均法 （ 用所有历史数据平均值作为下一期的预测值）	平均绝对误差：MAE=预测误差绝对值的平均数
			均方误差：MSE=预测误差平方和的平均数 
			平均绝对百分数误差：MAPE=百分数预测误差的绝对值得平均数
			百分数误差=预测误差/实际值x100 
时间序列分解法 	概念	可以将一个时间序列分解出趋势、季节和不规则成分，得到对时间序列的一个更好的分析 
	分解模型	•  假设时间序列t期的实际值为Yt
		•  Yt包含趋势成分、季节成分和不规则成分
		•  加法分解模型   Yt =Trendt +Seasonalt +Irregular t
		•  乘法分解模型   Yt =Trendt ×Seasonalt ×Irregular
	步骤	计算季节指数 （剔除数据中组合在一起的季节和不规则影响）	1、计算移动平均数
			2、计算中心移动平均数 	移动平均数的平均数，得到趋势值
			3、计算季节指数 	实际数值/趋势值
		消除季节影响的时间序列	消除季节影响的销售量=观测值Yt/季节指数 
		利用消除季节影响的时间序列确定趋势 
		季节调整 	消除季节影响的销售量*季节指数