时间序列分解法(Time-series Decomposition)

时间序列分解法

时间序列分解法是一种分析方法，包括谱分析、时间序列分析和傅里叶级数分析等。

时间序列分解使用加法模型或乘法模型讲原始系列拆分为四部分：长期趋势变动T、季节变动S(显式周期，固定幅度、长度的周期波动)、循环变动C(隐式周期，周期长不具严格规则的波动)和不规则变动L。
时间序列Y可以表示为以上四个因素的函数，即：Y= F(T,S,C,L)。F()常用的模型有加法模型和乘法模型。
加法模型为Y=T+S+C+L,乘法，模型为Y=T *S *C *L。

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，选择合适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即可以得到周期变动因素C。
4. 将时间序列T、S、C分解出来以后，剩余的即为不规则变动，即：I=Y/(TSC)。