时间序列分解-乘法模型

目录

方法介绍

数学公式

因素求解

案例

计算步骤

应用-预测

应用-异常检测

---

 

方法介绍

时间序列分解是时间序列分析的一种方法，思想是将数据分解为不同的因素，以达到解释数据、建立数学模型、数据预测的目的，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，这里介绍乘法模型。乘法模型将时间序列值分解为长期趋势因素（）、季节变动因素（）、循环变动因素（）、不规则变动因素（，也可理解为随机因素）

数学公式

其中：

：第t期的值

：第t期的长期趋势值

：第t期的季节变动因素

：第t期的循环变动因素

：第t期的不规则变动因素（随机因素），服从正态分布

因素求解

1、移动平均提取趋势和循环变动：

当n为奇数时：，k是季节长度，例如每周7天，每年12个月等，下同

当n为偶数时：

2、季节性和随机性：

3、季节性：，将季节性和随机性的结果按照季节编号再次计算平均值

4、不规则变动

5、长期趋势：，基于MA数据，趋势外推法（线性回归等）拟合长期趋势

6、循环变动：

 

案例

以网上的数据为例进行讲解，完整的计算过程数据见下表：

表格说明：1、第二行中f()表示进行了函数运算，例如H=f(B,G)表示H列的值是B列和G列通过运算得到的

序号	季节编号k	观察值Xt	移动平均值T×C	长期趋势T	循环变动C％	S×I比率％	S比率％	调整后的S比率％	I比率％	拟合	残差
A	B	C	D=f(C)	E=f(A)	F=D/E*100	G=C/D*100	H=f(B,G)	I=f(H)	J=G/I*100	K=E*F*I*J	L=C-K
1	1	3017.6	——	2777.16	——	——	——	——	——	——	——
2	2	3043.54	——	2818.03	——	——	——	——	——	——	——
3	3	2094.35	2773.48	2858.90	97.01	75.51	77.61	77.55	97.37	2094.35	0.00
4	4	2809.84	2820.60	2899.77	97.27	99.62	102.38	102.31	97.37	2809.84	0.00
5	1	3274.8	2838.06	2940.64	96.51	115.39	111.23	111.15	103.81	3274.80	0.00
6	2	3163.28	2867.40	2981.51	96.17	110.32	109.07	109.00	101.21	3163.28	0.00
7	3	2114.31	2900.83	3022.38	95.98	72.89	77.61	77.55	93.99	2114.31	0.00
8	4	3024.57	2948.69	3063.25	96.26	102.57	102.38	102.31	100.26	3024.57	0.00
9	1	3327.48	3155.66	3104.11	101.66	105.44	111.23	111.15	94.87	3327.48	0.00
10	2	3493.48	3379.64	3144.98	107.46	103.37	109.07	109.00	94.84	3493.48	0.00
11	3	3439.93	3482.62	3185.85	109.32	98.77	77.61	77.55	127.37	3439.93	0.00
12	4	3490.79	3548.29	3226.72	109.97	98.38	102.38	102.31	96.16	3490.79	0.00
13	1	3685.08	3436.57	3267.59	105.17	107.23	111.23	111.15	96.48	3685.08	0.00
14	2	3661.23	3299.98	3308.46	99.74	110.95	109.07	109.00	101.79	3661.23	0.00
15	3	2378.43	3316.64	3349.33	99.02	71.71	77.61	77.55	92.47	2378.43	0.00
16	4	3459.55	3342.20	3390.20	98.58	103.51	102.38	102.31	101.18	3459.55	0.00
17	1	3849.63	3380.19	3431.07	98.52	113.89	111.23	111.15	102.46	3849.63	0.00
18	2	3701.18	3428.93	3471.93	98.76	107.94	109.07	109.00	99.03	3701.18	0.00
19	3	2642.38	3473.31	3512.80	98.88	76.08	77.61	77.55	98.10	2642.38	0.00
20	4	3585.52	3527.67	3553.67	99.27	101.64	102.38	102.31	99.35	3585.52	0.00
21	1	4078.66	3575.42	3594.54	99.47	114.08	111.23	111.15	102.63	4078.66	0.00
22	2	3907.06	3660.42	3635.41	100.69	106.74	109.07	109.00	97.93	3907.06	0.00
23	3	2818.46	3756.04	3676.28	102.17	75.04	77.61	77.55	96.76	2818.46	0.00
24	4	4089.5	3818.85	3717.15	102.74	107.09	102.38	102.31	104.67	4089.50	0.00
25	1	4339.61	3868.79	3758.02	102.95	112.17	111.23	111.15	100.92	4339.61	0.00
26	2	4148.6	3887.93	3798.89	102.34	106.70	109.07	109.00	97.90	4148.60	0.00
27	3	2976.45	3875.18	3839.76	100.92	76.81	77.61	77.55	99.04	2976.45	0.00
28	4	4084.64	3844.15	3880.62	99.06	106.26	102.38	102.31	103.86	4084.64	0.00
29	1	4242.42	3813.34	3921.49	97.24	111.25	111.23	111.15	100.09	4242.42	0.00
30	2	3997.58	3795.36	3962.36	95.79	105.33	109.07	109.00	96.64	3997.58	0.00
31	3	2881.01	3804.05	4003.23	95.02	75.74	77.61	77.55	97.66	2881.01	0.00
32	4	4036.23	3864.16	4044.10	95.55	104.45	102.38	102.31	102.10	4036.23	0.00
33	1	4360.33	3945.92	4084.97	96.60	110.50	111.23	111.15	99.42	4360.33	0.00
34	2	4360.53	4005.76	4125.84	97.09	108.86	109.07	109.00	99.87	4360.53	0.00
35	3	3172.18	4070.47	4166.71	97.69	77.93	77.61	77.55	100.49	3172.18	0.00
36	4	4223.76	4153.48	4207.58	98.71	101.69	102.38	102.31	99.40	4223.76	0.00
37	1	4690.48	4216.50	4248.44	99.25	111.24	111.23	111.15	100.08	4690.48	0.00
38	2	4694.48	4282.00	4289.31	99.83	109.63	109.07	109.00	100.58	4694.48	0.00
39	3	3342.35	4360.61	4330.18	100.70	76.65	77.61	77.55	98.84	3342.35	0.00
40	4	4577.63	4436.43	4371.05	101.50	103.18	102.38	102.31	100.86	4577.63	0.00
41	1	4965.46	4493.85	4411.92	101.86	110.49	111.23	111.15	99.41	4965.46	0.00
42	2	5026.05	4503.36	4452.79	101.14	111.61	109.07	109.00	102.40	5026.05	0.00
43	3	3470.14	4533.55	4493.66	100.89	76.54	77.61	77.55	98.70	3470.14	0.00
44	4	4525.94	4628.15	4534.53	102.06	97.79	102.38	102.31	95.59	4525.94	0.00
45	1	5258.71	4701.92	4575.40	102.77	111.84	111.23	111.15	100.62	5258.71	0.00
46	2	5489.58	4637.21	4616.27	100.45	118.38	109.07	109.00	108.61	5489.58	0.00
47	3	3596.76	——	4657.13	——	——	——	——	——	——	——
48	4	3881.6	——	4698.00	——	——	——	——	——	——	——

计算步骤

1、移动平均提取趋势和循环变动：

此处季节长度为4，偶数，移动平均计算方式为：

D列第三行：2773.48 = ((3017.6+3043.54+2094.35+2809.84)/4+(3043.54+2094.35+2809.84+3274.8)/4)/2；D列其他行类推

2、季节性和随机性

G列第三行：75.51 = 2094.35 / 2773.48 * 100，此处可以乘以100也可以不乘

3、季节性：

H列第三行：77.61 = (75.51+72.89+98.77+71.71+76.08+75.04+76.81+75.74+77.93+76.65+76.54)/11

I列第三行：77.55 = 77.61 / (111.23+109.07+77.61+102.38)*400，其他三个类似，四个季节性值的计算如下

行	S×I季节1	S×I季节2	S×I季节3	S×I季节4
	——	——	75.51	99.62
	115.39	110.32	72.89	102.57
	105.44	103.37	98.77	98.38
	107.23	110.95	71.71	103.51
	113.89	107.94	76.08	101.64
	114.08	106.74	75.04	107.09
	112.17	106.70	76.81	106.26
	111.25	105.33	75.74	104.45
	110.50	108.86	77.93	101.69
	111.24	109.63	76.65	103.18
	110.49	111.61	76.54	97.79
	111.84	118.38	——	——
平均值	111.23	109.07	77.61	102.38
调整后	111.15	109.00	77.55	102.31

4、不规则变动

J列第三行：97.37 = 75.51 / 77.55

5、长期趋势：，此处长期趋势拟合采用线性回归；a、b为参数

D列的数据为Tt，A列的数据为t，进行线性回归拟合，得到拟合公式：Tt = 2736.29 + 40.87 * t

根据上面的公式，E列第一行2777.16 = 2736.29 + 40.87 * 1；第二行2818.03 = 2736.29 + 40.87 * 2以此类推

6、循环变动：

F列97.01 = 2773.48 / 2858.90

7、至此，已经将原始数据分解长期趋势（T）、循环变动（C）、季节指数（S）、不规则变动（I），根据乘法模型公式，我们将四种因素相乘，将数据还原

K列第三行：2094.35 = 2858.90 * 97.01 * 77.55 * 97.37/100/100/100

将原始数据与分解后的成分进行可视化：

 

应用-预测

在求得分解公式后，可以进行预测了，以第49期为例，长期趋势（T）与季节指数（S）是可以通过计算得到；循环变动可以认为在短期内不会变化为100%或者通过其他方法进行预测，比如ARIMA等；不规则变动具有随机性，因此无法进行预测，可以认为值为100%。

T49 = 2736.29 + 40.87 * 49 = 4738.92；

S1=111.15%；第49期的季节编号为1

则X49 = T49 * S1 * C * I = 4738.92 * 111.15% * 100% * 100% = 57267.31，其他期的预测如下图：

应用-异常检测

此种方法也可以用于异常检测，分解后得到的不规则变动，也就是随机因素，应该是服从正太分布的，从图上也可以看出随机因素的值在100%上下波动，如果离100%相差太远，则可以认为对应的数据点有异常例如不规则变动（I）图的第9个点。

 

完整的Excel下载地址：https://download.csdn.net/download/sccdpxz2/15435652