PPT内容
这是一个关于统计学-时间序列分析ppt,主要介绍时间序列的分解、指数平滑 、ARIMA模型 。欢迎点击下载哦。
第8章 时间序列分析 Time Series Analysis
学习目标
为什么要进行时间序列分析?
8.1 时间序列的分解
8.1.1 时间序列的构成成分
长期趋势
季节变动( S )
循环变动(C)
不规则变动(I)
8.1.2 时间序列分解模型
时间序列的组成成分之间可能是乘法或加法的关系,因此,时间序列可用多种模型进行分解,常见的有加法模型、乘法模型和加乘混合模型。
加法模型假设时间序列中每一个指标数值都是长期趋势、季节变动、循环变动和不规则变动四种成分的总和,在加法模型中,四种成分之间是相互独立的。某种成分的变动并不影响其他成分的变动。各个成分都用绝对量表示,并且具有相同的量纲。
乘法模型
乘法模型是假设时间序列中每一个指标数值都是长期趋势、季节变动、循环变动和不规则变动四种成分的乘积。在乘法模型中, 四种成分之间保持着相互依存的关系。一般而言,长期趋势成分用绝对量表示,具有和时间序列本身相同的量纲,其它成分则用相对量表示。
加乘混合模型
加乘混合模型,比如
时间序列分解模型的选取需要考虑到现象变化的规律和数据本身的特征,如果季节变动(循环变动、不规则变动)依赖于长期趋势的变化,则宜选用乘法模型或加乘混合模型,否则可以考虑加法模型。
8.1.3 时间序列长期趋势分析
1 移动平均法
N 期移动平均数
把时间序列连续 N 期的平均数作为最近一期(第t期)的趋势值:
中心化移动平均
把时间序列连续 N 期的平均数作为 N 期的中间一期的趋势值。
如果N为奇数,则把N期的移动平均值作为中间一期的趋势值。
如果N为偶数,须将移动平均数再进行一次两项移动平均,以调整趋势值的位置,使趋势值能对准某一时期)。相当于对原序列进行一次N+1 项移动平均,首末两个数据的权重为0.5,中间数据权重为1。
Example 1
中心移动平均法
移动平均的结果
Example 2
移动平均法可以作为测定长期趋势的一种较为简单的方法,在股市技术分析中有广泛的应用。比如对某只股票的日收盘价格序列分别求一次5日、10日、一个月的移动平均就可以得到其5日、10日、一个月的移动平均股价序列,进而得到5日线、10日线、月线,用以反映股价变动的长期趋势。
移动平均股价序列
移动平均法的应用
2、时间回归法(趋势方程法)
趋势线的选择
趋势方程的估计方法
Example 1: 新卫机械厂的销售收入
Excel的计算结果
趋势方程
8.1.4 时间序列季节变动分析
季节指数
用移动平均趋势剔除法计算季节指数
案例: 海鹏网球中心的利润。
季节指数的计算
季节指数的计算
季节指数的图形
季节调整(Seasonal Adjustment)
将原序列实际数值除以季节指数可以消除季节变动的影响。此数列通常被称为“季节调整后的序列”, 它便于较为准确地分析长期趋势和循