时间序列可以表示为4个因素的函数,这四个因素分别为:长期趋势(Secular trend T)、季节变动(Seasonal Variation S)、循环波动(Cyclical Variation C)、不规则波动(Irregular Variation I)。
函数可表示为:
Y
t
=
f
(
T
t
,
S
t
,
C
t
,
I
t
)
Y_t =f(T_t,S_t,C_t,I_t)
Yt=f(Tt,St,Ct,It)
- 长期趋势:较长时期内的一种趋势
- 季节波动:季节变化引起的变动
- 循环波动:以若干年为期限,不具规则的周期性变动
- 不规则波动:由于众多偶然因素对时间序列造成的影响
乘法模型:
Y
t
=
T
t
∗
S
t
∗
C
t
∗
I
t
Y_t =T_t*S_t*C_t*I_t
Yt=Tt∗St∗Ct∗It,其中季节指数和循环指数都是比例数,且
I
t
∼
N
(
μ
,
σ
2
)
I_t\sim N(\mu,\sigma^2)
It∼N(μ,σ2)
加法模型:
Y
t
=
T
t
+
S
t
+
C
t
+
I
t
Y_t =T_t+S_t+C_t+I_t
Yt=Tt+St+Ct+It,其中五个变量都有相同的量纲,且
I
t
∼
N
(
μ
,
σ
2
)
I_t\sim N(\mu,\sigma^2)
It∼N(μ,σ2)
混合模型:
Y
t
=
T
t
∗
S
t
+
C
t
+
I
t
Y_t =T_t*S_t+C_t+I_t
Yt=Tt∗St+Ct+It,其中除
S
t
S_t
St季节指数为比例数外,其他变量都有相同的量纲,且
I
t
∼
N
(
μ
,
σ
2
)
I_t\sim N(\mu,\sigma^2)
It∼N(μ,σ2)
时间序列分解就是想从时间序列中区分出这四种潜在的因素。
时间序列的分解方法:
- 剔除T和C(移动平均法),然后求出季节指数S
Y M A = T ∗ C ∗ S ∗ I T ∗ C = S ∗ I \frac{Y}{MA}=\frac{ T*C*S*I}{T*C}=S*I MAY=T∗CT∗C∗S∗I=S∗I
-
拟合序列,得到长期趋势T
可以将数据画出来,根据线条来拟合趋势 -
计算周期因素C( T C / T TC/T TC/T)
-
I = y T S C I =\frac{y}{TSC} I=TSCy