时间序列是同一现象在不同时间的相继观察值排列而成的序列。研究时间序列的主要目的之一就是进行预测,主要是根据已有的时间序列数据预测未来的变化。时间序列预测的关键是确定已有时间序列的变化模式,并假定这种模式会延续到未来(与马尔可夫预测模型对比)。
时间序列的成分有趋势、季节性、周期性、随机性。
- 趋势是时间序列在长期内呈现出来的某种持续上升或者持续下降的变动。
- 季节性也称季节变动,它是时间序列在一年内重复出现的周期性波动。
- 周期性也称循环波动,是时间序列中呈现出来的围绕长期趋势的一种波浪型或者震荡式变动。
- 随机性也称不规则波动,是时间序列中除去趋势、周期性和季节性之后的偶然性波动。
时间序列可以分为平稳序列和非平稳序列两大类,平稳序列是基本上不存在趋势的序列。非平稳序列是包含趋势、季节性或周期性的序列,它可能只含有其中一种成分,也可能含有几种成分。
平稳序列的预测
平稳时间序列通常只含有随机成分(时间序列成分不含趋势、周期性和季节性),其与预测方法主要有简单平均法、移动平均法和指数平滑法等,这些方法主要是通过对时间序列进行平滑以消除随机波动,因而也称为平滑法。
简单平均法
简单平均法利用已有t期观察值通过简单平均来与预测下一期数值,即用已有t期数值的平均作为t+1期预测值
,
移动平均法
移动平均通过对时间序列逐期递移求得平均数作为预测值的一种预测方法,其方法有简单移动平均和加权移动平均。
-
简单移动平均
简单移动平均将最近k期数据加以平均作为下一期预测值。设移动间隔为k(1<k<t+1),则t+1期移动平均值为,