第8章 时间序列分析解析.ppt

第一章 绪论 第8章 时间序列分析 （三）时间序列的编制原则 1. 时间方面的可比性 各期指标数值所属时间可比 2． 指标方面的可比性 本章小结 时间序列的概念、构成与分类 时间序列的编制原则与分析目的 时间序列的图形分析与指标分析 时间序列的影响因素与数学模型 时间序列的长期趋势分析 时间序列的季节变动分析 利用Excel对时间序列进行分析 —由于偶然性因素的影响而表现出的无规律、不规则波动。 随机变动的成因： —自然灾害、意外事故、政治事件； —大量无可言状的随机因素的干扰。 不规则变动（I） 2.时间序列分析模型 （1）加法模型： 假定四种变动因素相互独立，序列各时期发展水平是各构成因素之总和。 （2）乘法模型： 假定四种变动因素之间存在着交互作用，序列各时期发展水平是各构成因素之乘积。 3.时间序列的分解分析 时间序列的分解分析就是按照时间序列的分析模型，测定出各种变动的具体数值。其分析方法取决于时间序列的构成因素。 不规则变动 趋势与不规则变动 季节与不规则变动 季节、趋势与不规则变动 受不同因素影响的常见时间序列 时间序列的常见形态 （1)仅包含趋势变动和随机变动（年度数据） 乘法模型为：Y=T×I 加法模型为：Y=T+I 某股票连续16周的收盘价走势 (2)含趋势、季节和随机变动 按月（季）编制的时间序列通常具有这种形态。 分析步骤： a. 分析和测定趋势变动，求趋势值T ； b. 对时间序列进行调整，得出不含趋势变动的时间序列资料。 c. 对以上的结果进一步进行分析，消除随机变动 I 的影响，得出季节变动的测定值 S 。 某啤酒厂2000～2005年各季度的啤酒销售量数据 本教材将在乘法模型的基础上，从时间序列的发展水平Y中将影响因素T、S、C、I分离出来，一一测定它们的影响程度，分析研究它们各自的统计规律，从而达到对现象Y的深刻认识，进而提高对现象进行预测的准确性。 （二）时间序列的长期趋势分析 把握现象随时间演变的趋势和规律； 对事物的未来发展趋势作出预测； 便于更好地分解研究其他因素。 测定长期趋势的常用方法： ①移动平均法 ②数学模型法 测定长期趋势的意义： 通过扩大原时间序列的时间间距，采用逐项递移的方式，分别计算出一系列序时平均数，最终形成一个新的时间序列的方法。 移动平均法 1.移动平均法 其基本思想是：在构成时间序列的四个因素中，除了长期趋势外，其他三个因素，即季节变动、循环变动和不规则变动，都可以通过平均的方法使它们相互抵消。 第二步，边移动，边计算序时平均数，并将其编制成时间序列 一般应选择奇数作为时间间距； 若原序列呈周期变动，则应选择现象的变动周期长度作为时间间距。 移动平均法的步骤： 第一步，确定序时平均数的时间间距 奇数项移动平均: 原序列 移动平均 新序列 移动平均 移正平均 新序列 原序列 偶数项移动平均: 图5.2 中国粮食产量3、4、5年的移动平均图示 简单移动平均预测法 将最近k期数据平均作为下一期的预测值 设移动间隔为k (1kt)，则t期的移动平均值为 3. t+1期的简单移动平均预测值为 对我国1990-2007年粮食产量数据进行三年、四年、五年移动平均预测。 48203.88 48828.40 49455.57 　 2008 46785.72 47714.78 48384.43 50160.30 2007 45877.68 46031.10 47018.30 49804.20 2006 45440.74 45246.55 45240.73 48402.20 2005 46219.08 45064.20 44679.77 46946.90 2004 47323.82 46347.40 44850.33 45705.80 2003 48593.34 48387.40 47440.03 43069.50 2002 49631.24 49425.68 49428.53 45264.00 2001 49720.10 50484.68 50495.07 46217.50 2000 48454.40 49440.48 50366.70 50838.60 1999 47338.26 47760.63 48844.13 51229.50 1998 46308.00 46818.55 47208.47 49417.10 1997 44923.10 45271.63 45606.90 50453.50 1996 44515.54 44488