第5时间序列分析.pptVIP

多项式曲线 对比【例15-1】、【例15-2】和本例，我们发现，4阶多项式预测的结果明显好于移动平均法预测的结果。针对不同的问题，我们可以选用不同的模型来预测，以期收到较好的预测效果。 值得提醒大家注意的是，如果选用更高阶的多项式，比方说Excel提供的最高阶多项式是6次，预测拟合的情况可能会更好。但是随着阶次的升高，计算过程中引入各种误差的可能性也增大了，有可能发生x6超出Excel所能计算的范围，导致溢出错误，或者虽然没有溢出，但是精度损失太大，反而使得预测结果偏离较大。 指数曲线 【例15-5】根据表中的1990-2004年的货币投放量，使用指数曲线模型预测2005年的货币投放量。 指数曲线 根据已有数据生成图表，经过观察发现，数据点符合指数曲线分布。在数据图表中选中数据点，单击鼠标右键，在弹出菜单上选择【添加趋势线】。 在【类型】选项页选择趋势线类型为指数，在【选项】页选中“显示公式”和“显示R平方值”的复选框。 指数曲线 Excel根据数据找到了指数时间序列方程式 这里y为货币供应量，x为时间序数，1990年为1，1991年为2…，我们需要预测的2005年为16，相应的计算结果为 指数曲线 中国人民银行实际报告的2005年货币供应量107278.57亿元，与我们的预测值之间存在着一定的偏差。究其原因，主要是中央银行开始执行宏观调控政策，降低了货币发行的增速。 从这个例子可以看出，进行金融数据的预测，除了建立数学模型外，相关的政策、法规的调整也需要我们加以考虑。实际工作中，往往是借助数学模型进行初步预测，然后根据具体情况进行人工修正调节。 周期变动的分析与预测 实际生活当中，有些数据是呈现出周期性波动变化的。比方说火锅调料的销售，夏天的销售就会减少得比较明显。对于这种明显受季节波动影响的时间序列，我们可以使用哑元变量来进行调整。 周期变动的分析与预测 【例15-6】现有某商场的火锅调料销售额资料，请对此时间序列进行分析与预测。 周期变动的分析与预测 根据已有数据生成图表，数据明显带有季节波动性。 周期变动 加入哑元变量，为数据表增加4列哑元，分别对应第1季度，第2季度，第3季度和第4季度。如果当前所在的行为第n季度的数据，则将该行的第n季度的哑元值设为1，其他3个哑元值设为0。 周期变动的分析与预测 选中H3：H30区域，在“编辑栏”点击fx函数图标，选择TREND函数，输入图中参数。按住“Ctrl＋Shift”，点击【确定】，完成数组公式的输入。H列中出现的为预测值。 周期变动 预测结果： 周期变动的分析与预测 选择销售额观察值B2：B26区域与预测H2：H30区域生成图表。可以观察到，预测值与观察值吻合得较好。基本反映了季节波动变化。 第15章时间序列分析 参考资源： 3/kcpt/jkx.html 第15章 时间序列分析 本章教学任务： 移动平均法的基本思想和方法 指数平滑法的基本思想和方法 趋势预测法的基本思想和方法 周期变动分析于预测的基本思想和方法 相关定义 时间序列是按时间顺序的一组数字序列。时间序列分析就是利用这组数列，应用数理统计方法加以处理，以预测未来事物的发展。 时间序列分析是定量预测方法之一，它的基本原理： 一是承认事物发展的延续性。应用过去数据，就能推测事物的发展趋势。 二是考虑到事物发展的随机性。任何事物发展都可能受偶然因素影响，为此要利用统计分析手段对历史数据进行处理。 相关定义 常见的时间序列分析方法有： 移动平均法 简单移动平均法 加权移动平均法 指数平滑法 趋势预测法 简单移动平均法 简单移动平均法认为观察值序列当中各元素具有同等地位，作用相同，对预测值的影响相同，因此在计算中各观察值的权重都相等。 简单移动平均法 简单移动平均的计算公式： 值得注意的是，n的选取必须考虑数据的具体情况。对于上下波动的数据，n取大数值可以消除波动影响，但同时也掩盖了上升或下降的趋势。 简单移动平均法 【例15-1】根据1986年到2004年间的国内生产总值数据，使用简单移动平均法预测2005年的国内生产总值数据。 简单移动平均法 在C7单元格输入公式“= AVERAGE(B3:B6)”，计算当n＝4时的预测值。填充复制C7单元格到C22单元格，预测值为114199万亿元。 在D6单元格输入公式“= AVERAGE(B3:B5)”，计算当n＝3时的预测值。 在E5单元格输入公式“= AVERAGE(B3:B4)”，计算当n＝2时的预测值。 加权移动平均法 加权移动平均法认为观察值序列当中各元素具有不同的地位，作用不同，对预测值的影响不同，因此在计算中各观测值拥有不同的权重。 一般认为，远离预测值的观察值的影响力相对较低，给予较低的权重，而靠近预测值的观察值的影响力相对较高