[法学]时间序列分析和预测.ppt

第13章 时间序列分析和预测 第一部分 时间序列的描述性分析和预测程序第二部分 平稳时间序列的预测 第三部分 趋势型序列的预测 13.1 时间序列的描述性分析 13.2 时间序列的预测程序 13.3 平稳序列的预测 13.4 趋势型序列的预测 13.5 季节因素分析的方法 第一部分时间序列的描述性分析和预测程序 一、图形描述 图形描述 (例题分析) 图形描述(例题分析) 时间序列的分类 时间序列的成分的概念 趋势(trend) 持续向上或持续下降的状态或规律 季节性(seasonality) 时间序列在一年内重复出现的周期性波动 循环性(cyclity) 围绕长期趋势的一种波浪形或振荡式变动 随机性(random) 除去趋势、周期性和季节性之后的偶然性波动 　　时间序列变动成分因素分解 时间序列的组合模型 乘法模型（常用） Y=T×S×C×I 式中 Y、T 是总量指标, S、C、I 为比率。 二、增长率分析 1、增长率、 2、平均增长率 3、增长1%绝对值 1、环比增长率与定基增长率 环比增长率 报告期水平与前一期水平之比减1 2、、平均增长率 (average rate of increase ) 序列中各逐期环比值(也称环比发展速度) 的几何平均数减1后的结果 描述现象在整个观察期内平均增长变化的程度 通常用几何平均法求得。计算公式为、 三、时间序列的预测程序 第一步，确定时间序列所包含的成分 第二步，找出适合此类时间序列的预测方法 第三步，对可能的预测方法进行评估 第四步，利用最佳预测方案进行预测。 第一步：确定时间序列所包含的成分 含有不同成分的时间序列 第二步，找出适合此类时间序列的预测方法 第三步：对可能的预测方法进行评估 评估预测方法：计算误差 均方误差MSE(mean square error) 第二部分 平稳序列的预测 1 简单平均法 2 移动平均法 3 指数平滑法 简单平均法 简单平均法 简单平均法 适合对较为平稳的时间序列进行预测 预测结果不准 将远期的数值和近期的数值看作对未来同等重要 从预测角度看，近期的数值要比远期的数值对未来有更大的作用 当时间序列有趋势或有季节变动时，该方法的预测不够准确 移动平均法 移动平均法 对简单平均法的一种改进方法 通过对时间序列逐期递移求得一系列平均数作为预测值(也可作为趋势值) 有简单移动平均法和加权移动平均法两种\ 简单移动平均法(例题分析) 简单移动平均法(例题分析) 指数平滑平均法 指数平滑法原理 指数平滑法通过对历史时间数列进行逐层平滑计算，从而消除随机因素的影响，识别经济现象基本变化趋势，并以此预测未来。 比较： 指数平滑法不舍弃过去的观测值，但是仅给予逐渐减弱的影响程度，即随着观测期的远离，赋予逐渐收敛为零的权数。 简单移动平均法是对时间序列过去的近期数据加以同等利用，但不考虑较远期的数据. 一次指数平滑 (? 的确定) 不同的?会对预测结果产生不同的影响 当时间序列有较大的随机波动时，宜选较大的? ，以便能很快跟上近期的变化(0.5~0.8)。 当时间序列比较平稳时，宜选较小的? (0.1~0.3) 选择? 时，还应考虑预测误差 误差均方来衡量预测误差的大小 确定? 时，可选择几个进行预测，然后找出预测误差最小的作为最后的值 3、以一段时期的预测值与观察值的线性组合作为第t+1期的预测值，其预测模型为 一次指数平滑 (例题分析) 一次指数平滑(例题分析) 第三部分 趋势型序列的预测 线性趋势预测 非线性趋势预测 趋势外推法的假定条件 如果有理由认为这种趋势 能够延伸到未来时，赋予变量 t所需要的值，就能得到相应 的时间序列未来值，这就是趋 势外推法。 趋势外推法的假设条是： (1)假设事物发展过程没有跳跃式变化，一般属于渐进变化； (2)假设根据过去资料建立的趋势外推模型能适合未来，能代表未来的变化趋势，即未来和过去的规律一样。 统计资料表明，大量社会经济 现象的发展主要是渐进型的，其 发展相对于时间而言具有一定的 规律性。 因此，当研究对象依时间变 化呈现某种上升或下降的趋势， 并且无明显的季节波动，又能找 到一条合适的函数曲线反映这种 变化趋势时，就可以用时间t为 自变量，时序数值y为因变量， 建立趋势模型： y = f（x） 趋势外推分析法的模型 线性趋势预测： 非线性趋