课程目标学习时间序列整理及分析的方计算工具本课程.pptVIP

時間序列 第一章 時間序列 第一章 課程目標: 學習時間序列整理及分析的方法 計算工具：本課程使用 EXCEL, SAS/EG 上課方式：一、二節講課，第三節在電腦室實作 Text：Forcasting, Time Series, and Regression. 4 ed, by Bowerman, O’Connell, Koehler 網頁：.tw/tfchen (or e-learning) 成績考核：作業+報告40%，期中考30%，期末考30% 課程介紹 * 資料型式 Cross-sectional data 本月各項營收 Time series data (longitudinal data) IBM 今年每交易日的股價記錄 公司今年每週營收 本課程重點在分析 time series data 1.1 Forecasting Data * 1.1 Forecasting Data Examples for time series data： 1.marketing：全球油價 2.finance：某一支股價的變化 3.personnel management 4.production 5.process control 6.水文資料 7.實驗訊號 Forecasts -- Forecasting -- * Time series 何謂時間序列？ 按時間 (chronologically) 依序記載的一組觀察組，可以是離散型，也可以是連續型資料，時間間隔通常是固定的。（時間：年、季、月、日、時…等） a sequence of observations ordered by a time parameter 分析目的 1.解釋現象、2.預測、3.品質控制、4.明瞭因果關係 (causal mechanism) * * * 時序模式之成因 --- TSCI The components of a time series are Trend Cycle Seasonal variations Irregular fluctuations 時序資料通常含有上列一個或是多個成因，要如何將它們分解出來？ * Trend(T)長期走勢 資料長期向上或向下持續性的移動 如：公司銷售量，人口變化，GNP Trend 長期走勢 * Cycle(C)循環 發生在2～10年或更長時期，資料原型中上下的變化 如：business cycle (GNP)、景氣、地震 Cycle 註：Cycle 是不容易預測，因為它是長期的 * Seasonal Variation(S)季節變化 在一年的時段內，資料本身有一變化的原型，然後每年重複地循環此原型出現，週期為4，12，… 如：氣候、用電量、冰淇淋，電暖氣的銷售量 Seasonal Variation * Irregular fluctuations (I)不規則震盪 時序中無可規範的不穩定移動，其產生因素不定，如：股價變化 Irregular fluctuations 通常一時序資料可能含有一個或一個以上的成因，作圖是分辨成因存在性的好方法 若一時序資料不含任何走勢成因，稱此資料是平穩的 (stationary） * （預測分為短期,中期,長期） 1.定性方法(Qualitative method) 以經驗、判斷及專家的意見做預測(通常用於中、長期預測) 2.定量方法(Quantitative method) 使用過去資料,配適一數學模式,然後以估計得的方程式預測未來(通常用於短期預測) 註：時間序列分析屬於定量方法 1.2 預測的方法 * 單變數預測模式 描述某依變數隨時間變化的模式，例：某一支股價的變化 因果預測模式 (causal forecasting) 以其他變數(independent var.)的變化解釋研究變數(dependent var.)的變化 例：全球油價對股價的影響 時間序列模式 * 1、客觀性： 一旦選出自變數,按預測模式作預估 2、精確度之可測性 3、省時： 一旦模式建立,可立即套用 4、達成點估計及區間估計 缺點 使用定量方法之優缺點 優點 無法掌握長期變化，需隨時修正，宜做短期、中期預測。 如：1980-1989之油價模式對1990油價的預測不準,因沒料到有克威特戰爭 * 1.2 預測準確度(accuracy)之量測 Sample:Y1…Yn Yt ：在時間t之真實值 ：在時間t之預測值 定義：時間t 的forecast error 若 ， 則此預測擁有 random forecast error (有正負