时间序列分析与预测二讲时间序列模型.ppt
《时间序列分析与预测二讲时间序列模型.ppt》由会员分享,可在线阅读,更多相关《时间序列分析与预测二讲时间序列模型.ppt(102页珍藏版)》请在三一文库上搜索。
1、时间序列分析与预测 第二讲:时间序列模型,大连理工大学经济系 原毅军,教学大纲,上节课知识要点复习 时间序列的基本特征 时间序列建摸的两种基本假设 确定性时间序列模型 随机性时间序列模型,上节课知识要点复习,时间序列,同一现象在不同时间上的相继观察值排列而成的数列 形式上由现象所属的时间和现象在不同时间上的观察值两部分组成 排列的时间可以是年份、季度、月份或其他任何时间形式,时间序列的分类,时间序列的编制原则,时间长短要一致 总体范围要一致 指标内容要一致 计算方法和口径要一致,时间序列的水平分析,发展水平,平均发展水平,增长量,平均增长量,发展水平与平均发展水平,发展水平 现象在不同时间上的
2、观察值 说明现象在某一时间上所达到的水平 平均发展水平 现象在不同时间上取值的平均数,又称序时平均数 说明现象在一段时期内所达到的一般水平 不同类型的时间序列有不同的计算方法,绝对数序列的序时平均数,判断所要计算的绝对数序列的类型 根据不同序列的类型选择不同的计算方法,绝对数序列的序时平均数,时期序列计算公式:,绝对数序列的序时平均数,间隔不等的时点序列,绝对数序列的序时平均数,计算出两个点值之间的平均数,用相隔的时间长度 (Ti ) 加权计算总的平均数,绝对数序列的序时平均数,当间隔相等(f1 = f2= = fn-1)时,有,时间间隔不等的时点序列的序时平均数计算实例,设某种股票2004年
3、各统计时点的收盘价如下表,计算该股票2004年的年平均价格,增长量,报告期水平与基期水平之差,说明现象在观察期内增长的绝对数量 分为逐期增长量与累积增长量 逐期增长量 报告期水平与前一期水平之差 计算公式为:Yt=Yt-Yt-1 (t =1,2,n) 累积增长量 报告期水平与某一固定时期水平之差 计算公式为:Yt=Yt-Y0 (t=1,2,n) 各逐期增长量之和等于最末期的累积增长量,平均增长量,观察期内各逐期增长量的平均数 描述现象在观察期内平均增长的数量 计算公式为,时间序列的速度分析,发展速度,平均发展速度,增长速度,平均增长速度,发展速度,报告期水平与基期水平之比 说明现象在观察期内相
4、对的发展变化程度 有环比发展速度与定期发展速度之分,环比发展速度与定基发展速度,环比发展速度 报告期水平与前一期水平之比,定基发展速度 报告期水平与某一固定时期水平之比,环比发展速度与定基发展速度的关系,观察期内各环比发展速度的连乘积等于最末期的定基发展速度,两个相邻的定基发展速度,用后者除以前者,等于相应的环比发展速度,增长速度,增长量与基期水平之比,又称增长率 说明现象的相对增长程度 有环比增长速度与定基增长速度之分 计算公式为,环比增长速度与定基增长速度,环比增长速度 报告期水平与前一时期水平之比,定基增长速度 报告期水平与某一固定时期水平之比,平均发展速度,观察期内各环比发展速度的平均
5、数 说明现象在整个观察期内平均发展变化的程度 通常采用几何法(水平法)计算 计算公式为:,速度指标的分析与应用,当时间序列中的观察值出现0或负数时,不宜计算速度 例如:假定某企业连续五年的利润额分别为5、2、0、-3、2万元,对这一序列计算速度,在这种情况下,适宜直接用绝对数指标进行分析 在有些情况下,不能单纯就速度论速度,要注意速度与水平指标的结合分析,时间序列的基本特征,例:时间序列分析,先把时间序列描绘在坐标图上,坐标的横轴表示时间 t,坐标的纵轴表示所分析的经济变量 下图描述了某商店某年前10个月的销售额,某企业从1990年1月到2002年12月的销售数据(单位:百万元),从这个点图可
6、以看出。总的趋势是增长的,但增长并不是单调上升的;有涨有落。但这种升降不是杂乱无章的,和季节或月份的周期有关系。 除了增长的趋势和季节影响之外,还有些无规律的随机因素的作用。,时间序列分析,分析时间序列变化的影响因素 每一个经济变量的变化,在不同时期受不同因素影响,经济变量的时间序列综合地反映了各种因素的影响 影响时间序列变化的主要因素分类 长期趋势因素 季节变化因素 周期变化因素 不规则变化因素,时间序列的分解,经济变量的时间序列通常可以分解成四部分,即: 长期趋势,用 T (Trend)表示 季节波动,用 S (Seasonal)表示 循环波动,用 C (Cyclical)表示 不规则波动
7、,用 I (Irregular) 表示 这四种因素对时间序列变化的影响有二中基本假设 乘积形式:Y=TS C I 和的形式:Y=T + S + C + I,时间序列分解法,基于乘积模型的时间序列分解 Yt = TSCI 第一步:消除时间序列中的季节因素和不规则因素 采用移动平均法 计算移动平均值的时期等于季节波动的周期长度 用移动平均法计算的结果是只包含长期趋势因素T和循环波动因素C的时间序列,即: Mt = TC,第二步:计算只反映季节波动的季节指数(Seasonal indices) 用移动平均值去除原时间序列中对应时期的实际值,得到只包含季节波动和不规则波动的时间序列,即: SI 通常是
8、围绕1随机波动的值,某个时期的值大于1,则该时期的季节波动大于平均水平 季节指数是通过对时间序列 SI 计算平均值得到的,即:,第三步:把长期趋势因素与循环因素分开 识别长期趋势变动的类型,建立相应的确定性时间序列模型 例如,时间序列的长期趋势可以用下列模型表示 Yt = b0 + b1t + t 用最小二乘法估计出模型中参数b0 和 b1,则长期趋势值可以用下式计算: 反映循环因素波动的循环指数可以用下式计算,时间序列的基本特征,时间序列变化的基本特征是指各种时间序列表现出的具有共性的变化规律,如趋势变化、周期性变化等 根据时间序列变化的基本特征,它们可以分为: 呈水平形变化的时间序列 呈趋
9、势变化的时间序列 呈周期变化的时间序列 具有冲动点的时间序列 具有转折变化的时间序列 呈阶梯形变化的时间序列,呈水平型变化的时间序列,经济变量的发展变化比较平稳,没有明显的上升或下降趋势,也没有较大幅度的上下波动 如处于市场饱和状态的产品销售量,生产过程中出现的稳定的次品率。,呈趋势变化的时间序列,上升或下降的趋势变化,长期趋势变化,呈周期型变化的时间序列,具有冲动点(Impulse)变化的时间序列,具有阶梯型变化的时间序列,时间序列的转折性变化,时间序列建摸的两种基本假设,时间序列建摸的两种基本假设,确定性时间序列模型假设:时间序列是由一个确定性过程产生的,这个确定性过程往往可以用时间 t
10、的函数f(t)来表示,时间序列中的每一个观测值是由这个确定性过程和随机因素决定的 随机性时间序列模型假设:经济变量的变化过程是一个随机过程,时间序列是由该随机过程产生的一个样本。因此,时间序列具有随机性质,可以表示成随机项的线性组合,即可以用分析随机过程的方法建立时间序列模型,确定性时间序列模型,确定性时间序列模型,一般形式 Yt = f(t) + t 常数模型 线性趋势模型 非线性趋势模型 二次趋势模型,描述抛物线型趋势变化 指数模型,描述指数增长趋势变化 逻辑增长曲线模型 龚珀兹增长曲线模型 季节性模型,常数模型,数学模型 Yt = b + t 描述具有水平型变化的时间序列,常数 b 代表
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 时间 序列 分析 预测 模型
链接地址:https://www.31doc.com/p-2655174.html