时间序列00.pptx

概述时间序列预测法是一种定量分析方法，它是在时间序列变量分析的基础上，运用一定的数学方法建立预测模型，使时间趋势向外延伸，从而预测未来市场的发展变化趋势，确定变量预测值。时间序列预测法也叫历史延伸法或外推法。时间序列预测法的基本特点是：假定事物的过去趋势会延伸到未来；预测所依据的数据具有不规则性；撇开了市场发展之间的因果关系。从回归分析法的角度看，时间序列分析法实际上是一种特殊的回归分析法，因为此时不再考虑事物之间的因果关系或其他相关关系，而仅考虑研究对象与时间之间的相关关系，即将时间作为自变量来看待。为了保证时间序列分析的准确性，时间序列数据的编制应该遵循以下一些原则：时间序列中的各项数据所代表的时期长短（或间隔时间）应该一致且连续。时间序列中的各项数据所代表的质的内容应该前后一致。统计指标数据的计量单位应该一致。时间序列数据随时间推移而变动包括四种类型：倾向变动/趋势变动（trendvariation）即在整个预测内研究对象呈现出渐增或渐减的总倾向。周期变动（cyclicalvariation）即以某一时间间隔为周期的周期性变动，如危机和复苏的交替。季节变动（seasonalvariation）。即以一年为周期的周期变动，如服装行业销售额的季节性波动。不规则变动/随机变动（irregular/randomvariation）是指除以上三种变动之外的变动。时间序列倾向变动预测法概述需要说明的是，人们研究的事物往往受到诸多因素的复杂影响，而在倾向变动预测中，我们都只考虑其中的时间因素，即把事物的特征值仅仅作为时间的函数来表现，求出函数表达式，并在假定这种函数关系在要预测的期间内无结构性突变的情况下，预测其未来值。因此在所研究事物的客观环境（条件）发生突变的情况下，切不可机械地套用时间序列分析方法，而应该对研究对象进行全面的条件和环境分析，才能得出比较符合事物发展的客观预测结果。增长率法倾向线的拟合方法多项式曲线法一次曲线-线性趋势外推法一次曲线一次曲线一次曲线小练习一次曲线一次曲线1995-2002年某省专利申请一次曲线拟合数据表一次曲线一次曲线一次曲线1995-2002年某省专利申请一次曲线拟合数据表一次曲线二次曲线三次曲线三次曲线指数曲线法一次指数曲线法一次指数曲线法一次指数曲线法一次指数曲线法一次指数曲线法一次指数曲线法一次指数曲线法一次指数曲线法一次指数曲线法一次指数曲线法一次指数曲线法一次指数曲线法一次指数曲线法生长曲线法最著名的费尔哈斯模型。费尔哈斯模型的表达式为：费尔哈斯模型的图像是一条s型曲线，大体可分为三段，即缓慢增长阶段、快速增长阶段和平稳阶段，其中，平稳阶段的p=a/b可视为“饱和值”。倾向线的逐步修正方法倾向线的逐步修正方法是通过时间序列数据平滑来进行分析的。最简单的平滑方法就是取时间序列数据的算术平均值，它能有效地排除随机变动的影响。例如，时间序列数据为，对应于时间t=1,2，…,N,其算术平均值为t---------时间下标变量，表示时期序号N--------时间序列的时期个数，也即时间序列数据个数不过，使用算术平均值作为时间序列数据平滑的数学模型和它的预测值，虽然能够排除随机变动，但它有着严重的缺点；它只能反映时间序列数据的一般情况（平均水平），而不能反映出数据中的高值和低值，更不能反映时间序列数据的演变过程和发展趋势，掩盖了它的可能存在的倾向变动；它对时间序列的近期数据和早期数据同样看待，缺乏对当前数据变动的适应能力。对算术平均法的改进，最初得到的是一种分段平均法，分段平均法是按时期序号将时间序列数据分成都含有n个时期的段，再取各段数据平均值。例如，将某省专利申请量18年来的数据划分为各包含6年的3段，分别求出各段平均值。分段平均法能够反映出研究对象的总的变化趋势和各时期大致变化幅度，并且通过取平均值可以减弱随机因素的影响。但是，这样的分段平均使得数据点大为减少，只为原来数据点的1/n,使各段平均值呈阶梯状，不能连续反映变量的变化过程；而且，当时期总数不为n的整数倍时不便分段。倾向线的逐步修正方法一次移动平均1985-2002年某省专利申请量移动平均法预测数据表一次移动平均一次移动平均1985-2002年某省专利申请量移动平均法预测数据表一次移动平均一次移动平均倾向线的逐步修正方法二次移动平均二次移动平均二次移动平均二次移动平均二次移动平均二次移动平均二次移动平均二次移动平均二次移动平均二次移动平均指数平滑法（S法）预测一次指数平滑法加权因子的确定初始值的确定例（,S0(1)取为前三项的平均值）二次指数平滑法例：有关数据的计算见下表()。根据例中数据，有三次指数平滑法三次指数平滑法的数学预测模型：思考题