《非平稳序列的确定性分析讲解.pptx》由会员分享，可在线阅读，更多相关《非平稳序列的确定性分析讲解.pptx（71页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、本章结构本章结构时间序列的分解时间序列的分解1.确定性因素分解确定性因素分解2.趋势分析趋势分析3.季节效应分析季节效应分析4.综合分析综合分析5.X-11过程过程6.第1页/共71页4.1 时间序列的分解时间序列的分解Wold分解定理Herman Wold，(1908-1992),瑞典人1938年提出Wold分解定理。1960年提出偏最小二乘估计方法(PLS)Cramer分解定理Harald Cremer(1893-1985)，瑞典人，斯德哥尔摩大学教授，Wold的指导教师。第2页/共71页Wold分解定理（分解定理（1938）对于任何一个离散平稳过程 它都可以分解为两个不相关的平稳序列之和
2、，其中一个为确定性的，另一个为随机性的，不妨记作 其中：为确定性序列，为随机序列，它们需要满足如下条件（1）（2）（3）第3页/共71页确定性序列与随机序列的定义确定性序列与随机序列的定义对任意序列 而言，令 关于q期之前的序列值作线性回归 其中 为回归残差序列，。确定性序列，若随机序列，若第4页/共71页ARMA模型分解模型分解确定性序列随机序列第5页/共71页Cramer分解定理（分解定理（1961）任何一个时间序列 都可以分解为两部分的叠加：其中一部分是由多项式决定的确定性趋势成分，另一部分是平稳的零均值误差成分，即确定性影响随机性影响第6页/共71页对两个分解定理的理解对两个分解定理的
3、理解Wold分解定理说明任何平稳序列都可以分解为确定性序列和随机序列之和。它是现代时间序列分析理论的灵魂，是构造ARMA模型拟合平稳序列的理论基础。Cramer 分解定理是Wold分解定理的理论推广，它说明任何一个序列的波动都可以视为同时受到了确定性影响和随机性影响的综合作用。平稳序列要求这两方面的影响都是稳定的，而非平稳序列产生的机理就在于它所受到的这两方面的影响至少有一方面是不稳定的。第7页/共71页本章结构本章结构时间序列的分解时间序列的分解1.确定性因素分解确定性因素分解2.趋势分析趋势分析3.季节效应分析季节效应分析4.综合分析综合分析5.X-11过程过程6.第8页/共71页4.2确
4、定性因素分解确定性因素分解传统的因素分解长期趋势循环波动季节性变化随机波动现在的因素分解长期趋势波动季节性变化随机波动第9页/共71页确定性时序分析的目的确定性时序分析的目的克服其它因素的影响，单纯测度出某一个确定性因素对序列的影响推断出各种确定性因素彼此之间的相互作用关系及它们对序列的综合影响第10页/共71页本章结构本章结构时间序列的分解时间序列的分解1.确定性因素分解确定性因素分解2.趋势分析趋势分析3.季节效应分析季节效应分析4.综合分析综合分析5.X-11过程过程6.第11页/共71页4.3趋势分析趋势分析目的有些时间序列具有非常显著的趋势，我们分析的目的就是要找到序列中的这种趋势，
5、并利用这种趋势对序列的发展作出合理的预测 常用方法趋势拟合法平滑法第12页/共71页趋势拟合法趋势拟合法趋势拟合法就是把时间作为自变量，相应的序列观察值作为因变量，建立序列值随时间变化的回归模型的方法 分类线性拟合非线性拟合第13页/共71页线性拟合线性拟合使用场合长期趋势呈现出线形特征模型结构第14页/共71页例例4.1澳大利亚政府澳大利亚政府19811990年每季度的消费支出序列年每季度的消费支出序列第15页/共71页线性拟合线性拟合模型参数估计方法最小二乘估计参数估计值第16页/共71页拟合效果图拟合效果图第17页/共71页非线性拟合非线性拟合使用场合长期趋势呈现出非线形特征 参数估计指
6、导思想能转换成线性模型的都转换成线性模型，用线性最小二乘法进行参数估计实在不能转换成线性的，就用迭代法进行参数估计 第18页/共71页常用非线性模型常用非线性模型模型变换变换后模型参数估计方法线性最小二乘估计线性最小二乘估计迭代法迭代法迭代法第19页/共71页例例4.2：对上海证券交易所每月末上证指数序列进行模型拟合对上海证券交易所每月末上证指数序列进行模型拟合 第20页/共71页非线性拟合非线性拟合模型变换参数估计方法线性最小二乘估计拟合模型口径第21页/共71页拟合效果图拟合效果图第22页/共71页平滑法平滑法平滑法是进行趋势分析和预测时常用的一种方法。它是利用修匀技术，削弱短期随机波动对
7、序列的影响，使序列平滑化，从而显示出长期趋势变化的规律 常用平滑方法移动平均法指数平滑法第23页/共71页移动平均法移动平均法基本思想假定在一个比较短的时间间隔里，序列值之间的差异主要是由随机波动造成的。根据这种假定，我们可以用一定时间间隔内的平均值作为某一期的估计值 分类n期中心移动平均n期移动平均第24页/共71页n期中心移动平均期中心移动平均5期中心移动平均第25页/共71页n期移动平均期移动平均5期移动平均第26页/共71页移动平均期数确定的原则移动平均期数确定的原则事件的发展有无周期性以周期长度作为移动平均的间隔长度，以消除周期效应的影响对趋势平滑的要求移动平均的期数越多，拟合趋势越
8、平滑对趋势反映近期变化敏感程度的要求 移动平均的期数越少，拟合趋势越敏感第27页/共71页移动平均预测移动平均预测第28页/共71页例例4.3某一观察值序列最后4期的观察值为：5，5.5，5.8，6.2（1）使用4期移动平均法预测 。（2）求在二期预测值 中 前面的系数等于多少？第29页/共71页例例4.3解解（1）（2）在二期预测值中 前面的系数等于 第30页/共71页指数平滑法指数平滑法指数平滑方法的基本思想在实际生活中，我们会发现对大多数随机事件而言，一般都是近期的结果对现在的影响会大些，远期的结果对现在的影响会小些。为了更好地反映这种影响作用，我们将考虑到时间间隔对事件发展的影响，各期
9、权重随时间间隔的增大而呈指数衰减。这就是指数平滑法的基本思想 分类简单指数平滑Holt两参数指数平滑第31页/共71页简单指数平滑简单指数平滑基本公式等价公式第32页/共71页经验确定经验确定初始值的确定平滑系数的确定一般对于变化缓慢的序列，常取较小的值对于变化迅速的序列，常取较大的值第33页/共71页简单指数平滑预测简单指数平滑预测一期预测值二期预测值 期预测值第34页/共71页例例4.4对某一观察值序列 使用指数平滑法。已知 ，平滑系数 (1)求二期预测值 。(2)求在二期预测值 中 前面的系数等于多少？第35页/共71页例例4.4解解（1）（2）所以使用简单指数平滑法二期预测值中 前面的
10、系数就等于平滑系数第36页/共71页Holt两参数指数平滑两参数指数平滑使用场合适用于对含有线性趋势的序列进行修匀 构造思想假定序列有一个比较固定的线性趋势 两参数修匀第37页/共71页初始值的确定初始值的确定平滑序列的初始值趋势序列的初始值第38页/共71页Holt两参数指数平滑预测两参数指数平滑预测 期预测值第39页/共71页例例4.5对北京市19782000年报纸发行量序列进行Holt两参数指数平滑。指定第40页/共71页例例4.5平滑效果图平滑效果图第41页/共71页4.3 季节效应分析季节效应分析【例4.6】以北京市1995年2000年月平均气温序列为例，介绍季节效应分析的基本思想和
11、具体操作步骤。第42页/共71页时序图时序图第43页/共71页本章结构本章结构时间序列的分解时间序列的分解1.确定性因素分解确定性因素分解2.趋势分析趋势分析3.季节效应分析季节效应分析4.综合分析综合分析5.X-11过程过程6.第44页/共71页季节指数季节指数季节指数的概念所谓季节指数就是用简单平均法计算的周期内各时期季节性影响的相对数 季节模型第45页/共71页季节指数的计算季节指数的计算计算周期内各期平均数计算总平均数计算季节指数第46页/共71页季节指数的理解季节指数的理解季节指数反映了该季度与总平均值之间的一种比较稳定的关系如果这个比值大于1，就说明该季度的值常常会高于总平均值如果
12、这个比值小于1，就说明该季度的值常常低于总平均值如果序列的季节指数都近似等于1，那就说明该序列没有明显的季节效应 第47页/共71页例例4.6季节指数的计算季节指数的计算第48页/共71页例例4.6季节指数图季节指数图第49页/共71页本章结构本章结构时间序列的分解时间序列的分解1.确定性因素分解确定性因素分解2.趋势分析趋势分析3.季节效应分析季节效应分析4.综合分析综合分析5.X-11过程过程6.第50页/共71页综合分析综合分析常用综合分析模型加法模型乘法模型混合模型第51页/共71页例例4.7对1993年2000年中国社会消费品零售总额序列（数据见附录1.11）进行确定性时序分析。第5
13、2页/共71页(1)绘制时序图绘制时序图第53页/共71页(2)选择拟合模型选择拟合模型长期递增趋势和以年为固定周期的季节波动同时作用于该序列，因而尝试使用混合模型（b）拟合该序列的发展第54页/共71页(3)计算季节指数计算季节指数月份季节指数月份季节指数10.98270.92920.94380.94030.92091.00140.911101.05450.925111.10060.951121.335第55页/共71页季节指数图季节指数图第56页/共71页季节调整后的序列图季节调整后的序列图第57页/共71页(4)拟合长期趋势拟合长期趋势第58页/共71页(5)残差检验残差检验第59页/共
14、71页(6)短期预测短期预测第60页/共71页本章结构本章结构时间序列的分解时间序列的分解1.确定性因素分解确定性因素分解2.趋势分析趋势分析3.季节效应分析季节效应分析4.综合分析综合分析5.X-11过程过程6.第61页/共71页X-11过程过程简介X-11过程是美国国情调查局编制的时间序列季节调整过程。它的基本原理就是时间序列的确定性因素分解方法 因素分解长期趋势起伏季节波动不规则波动交易日影响模型加法模型乘法模型第62页/共71页方法特色方法特色普遍采用移动平均的方法用多次短期中心移动平均消除随机波动用周期移动平均消除趋势用交易周期移动平均消除交易日影响 第63页/共71页例例4.7续续对1993年2000年中国社会消费品零售总额序列使用X-11过程进行季节调整 选择模型（无交易日影响）第64页/共71页X11过程获得的季节指数图过程获得的季节指数图 第65页/共71页季节调整后的序列图季节调整后的序列图第66页/共71页趋势拟合图趋势拟合图 第67页/共71页随机波动序列图随机波动序列图第68页/共71页本章上机指导本章上机指导拟合线性趋势拟合非线性趋势X-11过程第69页/共71页第70页/共71页感谢您的观看！第71页/共71页