时间序列相关知识

耗尽温柔 提交于 2020-03-08 11:40:19

1 基本概念

在这里插入图片描述

  • 时间序列(times series):同一现象在不同时间上的相继观察值排列而成的序列。
  • 平稳序列(stationary series):基本上不存在趋势的序列
  • 非平稳序列(non-stationary series):包含趋势、季节性和周期性的序列,可能只含其中一种成分,也可能是其中几种成分的组合
  • 趋势(trend):时间序列在长时期内呈现出来的某种持续上升或持续下降的变动,也称长期趋势。
  • 季节性(seasonality) 也称季节变动(seasonal fluctuation):是时间序列在一年内重复出现的周期性波动。
  • 周期性(cyclicity) 也称循环波动(cyclical fluctuation): 是时间序列中呈现出来的围绕长期趋势的一种波浪形或振荡式变动。

2 平稳序列的预测

平稳时间序列的预测方法有:简单平均法、移动平均法和指数平滑法

  • 简单平均法:根据已有的 t 期观察值通过简单平均来预测下一期的数值。

    设时间序列已有的 t 期观察值为 Y1,Y2,…,Yt,则 t+1 期的预测值 Ft+1 为:

    Ft+1=1t(Y1+Y2++Yt)=1ti=1tYiF_{t+1}=\frac{1}{t}\left(Y_{1}+Y_{2}+\cdots+Y_{t}\right)=\frac{1}{t} \sum_{i=1}^{t} Y_{i}

    则 t+2 期的预测值 Ft+2 为:

    Ft+2=1t+1(Y1+Y2++Yt+1)=1t+1i=1t+1YiF_{t+2}=\frac{1}{t+1}\left(Y_{1}+Y_{2}+\cdots+Y_{t+1}\right)=\frac{1}{t+1} \sum_{i=1}^{t+1} Y_{i}

  • 移动平均法:通过对时间序列逐期递移求得平均数作为预测值的一种预测方法,有简单移动平均法和加权移动平均法。

    简单移动平均是将最近的 k 期数据加以平均,作为下一期的预测值。设移动间隔为 k (1<k<t),则 t+1 期的简单移动平均值为:

    Ft+1=Yˉt=Ytk+1+Ytk+2++Yt1+YtkF_{t+1}=\bar{Y}_{t}=\frac{Y_{t-k+1}+Y_{t-k+2}+\cdots+Y_{t-1}+Y_{t}}{k}

    t+2 期的简单移动平均值为:

    Ft+2=Yˉt+1=Ytk+2+Ytk+3++Yt+Yt+1kF_{t+2}=\bar{Y}_{t+1}=\frac{Y_{t-k+2}+Y_{t-k+3}+\cdots+Y_{t}+Y_{t+1}}{k}

  • 指数平滑法:通过对过去的观察值加权平均进行预测的一种方法,该方法使 t+1 期的预测值等于 t 期的实际观察值与 t 期的预测值的加权平均值。指数平滑法是加权平均的一种特殊形式,观察值时间越远,其权数也跟着呈现指数下降,因而称为指数平滑。指数平滑法有一次指数平滑法、二次指数平滑法、三次指数平滑法等。

    一次指数平滑法:将一段时期的预测值与观察值的线性组合作为 t+1 期的预测值:

    Ft+1=αYt+(1α)FtF_{t+1}=\alpha Y_{t}+(1-\alpha) F_{t}

    式中,Y 为 t 期的实际观察值; F 为 t 期的预测值; a 为平滑系数(0<a<1)。

3 趋势性序列的预测

在这里插入图片描述

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!