文档介绍：第4章确定型时间序列预测方法
时间序列与时序分析
移动平均法
指数平滑法
时间序列的分解法
季节指数法
大类
具体方法
解释
条件
定性分析
专家意见汇总法
利用来自信息源的主观数据
当相关历史数据很少或根本不存在时。
头脑风暴法
Delphi法
历史类推法
远景方案论述法
直观法
时间序列
趋势外推法
只利用被预测变量的历史数据找出运动模式
当被预测变量的历史数据显示出某种运动模式时
移动平均法
指数平滑法
季节指数法
Markov预测法
自回归模型
因果
回归模型
假设被预测变量和解释变量间存在某种关系
被预测变量和被认为影响它的变量的历史数据都存在
计量经济学模型
优势指标法
相关模型
投入产出模型
时间序列与时序分析
1、时间序列(time series)与时序分析
时间序列是指观察或记录到的一组按时间顺序排列的数据,常表示为
如:
某产品一定时期内的销售额;
40岁的成年人每月的体重;
某地区人均收入的历史数据。
Xi 为一定时间段内相等间隔点上记录的预测变量的数值。
省/市
北京
天津
辽宁
上海
江苏
浙江
湖北
湖南
广东
重庆
四川
陕西
工业增加值/亿元
126

153

2006年2月一些省市的工业增加值
不是时间序列
2、时间序列的特征
含有长期趋势因素
(ponent)
含有季节变动因素
(ponent )
显示了一个变量较长时期的变化趋势
变量在一年中规则的上升和下降,并且每年如此
含有循环变动因素
(ponent)
含有不规则变动因素
(ponent )
时间坐标若不是季度,就是年
时间变量在数年的时间内呈规则变化,时间通常是2~10年
不能归因于其他三种成分的时间序列的变化
这四种因素对时间序列变化的影响有两种基本假设→
往往,一个时间序列,是由四种因素(T、S、C、I)综合作用的结果。
例如:商品房/小汽车在若干年内的季度销售量统计
乘积形式:X=T×S ×C ×I
和的形式:X=T + S + C + I
3、时序分析
局限性:转折点与预测
克服:定性与定量相结合
含义:时间序列的各数据之间存在必然的联系。时序分析就是要揭示这种联系的规律,达到预测现象未来趋势的目的。
简而言之,时序分析是只利用时间序列的历史数据来预测此变量的未来值。
主要依据:连贯性原理。
实质:特征的识别。在此基础上建立数学模型,形成一系列时间序列预测方法。
时间序列分析是一种简化。
背景:
……
……
平均法
移动
?