時間序列分析是一種動態數據處理的統計方法。該方法基於隨機過程理論和數理統計學方法,研究隨機數據序列所遵從的統計變化規律,以用於解決實際問題。通常影響時間序列變化的4個要素如下:
- 長期趨勢(T):是時間序列在長時期內呈現出來的持續向上或持續向下的變動。
- 季節變動(S):是時間序列在一年內重複出現的週期性波動。
- 循環波動©:是時間序列呈現出得非固定長度的週期性變動。
- 隨機因素(I):是時間序列中除去長期趨勢、季節變動和循環波動之後的隨機波動。不規則波動通常總是夾雜在時間序列中,致使時間序列產生一種波浪形或震盪式的變動。
時間序列的分類
時間序列可以分爲平穩序列和非平穩序列。
平穩序列是指基本上不存在長期趨勢的序列,各觀測值基本上在某個固定的水平上波動,或雖有波動,但並不存在某種規律,而其波動可以看成是隨機的。或者說只含有隨機波動的序列稱爲平穩序列。
非平穩序列是指有長期趨勢、季節性和循環波動的複合型序列,其趨勢可以是線性的,也可以是非線性的。
時間序列平穩性判別方法
平穩時間序列有三要求:
-
存在固定的期望,換句話說,前100個數字串和前1000個數字串他們的期望是一樣的,或者說,統計學上可以容忍爲一樣的。
-
存在固定的方差。所謂固定,和前面的均值含義一樣。
-
滯後序列之間的協方差是固定的, 所謂固定含義與前面一樣,方差只與時間間隔有關。
滿足上述三個條件的,就是我們說的平穩時間序列了。
平穩條件
- 序列的均值應該是一個常數,而不是隨時間變化的函數。下圖中左圖滿足要求,而右圖的均值是隨時間而變化的。
- ,序列的方差爲一個常數,而不隨時間的變化而變化
- 序列協方差的值只與時間間隔有關,與時間無關
時間序列建摸的兩種基本假設
確定性時間序列模型假設:時間序列是由一個確定性過程產生的,這個確定性過程往往可以用時間t的函數,(如)來表示,時間序列中的每一個觀測值是由這個確定性過程和隨機因素決定的。
隨機性時間序列模型假設:經濟變量的變化過程是一個隨機過程,時間序列是由該隨機過程產生的一個樣本。因此,時間序列具有隨機性質,可以表示成隨機項的線性組合,即可以用分析隨機過程的方法建立時間序列模型。
分析方法
平穩序列預測
簡單移動平均法
簡單移動平均是對最近期的統計數值作爲觀察值,求出算術平均數作爲下期預測值。設時間序列已有的期觀察值爲,則期預測值爲
指數平滑法
通過對過去觀察值加權平均作爲下期預測值,有一次指數平滑法,二次指數平滑法,三次指數平滑法等。
一次指數平滑是將一段時期的預測值與觀察值的線性組合作爲期預測值。
複合型序列預測
複合型序列指的是含有,趨勢,季節,週期和隨機成分的序列。處理這類問題常用方法是分解各個因素,常採用的分解模型是,
- 第1步:確定並分離季節成分。計算季節指數,以確定時間序列中的季節成分。然後將季節成分從時間列中分離出去,即用每一個時間序列觀察值除以相應的季節指數以消除季節性。
- 第2步:建立預測模型並進行預測。對消除了季節成分的時間序列建立適當預測模型,並根據這一模型進行預測。
- 第3步:計算最後的預測值。用預測值乘以相應的季節指數,得到最終的預測值。