非平穩(wěn)序列的確定性分析

非平穩(wěn)序列的確定性分析第1頁，共68頁，2023年，2月20日，星期四本章結構時間序列的分解確定性因素分解趨勢分析季節(jié)效應分析綜合分析X－11過程2第2頁，共68頁，2023年，2月20日，星期四4.1時間序列的分解Wold分解定理Cramer分解定理3第3頁，共68頁，2023年，2月20日，星期四Wold分解定理（1938）對于任何一個離散平穩(wěn)過程它都可以分解為兩個不相關的平穩(wěn)序列之和，其中一個為確定性的，另一個為隨機性的，不妨記作其中：為確定性序列，為隨機序列，它們需要滿足如下條件（1）（2）

（3）4第4頁，共68頁，2023年，2月20日，星期四確定性序列與隨機序列的定義對任意平穩(wěn)序列而言，令關于q期之前的序列值作線性回歸其中為回歸殘差序列，。確定性序列，若隨機序列，若5第5頁，共68頁，2023年，2月20日，星期四ARMA模型分解確定性序列隨機序列6第6頁，共68頁，2023年，2月20日，星期四Cramer分解定理（1961）任何一個時間序列都可以分解為兩部分的疊加：其中一部分是由多項式?jīng)Q定的確定性趨勢成分，另一部分是平穩(wěn)的零均值誤差成分，即確定性影響隨機性影響7第7頁，共68頁，2023年，2月20日，星期四對兩個分解定理的理解Wold分解定理說明任何平穩(wěn)序列都可以分解為確定性序列和隨機序列之和。它是現(xiàn)代時間序列分析理論的靈魂，是構造ARMA模型擬合平穩(wěn)序列的理論基礎。Cramer分解定理是Wold分解定理的理論推廣，它說明任何一個序列的波動都可以視為同時受到了確定性影響和隨機性影響的綜合作用。平穩(wěn)序列要求這兩方面的影響都是穩(wěn)定的，而非平穩(wěn)序列產(chǎn)生的機理就在于它所受到的這兩方面的影響至少有一方面是不穩(wěn)定的。8第8頁，共68頁，2023年，2月20日，星期四4.2確定性因素分解因素分解1長期趨勢循環(huán)波動季節(jié)性變化隨機波動因素分解2長期趨勢波動季節(jié)性變化隨機波動當研究關注的是某個或某些特定周期的循環(huán)波動特征時(例如經(jīng)濟周期研究一般關注的是8~32個季度為周期的經(jīng)濟波動)，需要特別的提取循環(huán)波動因素。9第9頁，共68頁，2023年，2月20日，星期四確定性時序分析的目的克服其它因素的影響，單純測度出某一個確定性因素(趨勢、循環(huán)或季節(jié)效應)對序列的影響推斷出各種確定性因素彼此之間的相互作用關系及它們對序列的綜合影響(加法還是乘法)在確定性影響很強勁而不確定性影響很微弱時，選擇合適的確定性模型通?？梢缘玫讲诲e的分析預測結果。[P126]10第10頁，共68頁，2023年，2月20日，星期四4.3趨勢分析目的有些時間序列具有非常顯著的趨勢，我們分析的目的就是要找到序列中的這種趨勢，并利用這種趨勢對序列的發(fā)展作出合理的預測

常用方法趨勢擬合法平滑法11第11頁，共68頁，2023年，2月20日，星期四趨勢擬合法趨勢擬合法就是把時間作為自變量，相應的序列觀察值作為因變量，建立序列值隨時間變化的回歸模型的方法

分類線性擬合非線性擬合趨勢不一定都是一條直線，也可能是一條曲線。12第12頁，共68頁，2023年，2月20日，星期四線性擬合使用場合長期趨勢呈現(xiàn)出線形特征模型結構就是擬合的線性趨勢，是隨機波動。13第13頁，共68頁，2023年，2月20日，星期四例4.1:擬合澳大利亞政府1981——1990年每季度的消費支出序列

14第14頁，共68頁，2023年，2月20日，星期四線性擬合模型參數(shù)估計方法最小二乘估計參數(shù)估計值15第15頁，共68頁，2023年，2月20日，星期四擬合效果圖16第16頁，共68頁，2023年，2月20日，星期四非線性擬合使用場合長期趨勢呈現(xiàn)出非線性特征

參數(shù)估計指導思想能轉換成線性模型的都轉換成線性模型，用線性最小二乘法進行參數(shù)估計實在不能轉換成線性的，就用迭代法進行參數(shù)估計

17第17頁，共68頁，2023年，2月20日，星期四常用非線性模型模型變換變換后模型參數(shù)估計方法線性最小二乘估計線性最小二乘估計－－迭代法－－迭代法－－迭代法18第18頁，共68頁，2023年，2月20日，星期四例4.2：對上海證券交易所每月末上證指數(shù)序列進行模型擬合

19第19頁，共68頁，2023年，2月20日，星期四非線性擬合模型變換參數(shù)估計方法線性最小二乘估計擬合模型口徑20第20頁，共68頁，2023年，2月20日，星期四擬合效果圖21第21頁，共68頁，2023年，2月20日，星期四平滑法平滑法是進行趨勢分析和預測時常用的一種方法。它是利用修勻技術，削弱短期隨機波動對序列的影響，使序列平滑化，從而顯示出長期趨勢變化的規(guī)律

常用平滑方法移動平均法指數(shù)平滑法22第22頁，共68頁，2023年，2月20日，星期四移動平均法基本思想假定在一個比較短的時間間隔里，序列的取值是比較穩(wěn)定的，序列值之間的差異主要是由隨機波動造成的。根據(jù)這種假定，我們可以用一定時間間隔內(nèi)的平均值作為某一期的估計值

分類n期中心移動平均n期移動平均23第23頁，共68頁，2023年，2月20日，星期四n期中心移動平均5期中心移動平均24第24頁，共68頁，2023年，2月20日，星期四n期移動平均5期移動平均25第25頁，共68頁，2023年，2月20日，星期四移動平均期數(shù)確定的原則事件的發(fā)展有無周期性以周期長度作為移動平均的間隔長度，以消除周期效應的影響對趨勢平滑的要求移動平均的期數(shù)越多，擬合趨勢越平滑，表現(xiàn)出的長期趨勢越清晰對趨勢反映近期變化敏感程度的要求

用移動平均方法確定事件的發(fā)展趨勢具有一定的滯后性，移動平均的期數(shù)越多，滯后性越大。移動平均的期數(shù)越少，擬合趨勢對近期變化的反應越敏感26第26頁，共68頁，2023年，2月20日，星期四移動平均預測在預測領域，n期移動平均還是一種常用的預測方法27第27頁，共68頁，2023年，2月20日，星期四例4.3某一觀察值序列最后4期的觀察值為：5，5.5，5.8，6.2（1）使用4期移動平均法預測。（2）求在二期預測值中前面的系數(shù)等于多少？28第28頁，共68頁，2023年，2月20日，星期四例4.3解（1）（2）在二期預測值中前面的系數(shù)等于

29第29頁，共68頁，2023年，2月20日，星期四指數(shù)平滑法指數(shù)平滑方法的基本思想在實際生活中，我們會發(fā)現(xiàn)對大多數(shù)隨機事件而言，一般都是近期的結果對現(xiàn)在的影響會大些，遠期的結果對現(xiàn)在的影響會小些。為了更好地反映這種影響作用，我們將考慮到時間間隔對事件發(fā)展的影響，各期權重隨時間間隔的增大而呈指數(shù)衰減。這就是指數(shù)平滑法的基本思想

分類簡單指數(shù)平滑Holt兩參數(shù)指數(shù)平滑30第30頁，共68頁，2023年，2月20日，星期四簡單指數(shù)平滑基本公式等價公式31第31頁，共68頁，2023年，2月20日，星期四經(jīng)驗確定初始值的確定平滑系數(shù)的確定一般對于變化緩慢的序列，常取較小的值對于變化迅速的序列，常取較大的值經(jīng)驗表明的值介于0.05至0.3之間，修勻效果比較好。32第32頁，共68頁，2023年，2月20日，星期四簡單指數(shù)平滑預測一期預測值二期預測值期預測值33第33頁，共68頁，2023年，2月20日，星期四例4.4對某一觀察值序列使用指數(shù)平滑法。已知，，平滑系數(shù)

(1)求二期預測值。

(2)求在二期預測值中前面的系數(shù)等于多少？34第34頁，共68頁，2023年，2月20日，星期四例4.4解（1）（2）

所以使用簡單指數(shù)平滑法二期預測值中前面的系數(shù)就等于平滑系數(shù)35第35頁，共68頁，2023年，2月20日，星期四Holt兩參數(shù)指數(shù)平滑使用場合適用于對含有線性趨勢的序列進行修勻

構造思想假定序列有一個比較固定的線性趨勢

兩參數(shù)修勻其中0<α，γ<1稱為平滑系數(shù)或平滑參數(shù)。36第36頁，共68頁，2023年，2月20日，星期四初始值的確定平滑序列的初始值趨勢序列的初始值37第37頁，共68頁，2023年，2月20日，星期四Holt兩參數(shù)指數(shù)平滑預測期預測值38第38頁，共68頁，2023年，2月20日，星期四例4.5對北京市1978——2000年報紙發(fā)行量序列進行Holt兩參數(shù)指數(shù)平滑。指定39第39頁，共68頁，2023年，2月20日，星期四例4.5平滑效果圖40第40頁，共68頁，2023年，2月20日，星期四4.4季節(jié)效應分析【例4.6】以北京市1995年——2000年月平均氣溫序列為例，介紹季節(jié)效應分析的基本思想和具體操作步驟。

41第41頁，共68頁，2023年，2月20日，星期四時序圖42第42頁，共68頁，2023年，2月20日，星期四季節(jié)指數(shù)季節(jié)指數(shù)的概念所謂季節(jié)指數(shù)就是用簡單平均法計算的周期內(nèi)各時期季節(jié)性影響的相對數(shù)

季節(jié)模型43第43頁，共68頁，2023年，2月20日，星期四季節(jié)指數(shù)的計算計算周期內(nèi)各期(例如，各月)平均數(shù)計算總平均數(shù)計算季節(jié)指數(shù)44第44頁，共68頁，2023年，2月20日，星期四時序圖45第45頁，共68頁，2023年，2月20日，星期四季節(jié)指數(shù)的理解季節(jié)指數(shù)反映了該季度與總平均值之間的一種比較穩(wěn)定的關系如果這個比值大于1，就說明該季度的值常常會高于總平均值如果這個比值小于1，就說明該季度的值常常低于總平均值如果序列的季節(jié)指數(shù)都近似等于1，那就說明該序列沒有明顯的季節(jié)效應

46第46頁，共68頁，2023年，2月20日，星期四例4.6季節(jié)指數(shù)的計算47第47頁，共68頁，2023年，2月20日，星期四例4.6季節(jié)指數(shù)圖48第48頁，共68頁，2023年，2月20日，星期四綜合分析常用綜合分析模型加法模型乘法模型混合模型49第49頁，共68頁，2023年，2月20日，星期四綜合分析常用綜合分析模型加法模型乘法模型50第50頁，共68頁，2023年，2月20日，星期四例4.7對1993年——2000年中國社會消費品零售總額序列（數(shù)據(jù)見附錄1.11）進行確定性時序分析。51第51頁，共68頁，2023年，2月20日，星期四(1)繪制時序圖52第52頁，共68頁，2023年，2月20日，星期四(2)選擇擬合模型長期遞增趨勢和以年為固定周期的季節(jié)波動同時作用于該序列，因而嘗試使用混合模型（b）擬合該序列的發(fā)展53第53頁，共68頁，2023年，2月20日，星期四(3)計算季節(jié)指數(shù)月份季節(jié)指數(shù)月份季節(jié)指數(shù)10.98270.92920.94380.94030.92091.00140.911101.05450.925111.10060.951121.33554第54頁，共68頁，2023年，2月20日，星期四季節(jié)指數(shù)圖55第55頁，共68頁，2023年，2月20日，星期四季節(jié)調(diào)整后的序列圖56第56頁，共68頁，2023年，2月20日，星期四(4)擬合長期趨勢57第57頁，共68頁，2023年，2月20日，星期四(5)殘差檢驗58第58頁，共68頁，2023年，2月20日，星期四(6)短期預測59第59頁，共68頁，2023年，2月20日，星期四X-11過程簡介X-11過程是美國國情調(diào)查局編制的時間序列季節(jié)調(diào)整過程。它的基本原理就是時間序列的確定性因素分解方法

因素分解長期趨勢起伏季節(jié)波動不規(guī)則波動交易日影響模型加法模型乘法模型60第60頁，共68頁，2023年，2月20日，星期四方法特色普遍采用移動平均的方法用多次短期中心移動平均消除隨機波動用周期移動平均消除趨勢用交易周期移動平均消除交易日影響

61第61頁，共68頁，2023年，2月20日，星期四例4.7續(xù)對1993年——2000年中國社會消費品零售總額序列使用X-11過程進行季節(jié)調(diào)整

選擇模型（無交易日影響）62第62頁，共68頁，2023年，2月20日，星期四X-11季節(jié)調(diào)整方法的發(fā)展季節(jié)調(diào)整的問題首先是由美國經(jīng)濟學家1919年提出的1931年麥考利(Macauley)提出了用移動平均比率法進行季節(jié)調(diào)整，成為季節(jié)調(diào)