xxxx預(yù)測-第5講(時(shí)間序列分析)-2-文庫吧資料
2025-02-26 15:09本頁面
【正文】 ?加法模型 。 表示把時(shí)間序列中的長期趨勢 、 季節(jié)趨勢和循環(huán)趨勢都去除后余下的部分 。 例如：總體經(jīng)濟(jì)指標(biāo)的循環(huán)就是由各個(gè)產(chǎn)業(yè)的循環(huán)組合而成 。 35 ?循環(huán)趨勢 ， 記為 C。 表示由于受到季節(jié)因素或某些習(xí)俗的影響 ， 而出現(xiàn)的有規(guī)則的變化規(guī)律。 例如：全球人口總數(shù)隨著時(shí)間推移 ， 正在逐步增長；人口死亡率出現(xiàn)長期向下的趨勢 。 1. 時(shí)間序列的 4種成分 2. 季節(jié)分解模型的種類 34 1. 時(shí)間序列的 4種成分 ?長期趨勢 ， 記為 T。但并不是所有的時(shí)間序列都會(huì)同時(shí)含有這 4種變動(dòng)因素 。 20 21 ARIMA模型的應(yīng)用舉例 ? 利用 1950年～ 1990年的天津食品消費(fèi)數(shù)據(jù) ，分析這段時(shí)間內(nèi)的人均生活費(fèi)用年收入的變化情況 。 局部趨勢 :局部的線性異常值 。 瞬時(shí)的 :對后續(xù)觀測的影響程度 ,按指數(shù)水平衰減至0的異常值 。 移動(dòng)水平 :由數(shù)據(jù)的水平移動(dòng)引起的異常值 。 4) 若要對序列進(jìn)行變換后再建模 ， 可在 轉(zhuǎn)換框中選擇變換方式 。 2) 把待分析的變量選擇到 因變量 框中。 ? 第 2和 3步過程通常需要不斷反饋 、 逐漸完善的過程 。 ?預(yù)測 。 14 ?參數(shù)估計(jì)和模型診斷 。 模型的偏自相關(guān)函數(shù)不能在某一步之后為零 截尾 ,而是 按指數(shù) 或呈正弦波形式 衰減 稱其具有拖尾性(2) MA模型 10 ? ?? ?? ?1 1 2 21 1 2 2.......,.t t t p t pt t t q t q tkx x x xt x k tAR M A p qAR M A p q? ? ?? ? ? ? ? ? ? ?? ? ?? ? ?? ? ? ?? ? ? ? ??自回歸移動(dòng)平均模型是自回歸模型與移動(dòng)平均模型的綜合,其一 般形式為:, 其中 為白噪音序列,且和 時(shí)刻之前的原始序列 互不相關(guān)記為 .模型的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)都具有拖尾性(3) ARMA模型 11 (4) ARIMA(p,d,q)模型 ? ?, , ,.AR I M A p d qd當(dāng)序列中存在趨勢時(shí),可通過某些階數(shù)的差分處理 的序列被稱為是一種準(zhǔn)平穩(wěn)的序列,而相 應(yīng)的分析模型概括為其中 表示平穩(wěn)化過程中差分的階數(shù)12 (5) ARIMA(p,d,q)(P,D,Q)s模型 ? ? ? ?, , , ,sAR I M A p d q P D QPQDs當(dāng)序列中同時(shí)存在趨勢性和季節(jié)性的周期和趨勢時(shí),需要 用 模型.其中 為季節(jié)性的自回歸和移動(dòng)平均階數(shù)為季節(jié)差分的階數(shù), 為季節(jié)周期.13 3. 建立 ARIMA模型的一般步驟 ?通過 差分或其它變換 ， 使時(shí)間序列滿足平穩(wěn)性的要求； ?模型識別 。 ?自回歸移動(dòng)平均 (ARMA)模型 . 8 ? ? ? ?? ?? ?? ? ? ?1 1 2 2....,.t t t p t p tttkx x x xx t ptxk t p AR pAR p pAR p? ? ? ??? ? ?? ? ? ? ??自回歸模型的一般形式為:, 體現(xiàn)了時(shí)間序列 的某個(gè)時(shí)刻 和它之前 個(gè)時(shí)刻的相互聯(lián)系. 其中 為白噪聲序列,且和 時(shí)刻之前的原始序列互不相關(guān)此式稱為 階自回歸模型,記為模型的偏自相關(guān)函數(shù)在 階之后應(yīng)為零,稱其具有截尾性。 根據(jù)參數(shù)個(gè)數(shù)的不同 ，ARIMA模型可分為如下幾個(gè)基本類型： ?自回歸 (AR)模型 。 ? ?? ?11
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號-1