【正文】 （4）時間序列是一種精確度很高的短期預(yù)測方法，而且既可以做點預(yù)測，也可以做區(qū)間預(yù)測。反復(fù)這個過程，可在基本模式方面獲得一個最優(yōu)預(yù)測模型，使誤差為最小。（3）應(yīng)用隨機時間序列分析時，無需一開始就假設(shè)一個固定的模式，而是先假設(shè)一個試用模式，然后根據(jù)誤差等各種信息來判斷初步假設(shè)的模式是否恰當。六、時間序列的優(yōu)、缺點1. 優(yōu)點（1）時間序列預(yù)測法只需要一個變量在不同時刻的觀測值即可建模，因而得到廣泛應(yīng)用。二是實際預(yù)測誤差，即在選用預(yù)測方案之后，追蹤、檢查預(yù)測方案的結(jié)果是否合乎實際的情況，分析預(yù)測誤差的大小以及所造成的原因，總結(jié)經(jīng)驗教訓(xùn)，進一步改進今后的預(yù)測工作。對預(yù)測結(jié)果的評價主要是通過對預(yù)測誤差的分析進行的。5. 預(yù)測和結(jié)果評價進行預(yù)測時，不能簡單地依靠某一理論或套用某一模型加以預(yù)測，要綜合考慮各方面的情況，因為實際情況錯綜復(fù)雜，影響因素眾多。（2）觀察其統(tǒng)計圖形的大致走勢，是否具有趨勢性、季節(jié)性、周期性或隨機性的特征，以初步判斷這個序列適用哪種時序預(yù)測模型。這種沖擊或誤差造成的結(jié)果可能是結(jié)構(gòu)性突變，在統(tǒng)計圖形上就表現(xiàn)為突然的持續(xù)上漲或下降。（1）觀察統(tǒng)計圖形是否具有大的波動，如果存在，可能是數(shù)據(jù)采樣時的誤差，也可能是某些經(jīng)濟、政治等偶然性因素的沖擊。此外，還要對序列中每一個數(shù)據(jù)的指標口徑、計算范圍、計算方法、計量單位等進行認真檢查，若存在不一致，則要運用科學(xué)的方法進行調(diào)整，使整個序列中的每一個數(shù)據(jù)除時間屬性不同之外，其所代表的實際意義完全一致。這些方式既完善了數(shù)據(jù)，也不會使數(shù)據(jù)信息喪失太多。嚴格來說，不能依據(jù)一個“殘缺”的序列進行分析，即使強制進行了分析，其結(jié)果也是無意義的。為保證統(tǒng)計資料的準確性，必須對資料進行審核、調(diào)整和推算。2. 收集資料并進行數(shù)據(jù)的預(yù)處理準確調(diào)查的統(tǒng)計資料是統(tǒng)計預(yù)測的基礎(chǔ)。有了明確具體的預(yù)測目標，才能有的放矢地收集資料。時間序列預(yù)測方法的一般步驟為：1. 確定預(yù)測目標明確預(yù)測的目標是進行有效預(yù)測的前提。隨機時序分析以隨機過程理論作為其數(shù)學(xué)基礎(chǔ)，通過對時序數(shù)據(jù)進行分析，完成對時序系統(tǒng)的預(yù)測、建模和控制。2. 隨機時間序列分析若一個時間序列的未來值只能用概率分布加以描述，則稱之為非確定性的時間序列或稱隨機時間序列。1. 確定性時序分析若一個時間序列的未來值被某一個數(shù)學(xué)函數(shù)嚴格確定，例如：這種形式，則稱該時間序列為確定性的。對于一些非高斯序列，往往可以通過適當?shù)淖儞Q，可近似地看成是高斯型時間序列。4. 按序列的分布規(guī)律可分為高斯型時間序列和非高斯時間序列。如果序列的一、二階矩存在，而且對任意時刻滿足:（1）均值為常數(shù)（2）協(xié)方差為時間間隔的函數(shù)則稱該序列為寬平穩(wěn)時間序列，也叫廣義平穩(wěn)時間序列。3. 按序列的統(tǒng)計特性可分為平穩(wěn)時間序列和非平穩(wěn)時間序列兩類。如果某一序列中的每一個序列值所對應(yīng)的時間參數(shù)為間斷點，則該序列就是一個離散時間序列。多變量時間序列不僅描述了各個變量的變化規(guī)律，而且還表示了各變量間相互依存關(guān)系的動態(tài)規(guī)律性。如果所研究的對象是一個變量，如某個國家的國內(nèi)生產(chǎn)總值，即為單變量時間序列。當時間序列的特征在所有的離散狀態(tài)都不一樣時，就成為機制轉(zhuǎn)換特性。其中狀態(tài)依賴意味著時間序列的特征依賴于其現(xiàn)時的狀態(tài)。5. 非線性對非線性的最好定義就是“線性以外的一切”。4. 條件異方差性所謂條件異方差性，表現(xiàn)出來就是異常數(shù)據(jù)觀測值成群地出現(xiàn)，故也稱為“波動積聚性”。異常觀測值的出現(xiàn)往往是由于某些不可抗拒的外部條件的影響。通常，當某個季節(jié)的觀測值具有與其它季節(jié)的觀測值明顯不同的特征時，就稱之為季節(jié)性。2. 季節(jié)性/周期性當數(shù)據(jù)按照月或季觀測時，通常的情況是這樣的:時間序列會呈現(xiàn)出明顯的季節(jié)性。這種趨勢可能是向下的也可能是向上的，也許比較陡，也許比較平緩，或者是指數(shù)增長，或者近似線性。二、時間序列數(shù)據(jù)的特點通常，時間序列經(jīng)過合理的函數(shù)變換后都可以看作是由三個部分疊加而成，這三個部分是趨勢項部分、周期項部分和隨機項部分。一、時間序列預(yù)測法時間序列預(yù)測法就是通過編制和分析時間序列，根據(jù)時間序列所反應(yīng)出來的發(fā)展過程、方向和趨勢，進行類推或延伸，借以預(yù)測下一段時間或以后若干年內(nèi)可能達到的水平。時間序列一般用來表示，可以簡記為。時間序列分析在微觀經(jīng)濟計量模型、宏觀經(jīng)濟計量模型以及經(jīng)濟控制論中有廣泛的應(yīng)用。本章介紹其中的時間序列分析預(yù)測法。本篇對定性預(yù)測法不加以介紹，對后兩類方法選擇以下幾種介紹方法的原理、模型的建立和實際應(yīng)用，分別為：時間序列分析、微分方程模型、灰色預(yù)測模型、人工神經(jīng)網(wǎng)絡(luò)。20世紀三四十年代以來，隨著人類社會生產(chǎn)力水平的不斷提高和科學(xué)技術(shù)的迅猛發(fā)展，特別是近年來以計算機為主的信息技術(shù)的飛速發(fā)展，更進一步推動了預(yù)測技術(shù)在國民經(jīng)濟、社會發(fā)展和科學(xué)技術(shù)各個領(lǐng)域的應(yīng)用。根據(jù)社會、經(jīng)濟、科技的預(yù)測結(jié)論，人們可以調(diào)整發(fā)展戰(zhàn)略，制定管理措施，平衡市場供求，進行各種各樣的決策。第二篇 預(yù)測方法與模型預(yù)測是研究客觀事物未來發(fā)展方向與趨勢的一門科學(xué)。統(tǒng)計預(yù)測是以統(tǒng)計調(diào)查資料為依據(jù)，以經(jīng)濟、社會、科學(xué)技術(shù)理論為基礎(chǔ)，以數(shù)學(xué)模型為主要手段，對客觀事物未來發(fā)展所作的定量推斷和估計。預(yù)測也是制定政策，編制規(guī)劃、計劃，具體組織生產(chǎn)經(jīng)營活動的科學(xué)基礎(chǔ)。預(yù)測包含定性預(yù)測法、因果關(guān)系預(yù)測法和時間序列預(yù)測法三類。第五章 時間序列分析 在預(yù)測實踐中，預(yù)測者們發(fā)現(xiàn)和總結(jié)了許多行之有效的預(yù)測理論和方法，但以概率統(tǒng)計理論為基礎(chǔ)的預(yù)測方法目前仍然是最基本和最常用的方法。此方法是根據(jù)預(yù)測對象過去的統(tǒng)計數(shù)據(jù)找到其隨時間變化的規(guī)律，建立時間序列模型，以推斷未來數(shù)值的預(yù)測方法。第一節(jié) 時間序列簡介所謂時間序列是指將同一現(xiàn)象在不同時間的觀測值，按時間先后順序排列所形成的數(shù)列。它的時間單位可以是分鐘、時、日、周、旬、月、季、年等。其內(nèi)容包括:收集與整理某種社會現(xiàn)象的歷史資料；將這些資料進行檢查鑒別，排成數(shù)列；分析時間序列，從中尋找該社會現(xiàn)象隨時間變化而變化的規(guī)律，得出一定的模型，以此模型去預(yù)測該社會現(xiàn)象將來的情況。1. 趨勢性許多序列的一個最主要的特征就是存在趨勢?？傊瑫r間序列的趨勢性是依據(jù)時間序列進行預(yù)測的本質(zhì)所在。對季節(jié)性也不存在一個非常精確的定義。3. 異常觀測值異常觀測值指那些嚴重偏離趨勢范圍的特殊點。如年自然災(zāi)害和年左右“文化大革命”對我國經(jīng)濟的影響，造成經(jīng)濟指標陡然下降現(xiàn)象；年，我國銀行緊縮政策造成的房地產(chǎn)業(yè)泡沫破滅，而使得房地產(chǎn)業(yè)的經(jīng)濟數(shù)據(jù)發(fā)生突然變化的例子等等。由于方差是風險的測度，因此波動存在的積聚性的預(yù)測對于評估投資決策是很有用的，對于期權(quán)和其它金融衍生產(chǎn)品的買賣決策也是有益的。非線性常常表現(xiàn)為 “機制轉(zhuǎn)換”(regime witches)或者“狀態(tài)依賴”(State pendence)。不同的時刻，其特征不一樣。三、時間序列的分類1. 按研究的對象的多少可分為單變量時間序列和多變量時間序列。果所研究的對象是多個變量，如按年、月順序排列的氣溫、氣壓、雨量數(shù)據(jù)，為多變量時間序列。2. 按時間的連續(xù)性可將時間序列分為離散時間序列和連續(xù)時間序列。如果某一序列中的每個序列值所對應(yīng)的時間參數(shù)為連續(xù)函數(shù)，則該序列就是一個連續(xù)時間序列。如果某個時間序列的概率分布與時間無關(guān)，則稱該序列為嚴格的（狹義的）平穩(wěn)時間序列。反之，不具有平穩(wěn)性，即序列均值不為常數(shù)或協(xié)方差與時間有關(guān)的序列稱為非平穩(wěn)序列。服從高斯分布(正態(tài)分布)的時間序列叫做高斯時間序列，否則叫做非高斯型時間序列。四、常用的時間序列分析法時間序列分析預(yù)測分為確定性時序分析預(yù)測方法和隨機性時序分析預(yù)測方法兩大類。確定性時間序列分析模型主要包括：移動平均模型、二次滑動平均模型、指數(shù)平滑模型、二次指數(shù)平滑模型和三次指數(shù)平滑模型。隨機時間序列分析模型分為三種類型：自回歸模型（Autoregressive Model）、滑動平均模型（Moving Average