时间序列的小波分析
时间序列（Time Series ）是地学研究中经常遇到的问题。在时间序列研究中，时域和频域是常用的两种基本形式。其中，时域分析具有时间定位能力，但无法得到关于时间序列变化的更多信息；频域分析（如Fourier 变换）虽具有准确的频率定位功能，但仅适合平稳时间序列分析。然而，地学中许多现象（如河川径流、地震波、暴雨、洪水等）随时间的变化往往受到多种因素的综合影响，大都属于非平稳序列，它们不但具有趋势性、周期性等特征，还存在随机性、突变性以及“多时间尺度”结构，具有多层次演变规律。对于这类非平稳时间序列的研究，通常需要某一频段对应的时间信息，或某一时段的频域信息。显然，时域分析和频域分析对此均无能为力。
20世纪80年代初，由Morlet 提出的一种具有时-频多分辨功能的小波分析（Wavelet Analysis ）为更好的研究时间序列问题提供了可能，它能清晰的揭示出隐藏在时间序列中的多种变化周期，充分反映系统在不同时间尺度中的变化趋势，并能对系统未来发展趋势进行定性估计。
目前，小波分析理论已在信号处理、图像压缩、模式识别、数值分析和大气科学等众多的非线性科学领域得到了广泛的应。在时间序列研究中，小波分析主要用于时间序列的消噪和滤波，信息量系数和分形维数的计算，突变点的监测和周期成分的识别以及多时间尺度的分析等。
一、小波分析基本原理
1. 小波函数
小波分析的基本思想是用一簇小波函数系来表示或逼近某一信号或函数。因此，小波函数是小波分析的关键，它是指具有震荡性、能够迅速衰减到零的一类函数，即小波函数)R (L )t (2
∈ψ且满足：
?
+∞
∞
-=0dt )t (ψ （1）
式中，)t (ψ为基小波函数，它可通过尺度的伸缩和时间轴上的平移构成一簇函数系：
)a
b
t (
a
)t (2
/1b ,a -=-ψψ 其中，
0a R,b a,≠∈ （2） 式中，)t (b ,a ψ为子小波；a 为尺度因子，反映小波的周期长度；b 为平移因子，反应时间上的平移。 需要说明的是，选择合适的基小波函数是进行小波分析的前提。在实际应用研究中，应针对具体情况选择所需的基小波函数；同一信号或时间序列，若选择不同的基小波函数，所得的结果往往会有所差异，有时甚至差异很大。目前，主要是通过对比不同小波分析处理信号时所得的结果与理论结果的误差来判定基小波函数的好坏，并由此选定该类研究所需的基小波函数。
2. 小波变换
若)t (b ,a ψ是由（2）式给出的子小波，对于给定的能量有限信号)R (L )t (f 2
∈，其连续小波变换（Continue Wavelet Transform ，简写为CWT ）为：
dt )a
b
t (
f(t)a
)b ,a (W R
2
/1-f ?
-=ψ （3）
式中，)b ,a (W f 为小波变换系数；f(t)为一个信号或平方可积函数；a 为伸缩尺度；b 平移参数；
)a b x (
-ψ为)a
b
x (-ψ的复共轭函数。地学中观测到的时间序列数据大多是离散的，设函数)t k (f ?，
（k=1,2,…,N; t ?为取样间隔），则式（3）的离散小波变换形式为：
)a
b
-t k (
t)f(k t a
)b ,a (W N
1
k 2
/1-f ???=∑=ψ （4） 由式（3）或（4）可知小波分析的基本原理，即通过增加或减小伸缩尺度a 来得到信号的低频或高频信息，然后分析信号的概貌或细节，实现对信号不同时间尺度和空间局部特征的分析。
实际研究中，最主要的就是要由小波变换方程得到小波系数，然后通过这些系数来分析时间序列的时频变化特征。
3. 小波方差
将小波系数的平方值在b 域上积分，就可得到小波方差，即
db
)b a,(W )a (Var 2
f ?∞
∞
-=
(5)
小波方差随尺度a 的变化过程，称为小波方差图。由式(5)可知，它能反映信号波动的能量随尺度a 的分布。因此，小波方差图可用来确定信号中不同种尺度扰动的相对强度和存在的主要时间尺度，即主周期。
二、小波分析实例-时间序列的多时间尺度分析(Multi-time scale analysis)
例题
河川径流是地理水文学研究中的一个重要变量，而多时间尺度是径流演化过程中存在的重要特征。所谓径流时间序列的多时间尺度是指：河川径流在演化过程中，并不存在真正意义上的变化周期，而是其变化周期随着研究尺度的不同而发生相应的变化，这种变化一般表现为小时间尺度的变化周期往往嵌套在大尺度的变化周期之中。也就是说，径流变化在时间域中存在多层次的时间尺度结构和局部变化特征。
表1给出了某流域某水文观测站1966-2004年的实测径流数据。试运用小波分析理论，借助Matlab R2012a 、suffer 12.0和其他相关软件（Excel 、记事本等），完成下述任务：（1）计算小波系数；（2）绘制小波系数图（实部、模和模方）、小波方差图和主周期变化趋势图，并分别说明各图在分析径流多时间尺度变化特征中的作用。
表1 某流域某水文观测站1966-2004年实测径流数据（×108m 3
） 年份 径流量 年份 径流量 年份 径流量 年份 径流量 年份 径流量 1966 1.438 1974 2.235 1982 0.774 1990 1.806 1998 1.709 1967 1.151 1975 4.374 1983 0.367 1991 0.449 1999 0.000 1968 0.536 1976 4.219 1984 0.562 1992 0.120 2000 0.000 1969 1.470 1977 2.590 1985 3.040 1993 0.627 2001 2.104 1970 3.476 1978 3.350 1986 0.304 1994 1.658 2002 0.009 1971 4.068 1979 2.540 1987 0.728 1995 1.025 2003 3.177 1972 2.147 1980 0.807 1988 0.492 1996 0.955 2004 0.921 1973 3.931
1981
0.573
1989
0.007
1997
1.341
分析
1. 选择合适的基小波函数是前提
在运用小波分析理论解决实际问题时，选择合适的基小波函数是前提。只有选择了适合具体问题的基小波函数，才能得到较为理想的结果。目前，可选用的小波函数很多，如Mexican hat 小波、Haar 小波、Morlet 小波和Meyer 小波等。在本例中，我们选用Morlet 连续复小波变换来分析径流时间序列的多时间
尺度特征。原因如下：
1.1 径流演变过程中包含“多时间尺度”变化特征且这种变化是连续的，所以应采用连续小波变换来进行此项分析。
1.2实小波变换只能给出时间序列变化的振幅和正负，而复小波变换可同时给出时间序列变化的位相和振幅两方面的信息，有利于对问题的进一步分析。
1.3 复小波函数的实部和虚部位相差为π/2，能够消除用实小波变换系数作为判据而产生的虚假振荡，使分析结果更为准确。
2. 绘制小波系数图、小波方差图和主周期变化趋势图是关键
当选择好合适的基小波函数后，下一步的关键就是如何通过小波变换获得小波系数，然后利用相关软件绘制小波系数图、小波方差图和主周期变化趋势图，进而根据上述三种图形的变化识别径流时间序列中存在的多时间尺度。
具体步骤
1. 数据格式的转化
2. 边界效应的消除或减小
3. 计算小波系数
4. 计算复小波系数的实部、模、模方、方差
5. 绘制小波系数实部、模、模方等值线图
6. 绘制小波方差图
7. 绘制主周期趋势图
下面，我们以上题为例，结合软件Matlab R2012a 、suffer 12.0、Excel 、记事本等，详细说明小波系数的计算和各图形的绘制过程，并分别说明各图在分析径流多时间尺度变化特征中的作用。
1. 数据格式的转化和保存
将存放在Excel 表格里的径流数据（以时间为序排为一列）转化为Matlab R2012a 识别的数据格式（.mat ）并存盘。
具体操作为：在Matlab R2012a 界面下，单击“File-Import Data ”，出现文件选择对话框“Import ”后，找到需要转化的数据文件（本例的文件名为runoff.xls ），单击“打开”。等数据转化完成后，单击“Finish ”，出现图1显示界面；然后双击图1中的Runoff ，弹出“Array Editor: runoff ”对话框，选择File 文件夹下的“Save Workspace As ”单击，出现图2所示的“Save to MAT-File:”窗口，选择存放路径并填写文件名（runoff.mat ），单击“保存”并关闭“Save to MAT-File ”窗口。
2. 边界效应的消除或减小
图1 数据格式的转化
图2数据的保存
因为本例中的实测径流数据为有限时间数据序列，在时间序列的两端可能会产生“边界效用”。为消除或减小序列开始点和结束点附近的边界效应，须对其两端数据进行延伸。在进行完小波变换后，去掉两端延伸数据的小变换系数，保留原数据序列时段的小波系数。本例中，我们利用Matlab R2012a 小波工具箱中的信号延伸（Signal Extension ）功能，对径流数据两端进行对称性延伸。
具体方法为：在Matlab R2012a 界面的“Command Window ”中输入小波工具箱调用命令“Wavemenu ”，按Enter 键弹“Wavelet Toolbox Main Menu ”（小波工具箱主菜单）界面（图３）；然后单击“Signal Extension ”，打开Signal Extension / Truncation 窗口，单击“File ”菜单下的“Load Signal ”，选择runoff.mat 文件单击“打开”，出现图4信号延伸界面。Matlab R2012a 的Extension Mode 菜单下包含了6种基本的延伸方式（Symmetric 、Periodic 、Zero Padding 、Continuous 、Smooth and For SWT ）和Direction to extend 菜单下的3种延伸模式（Both 、Left and Right ），在这里我们选择对称性两端延伸进行计算。数据延伸的具体操作过程是：Desired Length 可以任意选，只要比原始信号长度大，建议在原始信号的基础上加20（这样左右对称地延伸10个数据），这里选择默认的64；Dircetion to extend 下选择“Both ”；Extension Mode 下选择“Symmetric ”；单击“Extend ”按钮进行对称性两端延伸计算，然后单击“File ”菜单下的“Save Tranformed Signal ”，将延伸后的数据结果存为erunoff.mat 文件。
从erunoff 文件可知，系统自动将原时间序列数据向前对称延伸12个单位，向后延伸13个单位。
3. 计算小波系数
选择Matlab R2012a 小波工具箱中的Morlet 复小波函数对延伸后的径流数据序列（erunoff.mat ）进行小波变换，计算小波系数并存盘。
小波工具箱主菜单界面见图3，单击“Wavelet 1-D ”下的子菜单“Complex Continuous Wavelet 1-D ”，打开一维复连续小波界面，单击“File ”菜单下的“Load Signal ”按钮，载入径流时间序列erunoff.mat （图5）。图5的左侧为信号显示区域，右侧区域给出了信号序列和复小波变换的有关信息和参数，主要包括数据长度（Data Size ）、小波函数类型（Wavelet ：cgau 、shan 、fbsp 和cmor ）、取样周期（Sampling Period ）、周期设置（Scale Setting ）和运行按钮（Analyze ），以及显示区域的相关显示设置按钮。本例中，我们选择cmor (1-1.5)、取样周期为1、最大尺度为32，单击“Analyze ”运行按钮，计算小波系数。然后单击“File ”菜单下的“Save Coefficients ”，
保存小波系数为cerunoff.mat 文件。
图3 小波工具箱主菜单
图4 径流时间序列的延伸
图5 小波变换菜单界面
4. 计算Morlet复小波系数的实部、模、模方、方差
在Matlab R2012a界面下的Workspace中将cerunoff.mat文件导入，见图6。
图6 小波系数导入到Matlab
然后双击“coefs”打开，删掉掉延伸数据的小波变换系数（本例中去掉前12列和后13列），保存。接下来开始计算Morlet复小波系数的实部、模、模方、方差，具体操作为：在“Command Windows”中直接输入函数“shibu=real(coefs);”，点击“回车”键，计算实部；输入函数“mo=abs(coefs);”，点击“回车”键，计算模；输入函数“mofang=(mo).^2;”，点击“回车”键，计算模方；输入函数“fangcha=sum(abs(coefs).^2,2);”，点击“回车”键，计算方差。见图7。
图7计算出的实部、模、模方、方差成果
注意：上面涉及到的数据保存，其格式均为.mat。
5. 绘制小波系数实部、模、模方等值线图
实部、模、模方等值线图的绘制方法一样，这里仅以实部等值线图为例。
5.1 小波系数实部等值线图的绘制
首先，将小波系数实部数据复制到Excel中按照图8格式排列，其中列A为时间，列B为尺度，列C 为不同时间和尺度下所对应的小波系数实部值。
其次，将图9数据转化成Suffer 12.0识别的数据格式。具体操作为：在Surfer 12.0界面下，单击“网格”菜单下的“数据”按钮，在“打开”窗口选择要打开的文件（小波系数实部.xls），单击“打开”后弹出“网格化数据”对话框（图10）。它给出了多种不同的网格化方法、文件输出路径及网格线索几何学等信息。这里我们选择“克里格“网格方法”，单击“确定”，完成数据格式的转化。
图9 Suffer 12.0可以识别的数据格式列表
图8 小波系数实部数据格式
最后，绘制小波系数实部等值线图。在Surfer 12.0界面下，单击“地图”菜单下的“等值线图-新建等值线图”按钮，弹出“打开网格”窗口后，选择“小波系数实部.grd ”文件，单击“打开”，完成等值线图的绘制并保存（图11）。
5.2 小波系数实部等值线图在多时间尺度分析中的作用
图10 小波系数实部数据格式转化
图11 Suffer8.0中的小系数实部等值线图
小波系数实部等值线图能反映径流序列不同时间尺度的周期变化及其在时间域中的分布，进而能判断在不同时间尺度上，径流的未来变化趋势。为能比较清楚的说明小波系数实部等值线图在径流多时间尺度分析中的作用，我们利用Surfer 12.0对其进一步处理和
修饰，得到图12显示的小波系数实部等值线图。其中，横坐标为时间（年份），纵坐标为时间尺度，图中的等值曲线为小波系数实部值。当小波系数实部值为正时，代表径流丰水期，在图中我们用实线绘出，“H”表示正值中心；为负时，表示径流枯水期，用虚线绘出，“L”表示负值中心。
由图12可以清楚的看到径流演化过程中存在的多时间尺度特征。总的来说，在流域径流演变过程中存在着18~32年，8~17年以及3~7年的3类尺度的周期变化规律。
其中，在18~32年尺度上出现了枯-丰交替的准两次震荡；
在8~17年时间尺度上存在准5次震荡。同时，还可以看出以上两个尺度的周期变化在整个分析时段表现的非常稳定，
具有全域性；而3~10年尺度的周期变化，在1980s 以后表现的较为稳定。
5.3 小波系数模和模方等值线图的绘制
参考5.1，绘制小波系数模和模方等值线图（图13、14）。
图13 小波系数模等值线图 图14 小波系数模方等值线图
5.4 小波系数模等值线图在多时间尺度分析中的作用
Morlet 小波系数的模值是不同时间尺度变化周期所对应的能量密度在时间域中分布的反映，系数模值愈大，表明其所对应时段或尺度的周期性就愈强。从图13可以看出，在流域径流演化过程中，18~32年时间尺度模值最大，说明该时间尺度周期变化最明显，18~22年时间尺度的周期变化次之，其他时间尺度的周期性变化较小；
5.5 小波系数模方等值线图在多时间尺度分析中的作用
小波系数的模方相当于小波能量谱，它可以分析出不同周期的震荡能量。由图14知，25~32年时间尺度的能量最强、周期最显著，但它的周期变化具有局部性（1980s 前）；10~15年时间尺度能量虽然较弱，但周期分布比较明显，几乎占据整个研究时域(1974~2004年)。
6. 绘制小波方差图 6.1小波方差图的绘制
在图7的“fangcha ”上右击，选择“Graph ”，在下拉菜单中选择“plot ”，即出小波方差图，见图15，在Matlab 中可继续美化。也可双击“fangcha”，将数据复制到其他软件（如Excel ）中，以小波方差为纵坐标，时间尺度a 为横坐标，绘制小波方差，如图16。
图12 小系数实部等值线图
图15 Matlab 绘制的小波方差图
图16 小波方差图
6.2小波方差图在多时间尺度分析中的作用
小波方差图能反映径流时间序列的波动能量随尺度a 的分布情况。可用来确定径流演化过程中存在的主周期。
流域径流的小波方差图中（图15）存在4个较为明显的峰值，它们依次对应着28年、14年、8年和4年的时间尺度。其中，最大峰值对应着28年的时间尺度，说明28年左右的周期震荡最强，为流域年径流变化的第一主周期；14年时间尺度对应着第二峰值，为径流变化的第二主周期，第三、第三峰值分别对应着8年和4年的时间尺度，它们依次为流域径流的第三和第四主周期。这说明上述4个周期的波动控制着流域径流在整个时间域的变化特征。
7. 主周期趋势图的绘制及其在多时间尺度分析中的作用 根据小波方差检验的结果，我们绘制出了控制流域径流演变的第一和第二主周期小波系数图（图17）。从主周期趋势图中我们可以分析出在不同的时间尺度下，流域径流存在的平均周期及丰-枯变化特征。图16a 显示，在14年特征时间尺度上，流域径流变化的平均周期为9.5年左右，大约经历了4个丰-枯转换期；而在28年特征时间尺度上（图16b ），流域的平均变化周期为20年左右，大约2个周期的丰-枯变化。
图17 大沽夹河流域年径流变化的13年和28年特征时间尺度小波实部过程线
参考文献
王文圣，丁晶，耀清. 2005. 水文小波分析[M]. ：化学工业 素华等. 1998. 实用医学多因素统计方法[M]. ：医科大学 方开泰. 1989. 实用多元统计分析[M]. ：华东师大学
何清波，炳华，钱亢. 2002. 医学统计学及其软件包[M]. ：科学技术文献 胡秉民. 1987. 微电脑在农业科学中的应用[M]. ：科学
尚拱. 1990.. 实用多元变量统计方法与计算程序[M]. ：医科大学、中国协和医科大学联合 唐守正. 1986. 多元统计分析方法[M]。：中国林业
王学仁. 1982. 地址数据的多变量统计分析. ：科学
徐振邦，金淳浩，娄元仁. 1986. 2χ距离系数和2
?距离系数尺度在聚类分析中的应用[M]. 旭东等主编，中国数学地质（1）. ：地质 於崇文. 1978. 数学地质的方法与应用[M]. ：冶金工业
Anderson T. W. 1967. Introduction to multivariate statistical analysis, 2nd
[M]. New York: Wiley
Gauch H. G. J. 1982. Multivariate analysis in community ecology[M]. Britain: Cambridge University Press
Horel A. E. ,Wennard. R. W. and Baldwin K. F. 1975. regression: some simulations. Communications in Statistics[J], 4: 105~123
练习
试运用小波分析理论，分析某市年平均降水过程中存在的多时间尺度变化特征。
表2 某市1957-2004年实测年均降水量（mm）
年份降水量年份降水量年份降水量年份降水量1957 320.0 1969 324.8 1981 506.0 1993 384.4 1958 481.2 1970 412.3 1982 282.1 1994 503.9 1959 522.6 1971 366.5 1983 508.6 1995 406.7 1960 339.3 1972 262.4 1984 523.9 1996 465.7 1961 719.9 1973 521.9 1985 518.9 1997 345.3 1962 373.5 1974 351.7 1986 320.1 1998 454.9 1963 332.9 1975 398.4 1987 340.0 1999 327.9 1964 741.2 1976 320.2 1988 478.5 2000 406.2 1965 454.3 1977 445.4 1989 402.4 2001 404.7 1966 604.3 1978 534.8 1990 552.4 2002 401.9 1967 451.9 1979 509.7 1991 313.9 2003 605.1 1968 424.3 1980 395.5 1992 591.0 2004 385.4
第28卷 第2期 2009年3月地 理 研 究GEOGRAPH ICAL RESEARCH V o l 28,N o 2M ar ,2009 收稿日期:2008-07-09;修订日期:2008-12-24 基金项目:辽宁省气象局正研级专业技术人才培养专项科研基金项目 作者简介:姜晓艳(1960-),女,高级工程师。主要从事气候变化和应用气象业务及科研工作。 东北地区近百年降水时间序列 变化规律的小波分析 姜晓艳1,刘树华2,3*,马明敏2,张 菁1,宋 军4 (1 辽宁省沈阳市气象局,沈阳110168; 2 北京大学物理学院大气科学系,北京100871; 3 中国气象局气候研究开放实验室,北京100081; 4 大连市气象局,大连116001) 摘要:利用1905~2005年东北地区哈尔滨、长春、沈阳和大连的降水时间序列资料,采用距 平和M or let 小波分析方法,研究了东北地区降水变化的多时间尺度的周期性性变化规律,并 对东北地区近期降水状况进行了预测。结果表明:近百年来东北地区年降水量呈现较显著下 降趋势,整个东北地区降幅为-5 2mm/10a;长春为-12 7mm/10a;哈尔滨为-7 1mm/ 10a;大连为-2 7mm/10a;沈阳略为上升趋势为1 3mm/10a 。东北地区的年降水量存在着区 域性的多重时间尺度下的周期变化特征,2a~3a 、5a~6a,10a 和50a 左右的长期振荡周期具 有全域性;长春、哈尔滨年降水的主要控制周期是20a 左右;5a~6a 的短周期和50年的长周 期变化也对年降水有较大影响。 关键词:东北地区;近百年;降水时间序列;小波分析 文章编号:1000-0585(2009)02-0354-09 1 引言 全球变暖导致全球和区域气候变化,使得高温、干旱、洪涝等灾害性天气频发,造成生态和环境恶化,严重影响到农业生产、社会经济和可持续发展,已引起人们的高度重视[1~3] 。特别是在全球气候变化背景下,中国降水量的空间格局的变化直接关系到我国农业生产安全[4]。我国东北地区位于东亚季风的最北端,属于温带大陆性季风气候,是中国湿润的东部季风区和干旱的内陆之间的过度带。夏季高温多雨,冬季严寒干燥,大陆性气候由东向西渐强。其气候的季节性变化与整个东亚大气环流紧密相连,气候及其变化的差异较大,是典型的 气候脆弱区 和气候变暖影响最为敏感地区之一,也是我国最大的商品粮产区和重要的重工业和能源基地。因此,研究我国东北地区近百年来降水变化的特征,对了解气候演变对降水的影响和短期、中长期降水预测具有十分重要的意义。近年来,已有许多气象工作者对此进行了研究,例如:姜哓艳等[5]。在分析了我国东北地区哈尔滨、长春、沈阳和大连近百年年平均气温变化特征的基础上,采用小波分析的方法研究了其多时间尺度的复杂结构构,研究结果表明,近百年来东北地区的平均气温呈升高趋势,尤其在20世纪80年代以后升高趋势更加明显,升温率达到0 165 /10a 。气温存在
【时间简“识”】 说明：本文摘自于经管之家(原人大经济论坛) 作者：胖胖小龟宝。原版请到经管之家(原人大经济论坛) 查看。 1.带你看看时间序列的简史 现在前面的话—— 时间序列作为一门统计学，经济学相结合的学科，在我们论坛，特别是五区计量经济学中是热门讨论话题。本月楼主推出新的系列专题——时间简“识”，旨在对时间序列方面进行知识扫盲（扫盲，仅仅扫盲而已……），同时也想借此吸引一些专业人士能够协助讨论和帮助大家解疑答惑。 在统计学的必修课里，时间序列估计是遭吐槽的重点科目了，其理论性强，虽然应用领域十分广泛，但往往在实际操作中会遇到很多“令人发指”的问题。所以本帖就从基础开始，为大家絮叨絮叨那些关于“时间”的故事！ Long long ago，有多long估计大概7000年前吧，古埃及人把尼罗河涨落的情况逐天记录下来，这一记录也就被我们称作所谓的时间序列。记录这个河流涨落有什么意义当时的人们并不是随手一记，而是对这个时间序列进行了长期的观察。结果，他们发现尼罗河的涨落非常有规律。掌握了尼罗河泛滥的规律，这帮助了古埃及对农耕和居所有了规划，使农业迅速发展，从而创建了埃及灿烂的史前文明。
好~~从上面那个故事我们看到了 1、时间序列的定义——按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。 2、时间序列分析的定义——对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的走势就是时间序列分析。 既然有了序列，那怎么拿来分析呢 时间序列分析方法分为描述性时序分析和统计时序分析。 1、描述性时序分析——通过直观的数据比较或绘图观测，寻找序列中蕴含的发展规律，这种分析方法就称为描述性时序分析 描述性时序分析方法具有操作简单、直观有效的特点，它通常是人们进行统计时序分析的第一步。 2、统计时序分析 （1）频域分析方法 原理：假设任何一种无趋势的时间序列都可以分解成若干不同频率的周期波动 发展过程： 1）早期的频域分析方法借助富里埃分析从频率的角度揭示时间序列的规律 2）后来借助了傅里叶变换，用正弦、余弦项之和来逼近某个函数 3）20世纪60年代，引入最大熵谱估计理论，进入现代谱分析阶段 特点：非常有用的动态数据分析方法，但是由于分析方法复杂，结果抽象，有一定的使用局限性 （2）时域分析方法
精品文档 浙江农林大学 2009 - 2010 学年第 二 学期考试卷（A 卷） 课程名称： 应用时间序列分析 课程类别： 必修 考试方式： 闭卷 注意事项：1、本试卷满分100分。 2、考试时间 120分钟。 一、单项选择题（在每小题的四个备选答案中，选出一个正确 答案，并将正确答案的选项填在题后的括号内。每小题2分，共12分） 1. 关于严平稳与（宽）平稳的关系，不正确的为 。 ( ) A. 严平稳序列一定是宽平稳序列 B. 当序列服从正态分布时，两种平稳性等价 C. 二阶矩存在的严平稳序列一定为宽平稳的 D. MA(p)模型一定是宽平稳的 2. 下图为某时间序列的相关检验图，图1为自相关函数图，图2为偏自相关函数图，请选择模型 。 ( ) 图1 图2 学院： 专业班级： 姓名： 学号： 装 订 线 内 不 要 答 题
A. AR(1) B. AR(2) C. MA(1) D. MA(2) 3. 下图中，图3为某序列一阶差分后的自相关函数图，图4为某序列一阶差分后的 偏自相关函数图，请对原序列选择模型。( ) 图3 图4
A.ARIMA(4，1，0) B. ARIMA(0，2，1) C. ARIMA(0，1，2) D.ARI MA(0，1，4) 4. 记B 为延迟算子，则下列不正确的是 。 ( ) A. 0 1B = B. (1)k t t k t X X B X --=- C. 12t t BX X --= D. 11()t t t t B X Y X Y --±=± 5.对于平稳时间序列，下列错误的是 ( ) A.)(212εσεE = B.),(),(k t t k t t y y Cov y y Cov -+= C.k k -=ρρ D.)(?)1(?1k y k y t t +=+ 6.下图为对某时间序列的拟合模型进行显著性水平0.05α=的显著性检验，请选择 该序列的拟合模型 。 ( )
时间序列得小波分析 时间序列(Ｔime Ｓｅｒｉeｓ)就是地学研究中经常遇到得问题。在时间序列研究中,时域与频域就是常用得两种基本形式。其中,时域分析具有时间定位能力,但无法得到关于时间序列变化得更多信息;频域分析(如Fourier变换)虽具有准确得频率定位功能,但仅适合平稳时间序列分析、然而,地学中许多现象(如河川径流、地震波、暴雨、洪水等)随时间得变化往往受到多种因素得综合影响,大都属于非平稳序列,它们不但具有趋势性、周期性等特征,还存在随机性、突变性以及“多时间尺度”结构,具有多层次演变规律。对于这类非平稳时间序列得研究,通常需要某一频段对应得时间信息,或某一时段得频域信息、显然,时域分析与频域分析对此均无能为力。 ２0世纪８0年代初,由Mｏrleｔ提出得一种具有时－频多分辨功能得小波分析(Wavelet Analysis)为更好得研究时间序列问题提供了可能,它能清晰得揭示出隐藏在时间序列中得多种变化周期,充分反映系统在不同时间尺度中得变化趋势,并能对系统未来发展趋势进行定性估计。 目前,小波分析理论已在信号处理、图像压缩、模式识别、数值分析与大气科学等众多得非线性科学领域内得到了广泛得应。在时间序列研究中,小波分析主要用于时间序列得消噪与滤波,信息量系数与分形维数得计算,突变点得监测与周期成分得识别以及多时间尺度得分析等。 一、小波分析基本原理 1. 小波函数 小波分析得基本思想就是用一簇小波函数系来表示或逼近某一信号或函数。因此,小波函数就是小波分析得关键,它就是指具有震荡性、能够迅速衰减到零得一类函数,即小波函数且满足: (1) 式中,为基小波函数,它可通过尺度得伸缩与时间轴上得平移构成一簇函数系: 其中, (2) 式中,为子小波;ａ为尺度因子,反映小波得周期长度;ｂ为平移因子,反应时间上得平移。 需要说明得就是,选择合适得基小波函数就是进行小波分析得前提。在实际应用研究中,应针对具体情况选择所需得基小波函数;同一信号或时间序列,若选择不同得基小波函数,所得得结果往往会有所差异,有时甚至差异很大。目前,主要就是通过对比不同小波分析处理信号时所得得结果与理论结果得误差来判定基小波函数得好坏,并由此选定该类研究所需得基小波函数。 ２. 小波变换 若就是由(２)式给出得子小波,对于给定得能量有限信号,其连续小波变换(Ｃontｉnue Wavelｅt Ｔransform,简写为CＷT)为: (3) 式中,为小波变换系数;f(ｔ)为一个信号或平方可积函数;ａ为伸缩尺度;ｂ平移参数;为得复共轭函数。地学中观测到得时间序列数据大多就是离散得,设函数,(k=1,2,…,Ｎ; 为取样间隔),则式(3)得离散小波变换形式为: (4) 由式(3)或(4)可知小波分析得基本原理,即通过增加或减小伸缩尺度a来得到信号得低频或高频信息,然后分析信号得概貌或细节,实现对信号不同时间尺度与空间局部特征得分析。 实际研究中,最主要得就就是要由小波变换方程得到小波系数,然后通过这些系数来分析时间序列得时频变化特征、 3、小波方差 将小波系数得平方值在b域上积分,就可得到小波方差,即 (5)
《时间序列分析》课程教学大纲 Time Series Analysis 课程代码：课程性质：专业基础理论课/必修 适用专业：统计开课学期：6 总学时数：56 总学分数：3.5 编写年月：2007.5 修订年月：2007.7 执笔：涂钰青 一、课程的性质和目的 本课程是经济学中较新的、较重要的分支，主要对依时间次序观测的数据进行统计分析。近几年随着计算机的普及发展，时间序列分析在许多领域都得到较好的应用，特别是在金融领域的应用也日益突出。学好时间序列分析已成为对金融工程专业学生的基本要求，同时也为他们今后的工作打好基础。通过该门课程的学习，要求学生能较深刻地理解时间序列的基本理论、思想和方法，掌握时间序列分析中水平指标和速度指标的计算，并根据时间序列用最小平方法配合趋势方程用以预测未来。并能应用于解决实践中遇到的问题，从而提高学生的数理金融素质，加强学生开展数学科研工作和解决实际问题金融的能力，掌握用时间序列模型进行基本实证分析的方法。 二、课程教学内容及学时分配 本课程主干内容包括：时间序列概述、时间序列的水平分析、时间序列的速度分析、时间序列的长期趋势分析和季节变动与循环变动的测定。 第一章时间序列概述(8学时) 本章内容：时间序列的概念及构成，时间序列的种类（绝对数时间序列、相对数时间序列、平均数时间序列），时间序列的编制原则（时间长短要统一、总体范围要一致、指标的 经济内容应统一、各指标的计算方法、计算价格、计量单位都应统一） 本章要求 1. 了解时间序列的概念及构成； 2. 了解绝对数时间序列、相对数时间序列和平均数时间序列； 3. 了解时间序列的编制原则。
时间序列分析期末考试 TYYGROUP system office room 【TYYUA16H-TYY-
诚信应考,考试作弊将带来严重后果！ 湖南大学课程考试试卷 课程名称： 时间序列分析 ；课程编码： 试卷编号： A ；考试时间： 一、 简答题（每小题5分，共计20分） 1、 说明平稳序列建模的主要步骤。 2、 ADF 检验与PP 检验的主要区别是什么？ 3、 如何进行两变量的协整检验？ 4、 简述指数平滑法的基本思想。 二、 填空题（每小题2分，共计20分） 1. 对平稳序列，在下列表中填上选择的的模型类别 2. 时间序列模型建立后，将要对模型进行显着性检验，那么检验的对象为___________，检验的原假设是___________。 3. 时间序列预处理常进行两种检验，即为_______检验和_______检验。 4. 根据下表，利用AIC 和BIC 准则评判两个模型的相对优劣，你认为______模型优 于______模型。 5. 设ARMA(2, 1):1210.50.1t t t t t X X aX εε---=++-，当a 满足_________时，模型平稳。 6. 设ARMA (2, 1)：
则所对应的特征方程为_______________________。 7. 简单季节差分模型的模型结构为: ______________________。 8、对于时间序列{}t X ，如果___________________，则()~2t X I 。 9. 设时间序列{}t X 为来自GARCH(p, q)模型，则其模型结构可写为_____________。 10. k 步差分的定义为k t X ?=___________________________。 三、 （15分）设{}t ε为正态白噪声序列，()()2t t 0,E Var εεσ==，时间序列}{t X 来自 试检验模型的平稳性与可逆性。
时间序列的小波分析 时间序列（Time Series ）是地学研究中经常遇到的问题。在时间序列研究中，时域和频域是常用的两种基本形式。其中，时域分析具有时间定位能力，但无法得到关于时间序列变化的更多信息；频域分析（如Fourier 变换）虽具有准确的频率定位功能，但仅适合平稳时间序列分析。然而，地学中许多现象（如河川径流、地震波、暴雨、洪水等）随时间的变化往往受到多种因素的综合影响，大都属于非平稳序列，它们不但具有趋势性、周期性等特征，还存在随机性、突变性以及“多时间尺度”结构，具有多层次演变规律。对于这类非平稳时间序列的研究，通常需要某一频段对应的时间信息，或某一时段的频域信息。显然，时域分析和频域分析对此均无能为力。 20世纪80年代初，由Morlet 提出的一种具有时-频多分辨功能的小波分析（Wavelet Analysis ）为更好的研究时间序列问题提供了可能，它能清晰的揭示出隐藏在时间序列中的多种变化周期，充分反映系统在不同时间尺度中的变化趋势，并能对系统未来发展趋势进行定性估计。 目前，小波分析理论已在信号处理、图像压缩、模式识别、数值分析和大气科学等众多的非线性科学领域内得到了广泛的应。在时间序列研究中，小波分析主要用于时间序列的消噪和滤波，信息量系数和分形维数的计算，突变点的监测和周期成分的识别以及多时间尺度的分析等。 一、小波分析基本原理 1. 小波函数 小波分析的基本思想是用一簇小波函数系来表示或逼近某一信号或函数。因此，小波函数是小波分析的关键，它是指具有震荡性、能够迅速衰减到零的一类函数，即小波函数)R (L )t (2 ∈ψ且满足： ? +∞ ∞ -=0dt )t (ψ （1） 式中，)t (ψ为基小波函数，它可通过尺度的伸缩和时间轴上的平移构成一簇函数系： )a b t ( a )t (2 /1b ,a -=-ψψ 其中， 0a R,b a,≠∈ （2） 式中，)t (b ,a ψ为子小波；a 为尺度因子，反映小波的周期长度；b 为平移因子，反应时间上的平移。 需要说明的是，选择合适的基小波函数是进行小波分析的前提。在实际应用研究中，应针对具体情况选择所需的基小波函数；同一信号或时间序列，若选择不同的基小波函数，所得的结果往往会有所差异，有时甚至差异很大。目前，主要是通过对比不同小波分析处理信号时所得的结果与理论结果的误差来判定基小波函数的好坏，并由此选定该类研究所需的基小波函数。 2. 小波变换 若)t (b ,a ψ是由（2）式给出的子小波，对于给定的能量有限信号)R (L )t (f 2 ∈，其连续小波变换（Continue Wavelet Transform ，简写为CWT ）为： dt )a b t ( f(t)a )b ,a (W R 2 /1-f ?-= （3） 式中，)b ,a (W f 为小波变换系数；f(t)为一个信号或平方可积函数；a 为伸缩尺度；b 平移参数；) a b x (-ψ为)a b x (-ψ的复共轭函数。 地学中观测到的时间序列数据大多是离散的，设函数)t k (f ?，（k=1,2,…,N; t ?
第四章时间序列分析 （一）教学目的 通过本章的学习，掌握时间序列的概念、类型，学会各种动态分析指标的计算方法。 （二）基本要求 要求学会各种水平和速度指标的计算方法，并能对时间序列的长期趋势进行分析和预测。 （三）教学要点 1、时间序列的概念与种类； 2、动态分析指标的计算； 3、长期趋势、季节变动的测定。 （四）教学时数 7——10课时 （五）教学内容 本章共分四节： 第四章时间数列分析 本章前一部分利用时间数列，计算一系列分析指标，用以描述现象的数量表现。后一部分根据影响事物发展变化因素，采用科学的方法，将时间数列受各类因素（长期趋势、季节变动、循环变动和不规则变动）的影响状况分别测定出来，研究现象发展变化的原因及其规律性，为预测未来和决策提供依据。 第一节时间数列分析概述 一、时间数列的概念 时间数列：亦称为动态数列或时间序列(Time Series)，就是把反映某一现象的同一指标在不同时间上的取值，按时间的先后顺序排列所形成的一个动态数列。 时间数列的构成要素： 1.现象所属的时间。时间可长可短，可以以日为时间单位，也可以以年为时间单位，甚至更长。 2.统计指标在一定时间条件下的数值。 二、时间数列的分类 时间数列的分类在时间数列分析中具有重要的意义。因为，在很多情况下，时间数列的种类不同，则时间数列的分析方法就不同。因此，为了能够保证对时间数列进行准确分析，则首先必须正确判断时间数列的类型。而要正确判断时间数列的类型，其关键又在于对有关统计指标的分类进行准确理解。 由于时间数列是由统计指标和时间两个要素所构成，因此时间数列的分类实际上和统计指标的分类是一致的。 时间数列分为:总量指标时间数列、相对指标时间数列和平均指标时间数列。 （一）总量指标时间数列 总量指标时间数列：又称为绝对数时间数列，是指由一系列同类的总量指标数值所构成的时间数列。它反映事物在不同时间上的规模、水平等总量特征。总量指标时间数列又分为时期数列和时点数列。 1.时期数列：是指由反映某种社会经济现象在一段时期内发展过程累计量的总量指标所构成的总量指标时间数列。
9. 条件异方差模型中，形如???? ? ???? ++==+=∑∑=-=---3 122121),,,(j j t j i i t i t t t t t t t t h h e h x x t f x εληωεε Λ 式中，),,,(21Λ--t t x x t f 为{t x }的回归函数，N(0,1)~i.i.d t e ，该模型简记为GARCH （2，3）模型； 10. Cox 和Jenkins 在1976年研究多元时间序列分析时要求输入序列与响应序列均要 _ 平稳 _，Engle 和Granger 在1987年提出了__协整 _关系，即当输入序列与响 应序列之间具有非常稳定的线性相关关系（回归残差序列平稳）。 二、（10分）试用特征根判别法或平稳域判别法检验下列四个AR 模型的平稳性。 （1）t 1-t t x 8.0x ε+-= （2）t 1-t t x 3.1x ε+= （3）t 2-t 1-t t x 6 1 x 61x ε++= （4）t 2-t 1-t t x 2x x ε++= 解： AR （p ）模型平稳性的特征根判别法要求所有特征根绝对值小于1； AR （1）模型平稳性的平稳域判别法要求1||1<φ， AR （2）模型平稳性的平稳域判别法要求：1,1||122<±<φφφ。 (1) 8.01-=λ 特征根判别法：平稳；18.0||1<=φ，平稳域判别法：平稳； (2) 3.11=λ 特征根判别法：非平稳；13.1||1>=φ，平稳域判别法：非平稳； (3) 特征方程为: 2 1 ,31,0)13)(12(016212=-==+-=--λλλλλλ即 由特征根判别法：平稳； 10,131 ,161||12122<=-<=+<=φφφφφ,平稳域判别法：平稳； (4) 特征方程为: 2,1,0)2)(1(02212=-==-+=--λλλλλλ即 由特征根判别法：非平稳； 11,13,12||12122不小于=->=+>=φφφφφ,平稳域判别法：非平稳。
实验五 用E X C E L 进行时间序列分析 一、实验目的 利用Excel 进行时间序列分析 二、实验内容 1．测定发展水平和平均发展水平 2. 测定增长量和平均增长量 3. 测定发展速度、增长速度和平均发展速度 4. 计算长期趋势 5. 计算季节变动 三、实验指导 时间序列分析常用的方法有两种：指标分析法和构成因素分析法。 指标分析法，通过计算一系列时间序列分析指标，包含发展水平、平均发展水平、增长量、平均增长量、发展速度、平均发展速度等来揭示现象的发展状况和发展变化程度。 构成因素分析法，是将时间序列看做由长期趋势、季节变动、循环变动、不规则变动四种因素构成，将各影响因素分别从时间序列中分离出去并加以测定、对未来发展做出预测的过程。 发展水平： 发展水平是指某一经济现象在各个时期达到的实际水平。 在时间序列中，各指标数值就是该指标所反映的社会经济现象在所属时间的发展水平。在时间序列中，我们用y 表示指标值，t 表示时间，则t y (t=0,1,2,3,…,n)表示各个时期的指标值。 平均发展水平： 平均发展水平又称“序时平均数”、“动态平均数”，是时间序列中各项发展水平的平均数，反映现象在一段时期中发展的一般水平。 增长量： 增长量是指某一经济现象在一定时期增长或减少的绝对量。它是报告期发展水平减基期发展水平之差。 平均增长量：平均增长量是时间序列中的逐期增长量的序时平均数，它表明现象在一定时段内平均每期增加（减少）的数量。公式表示如下： 发展速度：发展速度是说明事物发展快慢程度的动态相对数。它等于报告期水平对基期水平之比。发展速度有两种：分为环比发展速度和定基发展速度。 1．环比发展速度：也称逐期发展速度，是报告期发展水平与前一期发展水平之比。 2．定基发展速度：是报告期水平与固定基期水平之比。 平均发展速度：平均发展速度是动态数列中各期环比发展速度或各期定基发展速度中的环比发展速度的序时平均数。它说明在一定时期内发展速度的一般水平。 平均发展速度的计算方法有几何法和方程法。 1．几何法计算平均发展速度：实际动态数列各期环比发展速度连乘积等于理论动态数列中各期平均发展速度的连乘积 2．方程法计算平均发展速度：方程法平均发展速度的特点是实际动态数列各项之和等于理论动态数列各项之和，所以称为“累积法” （1）测定发展水平和平均发展水平 在时间i t 上的观察值i Y ，就是该时间点的发展水平。 平均发展水平是现象在时间i t （i=1,2,…,n ）上各期观察值i Y 的平均数。 ①时期序列的序时平均数计算
小波分析—时间序列的多时间尺度分析 一、问题引入 1.时间序列（Time Series ） 时间序列是指将某种现象某一个统计指标在不同时间上的各个数值，按时间先后顺序排列而形成的序列。在时间序列研究中，时域和频域是常用的两种基本形式。其中： 时域分析具有时间定位能力，但无法得到关于时间序列变化的更多信息； 频域分析（如Fourier 变换）虽具有准确的频率定位功能，但仅适合平稳时间序列分析。 然而，许多现象（如河川径流、地震波、暴雨、洪水等）随时间的变化往往受到多种因素的综合影响，大都属于非平稳序列，它们不但具有趋势性、周期性等特征，还存在随机性、突变性以及“多时间尺度”结构，具有多层次演变规律。对于这类非平稳时间序列的研究，通常需要某一频段对应的时间信息，或某一时段的频域信息。显然，时域分析和频域分析对此均无能为力。 2.多时间尺度 河流因受季节气候和流域地下地质因素的综合作用的影响,就会呈现出时间尺度从日、月到年,甚至到千万年的多时间尺度径流变化特征。推而广之，这个尺度分析，可以运用到对人文历史的认识，以及我们个人生活及人生的思考。 3.小波分析 产生：基于以往对于时间序列分析的各种缺点，融合多时间尺度的理念，小波分析在上世纪80年代应运而生，为更好的研究时间序列问题提供了可能，它能清晰的揭示出隐藏在时间序列中的多种变化周期，充分反映系统在不同时间尺度中的变化趋势，并能对系统未来发展趋势进行定性估计。 优点： 相对于Fourier 分析：Fourier 分析只考虑时域和频域之间的一对一的映射，它以单个变量（时间或频率）的函数标示信号；小波分析则利用联合时间-尺度函数分析非平稳信号。 相对于时域分析：时域分析在时域平面上标示非平稳信号，小波分析描述非平稳信号虽然也在二维平面上，但不是在时域平面上，而是在所谓的时间尺度平面上，在小波分析中，人们可以在不同尺度上来观测信号这种对信号分析的多尺度观点是小波分析的基本特征。 应用范围： 目前，小波分析理论已在信号处理、图像压缩、模式识别、数值分析和大气科学等众多的非线性科学领域内得到了广泛的应用。在时间序列研究中，小波分析主要用于时间序列的消噪和滤波，突变点的监测和周期成分的识别以及多时间尺度的分析等。 二、小波分析基本原理 1. 小波函数 小波分析的基本思想是用一簇小波函数系来表示或逼近某一信号或函数。因此，小波函数是小波分析的关键，它是指具有震荡性、能够迅速衰减到零的一类函数，即小波函数)R (L )t (2 ∈ψ(有限能量空间)且满足： ?+∞ ∞-=0dt )t (ψ （1） 式中，)t (ψ为基小波函数，它可通过尺度的伸缩和时间轴上的平移构成一簇函数系： )a b t (a )t (2/1b ,a -=-ψψ 其中，0a R,b a,≠∈ （2）
情况如6月澳大利亚季度常住人口变动（单位：千人）199320.1971年9月—年 问题：（1）判断该序列的平稳性与纯随机性。 （2）选择适当模型拟合该序列的发展。 （3）绘制该序列拟合及未来5年预测序列图。 针对问题一：将以下程序输入SAS编辑窗口，然后运行后可得图1. data example3_1; input x@@; time=_n_; ; cards55.4 50.2 49.5 67.9 55.8 63.2 53.1 61.7 45.3 48.1 49.9 55.2 42.1 30.4 59.9 49.5 33.8 30.6 36.6 44.1
45.5 32.9 28.4 35.8 37.3 29 34.2 39.5 49.8 48.8 43.9 49 47.6 37.3 47.6 39.2 48.9 60.8 65.4 65.4 51.2 67 49.6 55.1 47.3 67.6 62.5 57.3 47.9 45.5 49.1 48 44.5 48.8 60.9 51.4 55.8 59.4 60.9 51.6 60.3 71 64 62.1 58.6 64.6 75.4 83.4 79.4 59.9 80.2 55.9 59.1 21.5 69.5 65.2 58.5 62.5 33.1 62.2 60 170 35.3 -47.4 34.4 43.4 58.4 42.7 ; =example3_1; data proc gplot; 1plot x*time==star; v=join =red symbol1cI;run 该序列的时序图1 图这两个异常数据外，该时序图显示澳大-47.4和由图1可读出：除图中170附近随机波动，没有明显的趋势或周期，基60利亚季度常住人口变动一般在在本可视为平稳序列。5. 再接着输入以下程序运行后可输出五方面的信息。具体见表1-表arima data proc= example3_1;
课程论文时间序列分析 题目时间序列模型在人口增长中的应用学院数学与统计学院 专业统计学 班级统计（二）班 学生殷婷 2010101217 指导教师翠霞 职称 2012 年10 月29 日
引言 人口问题是一个世界各国普遍关注的问题。人作为一种资源，主要体现在人既是生产者，又是消费者。作为生产者，人能够发挥主观能动性，加速科技进步，促进社会经济的发展；作为消费者，面对有限的自然资源，人在发展的同时却又不得不考虑人口数量的问题。我国是一个人口大国，人口数量多，增长快，人口素质低；由于人口众多，不仅造成人均资源的数量很少，而且造成住房、教育、就业等方面的很大压力。所以人口数量是社会最为关注的问题，每年新增加的国民生产总值有相当一部分被新增加的人口所抵消，从而造成社会再生产投入不足，严重影响了国民经济的可持续发展。因此，认真分析研究我国目前的人口发展现状和特点，采取切实可行的措施控制人口的高速增长，已经成为我国目前经济发展中需要解决的首要问题。 本文通过时间序列模型对人口的增长进行预测，国家制定未来人口发展目标和生育政策等有关人口政策的基础，对于国民经济计划的制定和社会战略目标的决策具有重要参考价值。人口的预测，作为经济、社会研究的需要，应用越来越广泛，也越来越受到人们的重视。在描绘未来小康社会的蓝图时，首先应要考虑的是未来中国的人口数量、结构、分布、劳动力、负担系数等等，而这又必须通过人口的预测来一一显示。人口数量在时间上的变化，可以用时间序列模型来预测其继后期的数量。 本文通过时间序列分析的方法对人口增长建立模型,取得了较好
的预测结果。时间序列分析是研究动态数据的动态结构和发展变化规律的统计方法。以1990年至2008年中国人口总数为例,用时间序列分析Eviews软件建立模型,并对人口的增长进行预测,研究时间序列模型在人口增长中的应用。 基本假设 (1) 在预测中国人口的增长趋势时，假设全国人口数量的变化是封闭的即人口的出生率和死亡率是自然变化的，而不考虑与其他国家的迁移状况； (2)在预测的年限，不会出现意外事件使人口发生很大的波动，如战争，疾病； (3) 题目数据能够代表全国的整体人数。。 问题分析 根据抽样的基本原理，预测人口增长趋势最直接的方法就是预测出人口总数的增长量，因此我们运用中华人民国国家统计局得到的1990年到2008年度总人口数据。考虑到迁移率、死亡率、出生率、年龄结构等多个因素对人口数量的影响，求解人口增长趋势的关键是如何在我们的模型中充分的利用这些影响因素从而使我们的预测结果具有较高的精确性。 研究数据：
第八章时间序列分 析
第八章时间序列分析与预测 【课时】6学时 【本章内容】 §8.1 时间序列的描述性分析 时间序列的含义、时间序列的图形描述、时间序列的速度分析§8.2 时间序列及其构成分析 时间序列的构成因素、时间序列构成因素的组合模型 § 8.3 时间序列趋势变动分析 移动平均法、指数平滑法、模型法 §8.4 时间序列季节变动分析 原始资料平均法、趋势-循环剔除法、季节变动的调整 §8.5 时间序列循环变动分析 循环变动及其测定目的、测定方法 本章小结 【教学目标与要求】 1.掌握时间序列的四种速度分析 2.掌握时间序列的四种构成因素 3.掌握时间序列构成因素的两种常用模型 4.掌握测定长期趋势的移动平均法 5.了解测定长期趋势的指数平滑法 6.掌握测定长期趋势的线性趋势模型法 7.了解测定长期趋势的非线性趋势模型法 8.掌握分析季节变动的原始资料平均法 9.掌握分析季节变动的循环剔出法 10.掌握测定循环变动的直接法和剩余法 【教学重点与难点】 1.对统计数据进行趋势变动分析，利用移动平均法、指数平滑法、线性模型法求得数 据的长期趋势； 2.对统计数据进行季节变动分析，利用原始资料平均法、趋势－循环剔除法求得数据 的季节变动； 3.对统计数据进行循环变动分析，利用直接法、剩余法求得循环变动。 【导入】 很多社会经济现象总是随着时间的推移不断发展变化，为了探索现象随时间而发展变化的规律，不仅要从静态上分析现象的特征、内部结构以及相互关联的数量关系，而且应着眼于现象随时间演变的过程，从动态上去研究其发
展变动的过程和规律。这时需要一些专门研究按照时间顺序观测的序列数据的统计分析方法，这就是统计学中的时间序列分析。 通过介绍一些时间序列分析的例子，让同学们了解时间序列的应用，并激发学生学习本章知识的兴趣。 1.为了表现中国经济的发展状况，把中国经济发展的数据按年度顺序排列起 来，据此来研究。 2.公司对未来的销售量作出预测。这种预测对公司的生产进度安排、原材料采 购、存货策略、资金计划等都至关重要。 3.车站对未来节日客流量的预测。 4.投资者对股票、基金未来走势的预测。
考核课程 时间序列分析（B 卷） 考核方式 闭卷 考核时间 120 分钟 注：B 为延迟算子，使得1-=t t Y BY ；?为差分算子，。 一、单项选择题（每小题3 分，共24 分。） 1. 若零均值平稳序列{}t X ，其样本ACF 和样本PACF 都呈现拖尾性，则对{}t X 可能建立（ B ）模型。 A. MA(2) B.ARMA(1,1) C.AR(2) D.MA(1) 2.下图是某时间序列的样本偏自相关函数图，则恰当的模型是（ B ）。 A. )1(MA B.)1(AR C.)1,1(ARMA D.)2(MA 3. 考虑MA(2)模型212.09.0--+-=t t t t e e e Y ，则其MA 特征方程的根是（ C ）。 （A ）5.0,4.021==λλ （B ）5.0,4.021-=-=λλ （C ）5.2221==λλ， （D ） 5.2221=-=λλ， 4. 设有模型112111)1(----=++-t t t t t e e X X X θφφ，其中11<φ，则该模型属于（ B ）。 A.ARMA(2,1) B.ARIMA(1,1,1) C.ARIMA(0,1,1) D.ARIMA(1,2,1) 5. AR(2)模型t t t t e Y Y Y +-=--215.04.0，其中64.0)(=t e Var ，则=)(t t e Y E （ B ）。 A.0 B.64.0 C. 1 6.0 D. 2.0 6.对于一阶滑动平均模型MA(1): 15.0--=t t t e e Y ，则其一阶自相关函数为( C )。 A.5.0- B. 25.0 C. 4.0- D. 8.0 7. 若零均值平稳序列{}t X ?，其样本ACF 呈现二阶截尾性，其样本PACF 呈现拖尾性，则可初步认为对{}t X 应该建立（ B ）模型。 A. MA(2) B.)2,1(IMA C.)1,2(ARI D.ARIMA(2,1,2) 8. 记?为差分算子，则下列不正确的是（ C ）。 A. 12-?-?=?t t t Y Y Y B. 212 2--+-=?t t t t Y Y Y Y C. k t t t k Y Y Y --=? D. t t t t Y X Y X ?+?=+?） ( 二、填空题（每题3分，共24分）；
《时间序列分析》课程教学大纲 课程编号：33330775课程名称：时间序列分析 课程基本情况： 1．学分：3 学时：51学时（课内学时：45 课内实验：6）2．课程性质：专业必修课 3．适用专业：统计学适用对象：本科 4.先修课程：概率论、数理统计、随机过程 5．首选教材：王燕：《应用时间序列分析》，中国人民大学出版社，2008出版。 备选教材：王振龙等编著：《时间序列分析》，中国统计出版社，2000年。 6．考核形式：闭卷考试 7．教学环境：多媒体教室及实验室 一、教学目的与要求 本课程是数理统计学的一个重要分支，先期需完成的课程有概率论、随机过程。通过本课程的学习，使学生掌握时间序列数据的分析方法，包括时间序列简介、平稳时间序列分析、时间序列分解、非平稳序列的随机分析、多元时间序列分析。利用Eviews软件进行本课程的实验教学。 二、教学内容及学时分配 课程内容及学时分配表 三、教学内容安排 第一章时间序列分析简介 【教学目的】1、了解时间序列的定义及常用分析方法；2、掌握时间序列的几个基本概念：随机过程、平稳随机过程、非平稳随机过程、自相关、记忆性。 【教学重点】时间序列的相关概念。 【教学难点】随机过程、系统自相关性。 【教学方法】课堂讲授 【教学内容】 第一节时间序列的定义 第二节时间序列分析方法 第三节时间序列分析软件EVIEWS简介
第二章时间序列的预处理 【教学目的】1、掌握平稳性检验的原理和方法；2、掌握纯随机性检验的原理和方法。【教学重点】平稳时间序列的定义及统计性质。 【教学难点】时间序列的相关统计量。 【教学方法】课堂讲授 【教学内容】 第一节平稳性检验 一、特征统计量 二、平稳时间序列的定义 三、平稳时间序列的统计性质 四、平稳时间序列的意义 五、平稳时间序列的检验 第二节纯随机性检验 一、纯随机序列的定义 二、白噪声序列的定义 三、纯随机性检验 第三章平稳时间序列序列分析 【教学目的】1、理解ARMA模型的定义及性质。2、掌握平稳序列建模方法。3、掌握平稳时间序列的预测 【教学重点】平稳时间序列建模 【教学难点】模型识别，参数估计，序列预测 【教学方法】课堂讲授与上机实验 【教学内容】 第一节方法性工具 一、差分运算 二、延迟算子 三、线性差分方程 第二节 ARMA模型的性质 一、AR模型 二、MA模型 三、ARMA模型 第三节平稳序列建模 一、建模步骤 二、样本自相关系数与偏相关系数 三、模型识别 四、参数估计 五、模型检验 六、模型优化 第四节序列预测 一、线性预测函数 二、预测方差最小原则 三、线性最小方差预测的性质 四、修正预测 第四章非平稳序列的确定性分析 【教学目的】1、理解时间序列的分解原理。2、掌握时间序列的确定因素分解、趋势分解、季节效应分解方法。3、了解时间序列综合效应分解方法。4、了解X-11过程。
浙江农林大学 2009 - 2010 学年第 二 学期考试卷（A 卷） 课程名称： 应用时间序列分析 课程类别： 必修 考试方式： 闭卷 注意事项：1、本试卷满分100分。 2、考试时间 120分钟。 一、单项选择题（在每小题的四个备选答案中，选出一个正确 答案，并将正确答案的选项填在题后的括号内。每小题2分，共12分） 1. 关于严平稳与（宽）平稳的关系，不正确的为 。 ( ) A. 严平稳序列一定是宽平稳序列 B. 当序列服从正态分布时，两种平稳性等价 C. 二阶矩存在的严平稳序列一定为宽平稳的 D. MA(p)模型一定是宽平稳的 2. 下图为某时间序列的相关检验图，图1为自相关函数图，图2为偏自相关函数图，请选择模型 。 ( ) 图1 图2 学院： 专业班级： 姓名： 学号： 装 订 线 内 不 要 答 题
A. AR(1) B. AR(2) C. MA(1) D. MA(2) 3. 下图中，图3为某序列一阶差分后的自相关函数图，图4为某序列一阶差分后的 偏自相关函数图，请对原序列选择模型。( ) 图3 图4
A.ARIMA(4，1，0) B. ARIMA(0，2，1) C. ARIMA(0，1，2) D.ARI MA(0，1，4) 4. 记B 为延迟算子，则下列不正确的是 。 ( ) A. 0 1B = B. (1)k t t k t X X B X --=- C. 12t t BX X --= D. 11()t t t t B X Y X Y --±=± 5.对于平稳时间序列，下列错误的是 ( ) A.)(212εσεE = B.),(),(k t t k t t y y Cov y y Cov -+= C.k k -=ρρ D.)(?)1(?1k y k y t t +=+ 6.下图为对某时间序列的拟合模型进行显著性水平0.05α=的显著性检验，请选择 该序列的拟合模型 。 ( )
时间序列-小波分析 时间序列（Time Series ）是地学研究中经常遇到的问题。在时间序列研究中，时域和频域是常用的两种基本形式。其中，时域分析具有时间定位能力，但无法得到关于时间序列变化的更多信息；频域分析（如Fourier 变换）虽具有准确的频率定位功能，但仅适合平稳时间序列分析。然而，地学中许多现象（如河川径流、地震波、暴雨、洪水等）随时间的变化往往受到多种因素的综合影响，大都属于非平稳序列，它们不但具有趋势性、周期性等特征，还存在随机性、突变性以及“多时间尺度”结构，具有多层次演变规律。对于这类非平稳时间序列的研究，通常需要某一频段对应的时间信息，或某一时段的频域信息。显然，时域分析和频域分析对此均无能为力。 20世纪80年代初，由Morlet 提出的一种具有时-频多分辨功能的小波分析（Wavelet Analysis ）为更好的研究时间序列问题提供了可能，它能清晰的揭示出隐藏在时间序列中的多种变化周期，充分反映系统在不同时间尺度中的变化趋势，并能对系统未来发展趋势进行定性估计。 目前，小波分析理论已在信号处理、图像压缩、模式识别、数值分析和大气科学等众多的非线性科学领域内得到了广泛的应。在时间序列研究中，小波分析主要用于时间序列的消噪和滤波，信息量系数和分形维数的计算，突变点的监测和周期成分的识别以及多时间尺度的分析等。 一、小波分析基本原理 1. 小波函数 小波分析的基本思想是用一簇小波函数系来表示或逼近某一信号或函数。因此，小波函数是小波分析的关键，它是指具有震荡性、能够迅速衰减到零的一类函数，即小波函数)R (L )t (2∈ψ且满足： ? +∞ ∞ -=0dt )t (ψ （1） 式中，)t (ψ为基小波函数，它可通过尺度的伸缩和时间轴上的平移构成一簇函数系： )a b t ( a )t (2 /1b ,a -=-ψψ 其中，0a R,b a,≠∈ （2） 式中，)t (b ,a ψ为子小波；a 为尺度因子，反映小波的周期长度；b 为平移因子，反应时间上的平移。 需要说明的是，选择合适的基小波函数是进行小波分析的前提。在实际应用研究中，应针对具体情况选择所需的基小波函数；同一信号或时间序列，若选择不同的基小波函数，所得的结果往往会有所差异，有时甚至差异很大。目前，主要是通过对比不同小波分析处理信号时所得的结果与理论结果的误差来判定基小波函数的好坏，并由此选定该类研究所需的基小波函数。 2. 小波变换 若)t (b ,a ψ是由（2）式给出的子小波，对于给定的能量有限信号)R (L )t (f 2 ∈，其连续小波变换（Continue Wavelet Transform ，简写为CWT ）为： dt )a b t ( f (t)a )b ,a (W R 2 /1-f ? -=ψ （3） 式中，)b ,a (W f 为小波变换系数；f(t)为一个信号或平方可积函数；a 为伸缩尺度；b 平移参数； )a b x ( -ψ为)a b x (-ψ的复共轭函数。地学中观测到的时间序列数据大多是离散的，设函数)t k (f ?，