第八章时间序列分析

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】§ 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§ 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§ 时间序列趋势变动分析移动平均法、指数平滑法、模型法§ 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§ 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.；7.掌握测定长期趋势的线性趋势模型法8.了解测定长期趋势的⾮线性趋势模型法9.掌握分析季节变动的原始资料平均法10.掌握分析季节变动的循环剔出法11.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。

第八章非平稳和季节时间序列模型分析方法时间序列是指观测值按照时间顺序排列的一组数据，其中具有季节性和非平稳性的时间序列数据具有特殊的分析需求。

本文将介绍非平稳和季节时间序列的分析方法。

一、非平稳时间序列分析方法非平稳时间序列是指其统计特征在时间上发生了变化，无法满足平稳性的要求。

非平稳时间序列具有趋势性、周期性、季节性和不规则性等特征。

对于非平稳时间序列的分析，我们可以采用以下方法：1.差分法：差分法是通过对时间序列取一阶或多阶差分来消除趋势性的影响。

通过差分后的时间序列进行分析，我们可以得到一个稳定的时间序列，并进行后续的建模和预测。

2.移动平均法：移动平均法是通过计算一定窗口范围内的观测值的平均值来消除短期波动的影响，从而得到一个平滑的时间序列。

通过移动平均后的时间序列进行分析，我们可以在一定程度上消除非平稳性的影响。

3.分解法：分解法是将非平稳时间序列分解为趋势项、季节项和随机项三个部分。

通过分解后的各个部分进行分析，我们可以了解趋势、季节和随机成分在时间序列中的作用，从而更好地进行建模和预测。

二、季节时间序列分析方法季节时间序列是指具有明显季节性的时间序列数据。

对于季节时间序列的分析，我们可以采用以下方法：1.季节性指数：季节性指数是用来描述季节性的强度和方向的指标。

通过计算每个季节的平均值与总平均值之比，可以得到季节性指数。

根据季节性指数的变化趋势，我们可以判断时间序列的季节性变化情况，并进行后续的建模和预测。

2.季节性趋势模型：季节性趋势模型是一种常用的季节时间序列建模方法。

该模型将时间序列分解为趋势项、季节项和随机项三个部分，并通过对这三个部分进行建模来分析季节性时间序列。

常用的季节性趋势模型包括季节性自回归移动平均模型（SARIMA）、季节性指数平滑模型等。

总结起来，非平稳和季节时间序列模型的分析方法主要包括差分法、移动平均法和分解法等对非平稳时间序列进行分析，以及季节性指数和季节性趋势模型等对季节性时间序列进行分析。

第八章、非平稳时间序列分析很多时间序列表现出非平稳的特性：随机变量的数学期望和方差随时间的变化而变化。

宏观经济数据形成的时间序列中有很多是非平稳时间序列。

非平稳时间序列与平稳时间序列具有截然不同的特征，研究的方法也很不一样。

因此，在对时间序列建立模型时，必须首先进行平稳性检验，对于平稳时间序列，可采用第七章的方法进行分析，对于非平稳时间序列，可以将采用差分方法得到平稳时间序列，然后采用平稳时间序列方法对差分数据进行研究，对于多个非平稳时间序列则可以采用协整方法对其关系进行研究。

8.1 随机游动和单位根8.1.1随机游动和单位根如果时间序列t y 满足模型t t t y y ε+=-1 （8.1）其中t ε为独立同分布的白噪声序列， ,2,1,)(2==t Var t σε，则称t y 为标准随机游动（standard random walk ）。

随机游动表明，时间序列在t 处的值等于1-t 时的值加上一个新息。

如果将t y 看作一个质点在直线上的位置，当前位置为1-t y ，则下一个时刻质点将向那个方向运动、运动多少（t ε）是完全随机的，既与当前所处的位置无关（t ε与1-t y 不相关），也与以前的运动历史无关（t ε与 ,,32--t t y y 不相关），由质点的运动历史和当前位置不能得出下一步运动方向的任何信息。

这便是 “随机游动”的由来。

随机游动时间序列是典型的非平稳时间序列。

将（8.1）进行递归，可以得出010211y y y y t s s t t t t t t t +==++=+=∑-=----εεεε （8.2）。

如果初始值0y 已知，则可以计算出t y 的方差为2)(σt y Var t =。

由此看出随机游动在不同时点的方差与时间t 成正比，不是常数，因此随机游动是非平稳时间序列。

下图给出了随12机游动时间序列图：图8.1 随机游动时间序列图将随机游动（8.1）用滞后算子表示为t t y L ε=-)1( （8.3），滞后多项式为L L -=Φ1)(。