时间序列分析-第四章-均值和自协方差函数的估计

《时间序列分析》 ppt课件
• 时间序列分析简介 • 时间序列的平稳性检验 • 时间序列的预处理 • 时间序列的模型选择与建立 • 时间序列的预测与分析 • 时间序列分析的软件实现
目录
Part
01
时间序列分析简介
时间序列的定义与特点
定义
时间序列是一组按照时间顺序排列的 数据点，通常表示为时间t的函数y(t) 。
"ts"包提供了各种时间序列函数，可以用来创建、合并、分解和转换时间序列数据。而"forecast"包则 提供了各种预测算法，可以对时间序列数据进行预测和分析。
Excel在时间序列分析中的应用
Excel是一种广泛使用的办公软件， 也常被用于数据处理和分析。在时间 序列分析中，Excel可以通过使用各 种函数和工具来处理和分析时间序列 数据。
选择适合的时间序列分析 模型，如ARIMA、 SARIMA、LSTM等，并 进行模型训练。
提取时间序列中的趋势、 周期性、季节性等特征。
Part
02
时间序列的平稳性检验
平稳性的定义与特点
总结词
平稳性是指时间序列数据的统计特性不随时间推移而发生变化，即时间序列数据的各个 观测值之间具有相同的随机特性。
数据的异常值处理
识别异常值
通过统计方法、可视化方法等识别异 常值。
处理异常值
根据实际情况，可删除异常值、用均 值或中位数填充异常值或对异常值进 行修正。
Part
04
时间序列的模型选择与建立
常见的时间序列模型
随机游走模型
假设时间序列的下一个值是前一个值的随机扰动，适用于描述长期趋 势。
季节性自回归积分滑动平均模型（SARIM…

第一页，共70页。
• 横截面数据也常称为变量的一个简单随机样本，也即假设每个数据 都是来自于总体分布的一个取值，且它们之间是相互独立的(独立 同分布)。
• 而时间序列的最大特点是观测值并不独立。时间序列的一个目的
是用变量过去的观测值来预测同一变量的未来值。 • 下面看一个时间序列的数据例子。 • 例1. 某企业从1990年1月到2002年12月的月销售数据(单位：百
三、指数平滑模型
• 时间序列分析的一个简单和常用的预测模型叫做指数平滑
(exponential smoothing)模型。
• 指数平滑只能用于纯粹时间序列的情况，而不能用于含有独立变量 时间序列的因果关系的研究。
• 指数平滑的原理为：利用过去观测值的加权平均来预测未来的 观测值(这个过程称为平滑)，且离现在越近的观测值要给以越重
Seanal adjusted series SA
Seas factors SF
YEAR
图3 销售数据的季节因素分离
第十七页，共70页。
120
可以看出，逐月的销
100 售额大致沿一个指数
80 曲线呈增长趋势。
60
↘
40
20
0
-20 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002
3. saf_1：季节因素(seasonal factor) ，记为{SFt }； 4. stc_1：去掉季节及随机扰动后的趋势及循环因素(trend-
cycle series)，记为{TCt }。
第十五页，共70页。
• 这些分解出来的序列或成分与原有时间序列 之间有如下的简单和差关系：

• 推荐软件——SAS
– 在SAS系统中有一个专门进行计量经济与时间序列分析 的模块：SAS/ETS。SAS/ETS编程语言简洁，输出功能强 大，分析结果精确，是进行时间序列分析与预测的理 想的软件
– 由于SAS系统具有全球一流的数据仓库功能，因此在进 行海量数据的时间序列分析时它具有其它统计软件无 可比拟的优势
例2.3自相关图
时间序列分析讲义
例2.4时序图
时间序列分析讲义
例2.4 自相关图
时间序列分析讲义
例2.5时序图
时间序列分析讲义
例2.5自相关图
时间序列分析讲义
• 例2.3时序为非平稳的，有趋势； • 例2.4时序非平稳性，有趋势 • 例2.5时序是一个平稳的
时间序列分析讲义
非平稳性序列的平稳化
时间序列分析讲义
2020/11/16
时间序列分析讲义
第一章 时间序列分析基本概 念
时间序列分析讲义
第一章 时间序列分析基本概念
1.1 时间序列的定义
• 随机序列:按时间顺序排列的一组随机变量
• 观察值序列:随机序列的 个有序观察值，称之为 序列长度为 的观察值序列
• 随机序列和观察值序列的关系
– 观察值序列是随机序列的一个实现 – 我们研究的目的是想揭示随机时序的性质 – 实现的手段都是通过观察值序列的性质进行推断
满足下列条件的随机序列称为白噪声序列，也称 为纯随机序列：
注1：白噪声序列也是平稳时间序列中的特例. 注2：由于白噪声序列不同时刻的值相互独立，那么 这样的序列数值不能对于将来进行推断与预测，所以 白噪声是不能建立模型的。 时序图1.3符合白噪声序列特征
时间序列分析讲义
若满足时间序列满足: 称该时间序列是周期为T的时间序列.

zt
(c1
c2t
cd t d1)1t
cd
t
1 d
1
cptp
复根场合
zt
rt (c1eit
c2eit
) c3t3
c
t
pp
非齐次线性差分方程的解
非齐次线性差分方程的特解
使得非齐次线性差分方程成立的任意一个解zt
zt a1 zt1 a2 zt2 a p zt p h(t)
推导出
0
1 1 p
Green函数定义
设零均值平稳序列 {xt , t 0, 1, 2,...} 能够表示为
xt Gjt j t : WN (0, 2 ) j0
则称上式为平稳序列 {xt } 的传递形式，式中的加权系数 G j
称为Green函数，其中 G0 1 。
Green函数的含义
几个例题
0.8 0.6 0.4 0.2 0.0
2 4 6 8 10 12 14 16 18 20
2.2 2.0 1.8 1.6 1.4 1.2 1.0
2 4 6 8 10 12 14 16 18 20
几个例题
(5) yt 1.6yt1 0.9yt2 (6) yt 1.6yt1 1.1yt2
有关。
2.时间序列的协方差函数与自相关函数
协方差函数：
(t, s) E( Xt t ) X s s
(x t ) y s dFt,s (x, y) 其中，Ft,s (x, y) 为 ( X t , X s )的二维联合分布。
自相关函数：
(t, s) (t, s) / (t,t) (s, s)
特征根判别
AR(p)模型平稳的充要条件是它的p个特征根都在单 位圆内