時(shí)間序列分析法原理及步驟

1、時(shí)間序列分析法原理及步驟目標(biāo)變量隨決策變量隨時(shí)間序列變化系統(tǒng)一、認(rèn)識時(shí)間序列變動特征認(rèn)識時(shí)間序列所具有的變動特征，以便在系統(tǒng)預(yù)測時(shí)選擇采用不同的方法1》隨機(jī)性：均勻分布、無規(guī)則分布，可能符合某統(tǒng)計(jì)分布（用因變量的散點(diǎn)圖和直方圖及其包含的正態(tài)分布檢驗(yàn)隨機(jī)性，大多服從正態(tài)分布）2》平穩(wěn)性：樣本序列的自相關(guān)函數(shù)在某一固定水平線附近擺動，即方差和數(shù)學(xué)期望穩(wěn)定為常數(shù)識別序列特征可利用函數(shù)ACF：其中是的k階自協(xié)方差，且平穩(wěn)過程的自相關(guān)系數(shù)和偏自相

2、關(guān)系數(shù)都會以某種方式衰減趨于0，前者測度當(dāng)前序列與先前序列之間簡單和常規(guī)的相關(guān)程度，后者是在控制其它先前序列的影響后，測度當(dāng)前序列與某一先前序列之間的相關(guān)程度。實(shí)際上，預(yù)測模型大都難以滿足這些條件，現(xiàn)實(shí)的經(jīng)濟(jì)、金融、商業(yè)等序列都是非穩(wěn)定的，但通過數(shù)據(jù)處理可以變換為平穩(wěn)的。二、選擇模型形式和參數(shù)檢驗(yàn)1》自回歸AR(p)模型實(shí)際應(yīng)用中pq一般不超過2.3》自回歸綜合移動平均ARIMA(pdq)模型模型含義模型形式類似ARMA(pq)模型，但

3、數(shù)據(jù)必須經(jīng)過特殊處理。特別當(dāng)線性時(shí)間序列非平穩(wěn)時(shí)，不能直接利用ARMA(pq)模型，但可以利用有限階差分使非平穩(wěn)時(shí)間序列平穩(wěn)化，實(shí)際應(yīng)用中d（差分次數(shù)）一般不超過2.模型識別平穩(wěn)時(shí)間序列的偏相關(guān)系數(shù)和自相關(guān)系數(shù)均不截尾，且緩慢衰減收斂，則該時(shí)間序列可能是ARIMA(pdq)模型。若時(shí)間序列存在周期性波動，則可按時(shí)間周期進(jìn)行差分，目的是將隨機(jī)誤差有長久影響的時(shí)間序列變成僅有暫時(shí)影響的時(shí)間序列。即差分處理后新序列符合ARMA(pq)模型，元