《周期分解法和时间序列普分析PPT课件》由会员分享，可在线阅读，更多相关《周期分解法和时间序列普分析PPT课件（24页珍藏版）》请在金锄头文库上搜索。
1、1,时间序列分析周期分解方法和时间序列谱分析,2,1,2,3,时间序列谱分析,周期分解方法,时间序列分析简介,目录,3,时间序列分析简介,01,4,依时间顺序排列起来的一系列观测值。,定义,时间序列分析简介,注：观测值之间不独立。它考虑的不是变量间的因果关系，而是重点考察变量在时间方面的发展变化规律，并为之建立数学模型。,5,有足够长的数据序列（t4T） 数据序列的变动是稳定而规律的,前提,时间序列分析简介,6,时域（Time domain）：将时间序列看成是过去一些点的函数，或者认为序列具有随时间系统变化的趋势，它可以用不多的参数来加以描述，或者说可以通过差分、周期等还原成随机序列。 频域（
2、Frequency domain）：认为时间序列是由数个正弦波成份叠加而成，当序列的确来自一些周期函数集合时，该方法特别有用。,分类,时间序列分析简介,7,长期趋势：指一种长期的变化趋势。它采取一种全局的视角，不考虑序列局部的波动。如：中国的GDP呈现一种上升的长期趋 季节变化(Season)：冷饮的销售情况 循环变化(Cyclic)：经济危机，指一种较长时间的周期变化。循环变化一般会出现波峰和波谷，呈现一种循环往复的现象。 不规则变化(error) :白噪声，指时间序列中无法预计的部分，序列的随机波动 。,构成,时间序列分析简介,注：并不是每个序列都包含所有4种成分。比如以年为时间单位的序列
3、就不会有季节变化；一些较短的序列也看不出循环变化。所以在分析的时候得具体情况具体分析。,8,有指数平滑法（Exponential Smoothing） 自回归线性模型（Autoregressive model） ARIMA模型 周期分解（Seasonal Decomposition）,分析模块,时间序列分析简介,9,序列图 自相关偏相关图 交叉相关图 周期图和谱密度图,图形,时间序列分析简介,10,周期分解方法（seasonalDecomposition过程）,02,11,将那些与年、季、月等相关的固定周期变动称为季节性变动，而将其他非固定周期变动称为周期性。周期分解法的本质就是要对时间序列的
4、各种周期性进行识别和提取。,定义,周期分解方法,12,加法模型 （波动幅度无明显变化） 乘法模型 （波动幅度随时间推移增大或减小）,模型,周期分解方法,13,例题【17-4】,预处理：1.缺失值的填补 2.时间变量的定义 3.时间序列的平稳化 时间序列趋势的图形化观察： 1.Sequence Chart：序列图 2.Autocorrelation Chart：自相关和偏相关图 创建时间序列模型： 1.专家建模器 2.指数平滑 3.ARIMA,14,1,2,序列图初步预测 （分析时间序列预测序列图）,定义日期和时间 （数据定义日期和时间）,操作过程,15,3,4,周期分解 （分析时间序列预测季节
5、性分解）,观察序列图 （波动幅度无明显变化加法模型）,操作过程,16,操作过程,17,5,观察自相关和偏相关图 （判断有无相关性） 分析时间序列预测自相关性,操作过程,周期分解后,18,6,4,趋势-循环波动序列STC-1 （观察周期分解后的效果）,周期调整序列SAS-1 （观察周期分解后的效果）,操作过程,注：1.周期调整序列:该序列加上季节指数可以还原为原始序列。 2.趋势循环波动序列:对周期调整序列进行平滑处理。,19,时间序列谱分析（seasonalDecomposition过程）,03,20,一个时间序列可看成各种周期扰动的叠加，频域分析就是确定各周期的振动能量的分配，这种分配称为“谱”，或“功率谱”。因此频域分析又称谱分析。（心电图）,定义,时间序列谱分析,21,例题【17-5】,操作：分析时间序列预测谱图 横坐标：20，对数 （一般历史数据4个周期,既100/5=20） 纵坐标：线性,22,23,结论：太阳黑子的时间序列存在周期为10年的规律性活动。 （书上为周期11）,24,谢谢观看,THANK YOU,
