周期分解法和时间序列普分析

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
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 。
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。
时间序列分析
周期分解方法和时间序列谱分析
目录
1
时间序列分析简介 周期分解方法 时间序列谱分析
2
3
01
时间序列分析简介
时间序列分析简介
依时间顺序排列起来的一系列观测值。
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。
时间序列分析简介
操作过程
1
定义日期和时间
(数据——定义日期和时间)
2
序列图——初步预测
(分析—时间序列预测—序列图)
操作过程
3
观察序列图
(波动幅度无明显变化——加法模型)
4
周期分解
(分析—时间序列预测—季节性分解)
操作过程
操作过程
周 期 分 解 后
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
有足够长的数据序列(t>4T) 数据序列的变动是稳定而规律的
时间序列分析简介
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(Frequency domain):认为时间
时间序列分析简介
有指数平滑法(Exponential Smoothing) 分析模块 自回归线性模型(Autoregressive model)
ARIMA模型
周期分解(Seasonal Decomposition)
时间序列分析简介
序列图 图形 自相关/偏相关图 交叉相关图 周期图和谱密度图
操作过程
6
周期调整序列SAS-1
(观察周期分解后的效果)
4
趋势-循环波动序列STC-1
(观察周期分解后的效果)
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。
03
时间序列谱分析
(seasonalDecomposition过程)
时间序列谱分析
谢谢观看
THANK YOU
02
周期分解方法
(seasonalDecomposition过程)
周期分解方法
将那些与年、季、月等相关的固定周期变动 定义
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 间序列的各种周期性进行识别和提取。
周期分解方法
加法模型 模型
(波动幅度无明显变化)
乘法模型
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)
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
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)
(波动幅度随时间推移增大或减小)
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
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。
时间序列分析简介
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
wk.baidu.com
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
相关文档
最新文档