周期分解法和时间序列普分析ppt课件

时间序列分析周期分解方法和时间序列谱分析,1,1,2,3,时间序列谱分析,周期分解方法,时间序列分析简介,目录,2,时间序列分析简介,01,3,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。,4,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,5,时域（Timedomain）：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（Frequencydomain）：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,6,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。,7,有指数平滑法（ExponentialSmoothing）自回归线性模型（Autoregressivemodel）ARIMA模型周期分解（SeasonalDecomposition）,分析模块,时间序列分析简介,8,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,9,周期分解方法（seasonalDecomposition过程）,02,10,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各种周期性进行识别和提取。,定义,周期分解方法,11,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,12,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.SequenceChart：序列图2.AutocorrelationChart：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,13,1,2,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,14,3,4,周期分解（分析时间序列预测季节性分解）,观察序列图（波动幅度无明显变化加法模型）,操作过程,15,操作过程,16,5,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,17,6,4,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。,18,时间序列谱分析（seasonalDecomposition过程）,03,19,一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,20,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