周期分解法和时间序列普分析演示

（优选）周期分解法和时间序列普分析现在是1页\一共有23页\编辑于星期六123时间序列谱分析周期分解方法时间序列分析简介目录现在是2页\一共有23页\编辑于星期六时间序列分析简介01现在是3页\一共有23页\编辑于星期六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。现在是4页\一共有23页\编辑于星期六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前提时间序列分析简介现在是5页\一共有23页\编辑于星期六时域（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现在是6页\一共有23页\编辑于星期六长期趋势：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。现在是7页\一共有23页\编辑于星期六有指数平滑法（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现在是8页\一共有23页\编辑于星期六序列图自相关／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现在是9页\一共有23页\编辑于星期六

周期分解方法

（seasonalDecomposition过程）02现在是10页\一共有23页\编辑于星期六将那些与年、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。定义周期分解方法现在是11页\一共有23页\编辑于星期六加法模型（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）模型周期分解方法现在是12页\一共有23页\编辑于星期六例题【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现在是13页\一共有23页\编辑于星期六12

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）操作过程现在是14页\一共有23页\编辑于星期六34

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）操作过程现在是15页\一共有23页\编辑于星期六操作过程现在是16页\一共有23页\编辑于星期六5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现在是17页\一共有23页\编辑于星期六64

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。现在是18页\一共有23页\编辑于星期六

时间序列谱分析

（seasonalDecomposition过程）03现在是19页\一共有23页\编辑于星期六一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现在是20页\一共有23页\编辑于星期六例题【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）