时间序列分析 课件 第一章第三节 时间序列的采集和整

自强不息厚德载物TsinghuaUniversityofChina知行合一、经世致用CentralSouthUniversity第三节时间序列的采集和整理

针对某个需要解决的问题，首先是搜集与之相关的数据，然后通过分析数据，找到解决问题的办法。所以，采集时间序列是进行时间序列分析的第一步。采集到的时间序列一般不能直接用于建模分析，而需要对它们进行整理。常见的数据整理包括：缺失值的补充、异常值的处理等。1.3.1数据的采集

采集时间序列就是按照一定的时间间隔对所研究的现象进行记录或观察。采样的间隔时间可以相等，也可以不等，本书中只讨论采样间隔时间相等的数据。自强不息厚德载物TsinghuaUniversityofChina知行合一、经世致用CentralSouthUniversity

例如，对于天气气温时间序列，国家气象部门一般采用间隔六小时的采样，或者间隔三小时的采样。根据需要，他们也提供间隔一小时或半小时的采样等等。采样间隔越小，采集的数据越多，得到的信息就越多，分析得到的结果越准确。但数据越多，处理起来越困难，耗费的人力物力越大。所以，必须在不损失信息和不浪费财力之间做出合理的选择。

对于同一个时间序列，序列值通常是某个指标的值，指标的定义要求一致。例如，日平均气温序列，国家气象部门统一规定，日平均气温是每天02时、08时、14时、20时，四次测量的气温的算术平均。

事实上，很多情况下，我们使用的是专门人员或行业人员收集过来的数据，即所谓二手数据。这些数据可以在在公开的网站或行业内部等地方找到。使用这些数据时，同样需要了解这些数据采集的方式、指标的含义等。自强不息厚德载物TsinghuaUniversityofChina知行合一、经世致用CentralSouthUniversity自强不息厚德载物TsinghuaUniversityofChina知行合一、经世致用CentralSouthUniversity1.3.2缺失值的补充数据分析结果的准确性，首先依赖于数据提供的信息的准确性。有两种比较常见的数据问题：一是数据中存在缺失值；二是数据中存在异常值。由于采集失误或者记录失误等原因，造成时间序列在某些时刻的数据没有得到，这些数据称为缺失值。一方面，时间不能倒流，不可能再次采集那些时刻的数据。另一方面，对带有缺失值的时间序列进行分析，结果显然是不可靠的。而且数据的完整性，一般也是时间序列分析软件能够运作的基本要求。所以，我们必须按照某种方法，估算这些缺失值，将估算得到的值补充到时间序列中去。自强不息厚德载物TsinghuaUniversityofChina知行合一、经世致用CentralSouthUniversity

自强不息厚德载物TsinghuaUniversityofChina知行合一、经世致用CentralSouthUniversity1.3.3异常值的处理由于错误或者突发事件等原因，引起时间序列出现非正常表现，例如，出现远离大多数序列值的一个或多个序列值。又例如，从某时刻起，序列的均值发生明显的变化等等。这些与时间序列通常或者以往的规律呈现不一致的序列值，统称为异常值或离群点。若序列中含有异常值，不加处理就进行数据分析，则所得结果的误差会比较大，甚至可能是错误的。所以，在分析一组时间序列之前，需要检测其是否含有异常值。若含有异常值，应采取措施处理这些异常值，再进一步分析时间序列。自强不息厚德载物TsinghuaUniversityofChina知行合一、经世致用CentralSouthUniversity

自强不息厚德载物TsinghuaUniversityofChina知行合一、经世致用CentralSouthUniversity自强不息厚德载物TsinghuaUniversityofChina知行合一、经世致用CentralSouthUniversity