没有合适的资源?快使用搜索试试~ 我知道了~
季节性时间序列分析方法.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 23 浏览量
2021-10-12
04:22:40
上传
评论
收藏 6.14MB PDF 举报
温馨提示
试读
43页
季节性时间序列分析方法.pdf
资源推荐
资源详情
资源评论
第七章 季节性时间序列分析方法
由于季节性时间序列在经济生活中大量存在,故将季节时间序列从非平稳序列中抽出来,单独作为一
章加以研究,具有较强的现实意义。本章共分四节:简单随机时间序列模型、乘积季节模型、季节型时间
序列模型的建立、季节调整方法 X-11 程序。
本章的学习重点是季节模型的一般形式和建模。
§1 简单随机时序模型
在许多实际问题中,经济时间序列的变化包含很多明显的周期性规律。比如:建筑施工在冬季的月份
当中将减少,旅游人数将在夏季达到高峰,等等,这种规律是由于季节性( seasonality)变化或周期性变
化所引起的。对于这各时间数列我们可以说,变量同它上一年同一月(季度,周等)的值的关系可能比它
同前一月的值的相关更密切。
一、 季节性时间序列
1.含义:在一个序列中,若经过 S 个时间间隔后呈现出相似性,我们说该序列具有以 S 为周期的周
期性特性。具有周期特性的序列就称为季节性时间序列,这里 S 为周期长度。
注: ①在经济领域中,季节性的数据几乎无处不在,在许多场合,我们往往可以从直观的背景及物理
变化规律得知季节性的周期,如季度数据(周期为 4)、月度数据(周期为 12)、周数据(周期为 7);②有
的时间序列也可能包含长度不同的若干种周期,如客运量数据( S=12,S=7)
2.处理办法:
(1)建立组合模型;
(1) 将原序列分解成 S 个子序列( Buys-Ballot 1847 )
周 期
周期点
1 2 3 …… S 总和 平均
1 X1 X2 X3 …… XS T*1 A *1
2 X
S+1
X
S+1
X
S+3
…… X
2S
T
*2
A
*2
3 X
S+1
X
2S+2
X
2S+3
…… X
3S
T
*3
A
*3
…… ………………………………………………………………………………
n
X (n-1)S+1 X (n-1)S+2 X (n-1)S+3 …… Xn S T*n A *1n
总和
T
1* T2* T3* …… TS* T T/S
平均 A
1*
A
2*
A
3*
…… A
S*
T/N T/SN
对于这样每一个子序列都可以给它拟合 ARIMA 模型,同时认为各个序列之间是相互独立的。但是这
种做法不可取, 原因有二:( 1)S 个子序列事实上并不相互独立, 硬性划分这样的子序列不能反映序列
t
x
的总体特征; (2)子序列的划分要求原序列的样本足够大。
启发意义: 如果把每一时刻的观察值与上年同期相应的观察值相减,是否能将原序列的周期性变化消
除?(或实现平稳化) ,在经济上,就是考查与前期相比的净增值,用数学语言来描述就是定义季节差分
算子。
定义:季节差分可以表示为
Sttt
S
tSt
XXXBXW )1(
。
二、 随机季节模型
1.含义:随机季节模型,是对季节性随机序列中不同周期的同一周期点之间的相关关系的一种拟合。
AR (1):
tt
S
tStt
eWBeWW )1(
11
,可以还原为:
ttS
S
eXB )1(
1
。
MA (1):
t
S
tSttt
eBWeeW )1(
11
,可以还原为:
t
S
tS
eBX )1(
1
。
2.形式:广而言之,季节型模型的 ARMA 表达形式为
t
S
t
S
eBVWBU )()( ( 1)
这里,
qS
q
SSS
pS
P
SSS
t
d
St
BVBVBVBV
BUBUBUBU
XW
2
21
2
21
1)(
1)(
)(平稳
。
注:(1)残差
t
e 的内容;(2)残差
t
e 的性质。
§2 乘积季节模型
一、 乘积季节模型的一般形式
由于
t
e 不独立,不妨设 ),,(~ mdnARIMAe
t
,则有
tt
d
aBeB )()(
(2)
式中,
t
a
为白噪声;
n
n
BBBB
2
2
1
1
1)(
;
m
m
BBBB
2
2
1
1
1)(
。
在( 1)式两端同乘
d
B)(
,可得:
t
S
t
dS
t
D
S
dS
t
dS
aBBVeBBVXBUBWBUB )()()()()()()()( (3)
注:(1)这里
t
D
S
S
XBU )( 表示不同周期的同一周期点上的相关关系;
t
d
XB)( 则表示同一周期内
不同周期点上的相关关系。二者的结合就能同时刻划两个因素的作用,仿佛是显像管中的电子扫描。
( 2 )从结构上看,它是季节模型与 ARIMA 模型的结合形式,称之为乘积季节模型,阶数用
S
qDpmdn ),,(),,( 来表示。
(3)将乘积季节模型展开便会得到一般的 ARIMA 模型。例如:
t
S
t
aBVBXB )1)(1()1(
11
,可
以展开为
t
SS
t
aBVBVBXB )1()1(
1
1111
,此时也有 )1,1,0(~ SARIMAX
t
,并且其中有许多系
数为 0。但其参数并不独立。所以尽管模型的阶数可能很高,然而真正独立的参数不多,我们称这类模型
为疏系数模型(带有一定约束条件的疏系数模型) 。
二、 常用的两个模型
1.
tt
aBBXBB )1)(1()1)(1(
12
121
12
类型为:
S
)1,1,0()1,1,0(
(4)
2.
tt
aBBXB )1)(1()1(
12
121
12
类型为:
S
)1,1,0()1,0,0( (5)
三、 乘积季节模型与 ARIMA 模型的关系
我们可以将乘积季节模型
t
S
t
dS
t
D
S
dS
t
dS
aBBVeBBVXBUBWBUB )()()()()()()()(
(3)
展成 ARIMA 模型形式。
例如,
t
S
t
aBVByB )1)(1()1(
11
是
)1,0,0()1,1,0(
季节模型,将式子的右边展成:
t
S
j
j
jt
SS
t
aBaBVBVByB )1()1()1(
1
1
*1
1111
(6)
这是一个 )1,1,0( S 阶 ARIMA 模型,但是其参数不是独立的,有下面的约束关系
11
*
11
**
1
*
21
*
1
,,0, VV
SSS
(7)
尽管模型的阶数很高,然而真正独立的参数并不多,有许多参数取值为零
§3 季节性时间序列模型的建立
季节性时间序列模型的建立也包含这样几个过程: 模型的识别、 模型的定阶、 参数估计、 诊断检验等。
基本上采用的是 BOX-JENKINS 方法,也就是立足于考察数据序列的样本自相关、偏自相关函数。
如果样本自相关、偏自相关函数既不截也不拖尾,而且也不呈线性衰减趋势,相反地,在相应于周期
S 的整数倍点上,自相关(或偏自相关)函数出现绝对值相当大的峰值并呈现振荡变化,我们就可以判明
原数据序列适合于乘积季节模型。
一、 季节性 MA 模型的自相关函数
t
X
是一个季节性时间序列,如果
St
MAX )1(~
,则
t
S
St
eBX )1(
( 6)
t
e 不平稳,设 )1(~ MAe
t
,则
tt
aBe )1(
1
(7)
我们就能得到一个乘积季节模型
t
S
St
aBX )1)(1(
1
( 8)
1111 StSStSttt
aaaaX (9)
当 S=12 时,有
)13(~
13121121211
MAaaaaX
ttttt
(10)
可以计算出:
22
12
2
10
)1)(1(
22
12111
)(
0
1032
12113
0
1514
因此有:
0
1
2
1
1
1
0
1032
0)]1)(1[(
2
12
2
112111
0
1
2
12
12
12
0)]1)(1[(
2
12
2
112111
0
1514
注:(1)
1
为
tt
aBe )1(
1
的一阶自相关系数,
12
为
t
S
St
eBX )1(
的一阶自相关系数;
(2)
1
与
12
比较容易求解;
(3)可以推广到更一般的形式。
二、 季节性 AR 模型的偏自相关函数
t
X
是一个季节性时间序列,如果
St
ARX )1(~
,则
tt
S
S
eXB )1(
( 11)
t
e 不平稳,设 )1(~ ARe
t
,则
tt
aeB)1(
1
( 12)
我们就能得到一个乘积季节模型
tt
S
S
aXBB )1)(1(
1
(13)
tt
S
S
S
S
aXBBB )1(
1
11
(14)
当 S=12 时,有
)13(~
13121121211
ARaXXXX
ttttt
(15)
可以根据 YULE-WORK 方程求出偏自相关函数。
注:(1)根据它在周期点上的偏自相关函数的截尾性和拖尾性识别模型的类型和定阶;
(2)可以推广到更一般的形式。
三、 季节性时间序列模型的建模方法
利用 B-J 建模方法:判别周期性,即 S 的取值;根据 SACF 和 SPACF 提供的信息识别模型类型和阶
数,最后进行估计和诊断检验。
具体做法:
第一步:对时间序列
t
X 进行普通差分 和季节差分
S
,以得到平稳的序列
t
W ,
t
D
S
d
t
XW ;
第二步:计算差分后序列的 SACF 和 SPACF,选择一个暂定的模型;
第三步:由 SACF 和 SPACF 函数的值,利用矩估计法得到的值作为初始值,对模型参数作最小二乘
估计;
第四步:模型的诊断与检验。
剩余42页未读,继续阅读
资源评论
weixin_40895192
- 粉丝: 17
- 资源: 21万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- BLOCK_TYPE_HEARTBEAT_D70A3465D4EE4E9_046141_dump_1st.dmp
- 项目方法测试调用接口工具
- studyupdate
- 基于西瓜数据集的决策树实现.zip
- 60套HTML网站源码-响应式-涵盖(简历&作品展示&商业&科技&培训&商城&课设等)-适配移动设备-解压即用.zip
- 贪心算法要点和难点实例代码解析
- 65套HTML网站源码-响应式-涵盖(简历&作品展示&商业&科技&培训&商城&课设等)-适配移动设备-解压即用.zip
- 多因素决策树的Python实现.zip
- 使用Python在莺尾花数据集上实现了决策树算法,文件里有数据集.zip
- python实现决策树.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功