世界焦点！时间序列分析基本特征有哪些内容? 时间序列预测法的分类有什么？

时间序列分析基本特征有哪些内容?

1.时间序列分析法是根据过去的变化趋势预测未来的发展,它的前提是假定事物的过去延续到未来。

时间序列分析,正是根据客观事物发展的连续规律,运用过去的历史数据,通过统计分析,进一步推测未来的发展趋势。事物的过去会延续到未来这个假设前提包含两层含义:一是不会发生突然的跳跃变化,是以相对小的步伐前进;二是过去和当前的现象可能表明现在和将来活动的发展变化趋向。这就决定了在一般情况下,时间序列分析法对于短、期预测比较显著,但如延伸到更远的将来,就会出现很大的局限,导致预测值偏离实际较大而使决策失误。

2.时间序列数据变动存在着规律与不规律

时间序列中的每个观察值大小,是影响变化的各种不同因素在同一时刻发生作用的综合结果。从这些影响因素发生作用的大小和方向变化的时间特来看,这些因素造成的时间序列数据的变动分为四种类型。

(1)趋势:某个变量随着时间进展或自变量变化,呈现一种比较缓慢而长期的持续上升、下降、停留的同质变动趋向,但变动幅度可能不相等。

(2)周期:某因素由于外部影响随着自然季节的交替出现高峰与低谷的规律。

(3)随机个别为随机变动,整体呈统计规律。

(4)综合:实际变化情况是几种变动的叠加或组合。预测时设法过滤除去不规则变动,突出反映趋势和周期变动。

时间序列预测法的分类有什么?

时间序列预测法可用于短期预测、中期预测和长期预测。根据对资料分析方法的不同，又可分为：简单序时均数法、加权序时均数法、移动均法、加权移动均法、趋势预测法、指数滑法、季节趋势预测法、市场寿命周期预测法等。

简单序时均数法也称算术均法。即把若干历史时期的统计数值作为观察值，求出算术均数作为下期预测值。这种方法基于下列假设：“过去这样，今后也将这样”，把期和远期数据等同化和均化，因此只能适用于事物变化不大的趋势预测。如果事物呈现某种上升或下降的趋势，就不宜采用此法。

加权序时均数法就是把各个时期的历史数据按期和远期影响程度进行加权，求出均值，作为下期预测值。

简单移动均法就是相继移动计算若干时期的算术均数作为下期预测值。

加权移动均法即将简单移动均数进行加权计算。在确定权数时，观察值的权数应该大些，远期观察值的权数应该小些。

上述几种方法虽然简便，能迅速求出预测值，但由于没有考虑整个社会经济发展的新动向和其他因素的影响，所以准确较差。应根据新的情况，对预测结果作必要的修正。

指数滑法即根据历史资料的上期实际数和预测值，用指数加权的办法进行预测。此法实质是由内加权移动均法演变而来的一种方法，优点是只要有上期实际数和上期预测值，就可计算下期的预测值，这样可以节省很多数据和处理数据的时间，减少数据的存储量，方法简便。是国外广泛使用的一种短期预测方法。

季节趋势预测法根据经济事物每年重复出现的周期季节变动指数，预测其季节变动趋势。推算季节指数可采用不同的方法，常用的方法有季(月)别均法和移动均法两种：a.季(月)别均法。就是把各年度的数值分季(或月)加以均，除以各年季(或月)的总均数，得出各季(月)指数。这种方法可以用来分析生产、销售、原材料储备、预计资金周转需要量等方面的经济事物的季变动;b.移动均法。即应用移动均数计算比例求典型季节指数。

市场寿命周期预测法就是对产品市场寿命周期的分析研究。例如对处于成长期的产品预测其销售量，最常用的一种方法就是根据统计资料，按时间序列画成曲线图，再将曲线外延，即得到未来销售发展趋势。最简单的外延方法是直线外延法，适用于对耐用消费品的预测。这种方法简单、直观、易于掌握。