SAS学习系列38.时间序列分析Ⅱ—非平稳时间序列的确定性分析VIP免费

3 8 . 非平稳时间序列的确定性分析 实际中大多数时间序列是非平稳的，对非平稳时间序列的分析方法主要有两类：确定性分析和随机性分析。 确定性分析——提取非平稳时间序列明显的规律性（长期趋势、季节性变化、周期性），目的是：①克服其它因素影响，单纯测度出单一确定因素对序列的影响；②推断各种确定性因素彼此之间相互作用关系及它们对序列的综合影响。 随机性分析——分析非平稳时间序列由随机因素导致的随机波动性。 （一）趋势分析 有的时间序列具有明显的长期趋势，趋势分析就是要找出并利用这种趋势对序列发展做出合理预测。 1 . 趋势拟合法 即把时间作为自变量，相应的序列观察值作为因变量，建立序列值随时间变化的回归模型。分为线性拟合和非线性拟合。 2 . 平滑法 利用修匀技术，消弱短期随机波动对序列的影响，使序列平滑化，从而显示出长期趋势变化的规律。 （1 ）移动平均、加权移动平均 已知序列值 x 1 , …, x t-1 , 预测 x t 的值为 12ˆttt ntxxxxn 称为n 期移动平均值，n 的选取带有一定的经验性，n 过长或过短，各有利弊，也可以根据均方误差来选取。 一般最新数据更能反映序列变化的趋势。因此，要突出新数据的作用，可采用加权移动平均法： 1122ˆttnt ntwxxxxn 其中，111niin. （2）二次移动平均 对应线性趋势，移动平均拟合值有滞后性，可以采用二次移动平均加以改进：对移动平均值再做一次移动平均。 （3）指数平滑法 指数平滑法是一种对过去观察值加权平均的特殊形式，观测值时间越远，其权数呈指数下降。一次指数平滑法可用于对时间序列进行修匀，以消除随机波动。预测公式为： 1ˆˆ(1)tttsxs 其中α ∈(0, 1)为平滑常数，ˆts 为第 t期平滑预测值，初始预测值0ˆs（通常取最初几个实测数据的均值）。 一般来说，时间序列有较大的随机波动时，宜选择较大的α 值，以便能较快跟上近期的变化；也可以利用预测误差选择。 （4）二次、三次指数平滑法 即对一次指数平滑后的序列再做一次指数平滑，但不是直接将二次指数平滑值作为预测值，而是利用其来求出方程参数，利用滞后偏差的规律来建立直线趋势模型。计算公式： (1)(1)1ˆˆ(1)tttsxs (2)(1)(2)1ˆˆˆ(1)tttsss (1)(2)ˆˆ2tttass, (1)(2)ˆˆ()1tttbss ˆt mttxabm  其中，m 为预测...