时间序列模型预测(法)的特点

2022年5月18日11:03:40时间序列模型预测(法)的特点已关闭评论

时间序列模型预测(法)是根据市场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同样会延续到未来。正是由于这一特点,它比较适合短期和近期预测。此外,时间序列数据的变动存在规律性与不规律性。时间序列观察值是各种不同因素共同作用的结果,在诸多因素中,有的对事物的发展起长期的、决定性的作用,致使事物的发展呈现出某种趋势和一定的规律性;有些则对事物的发展起着短期的、非决定性的作用,致使事物的发展呈现出某种不规律性。一个时间序列通常由 4 种要素组成:长期变动趋势、季节变动、循环变动、不规则变动。

1)长期趋势变动

长期趋势变动指市场现象在长时期内持续发展变化的一种趋势或状态,它表示时间序列中的数据不是由意外的冲击因素所引起,而是会随着时间的推移逐渐发生变动。长期变动趋势描述了一定时期内经济关系或市场活动中持续的潜在稳定性,反映了预测目标的基本增长趋势,或者基本下降趋势,或者平稳发展趋势。例如,工农业的生产发展、国内生产总值、收入水平、社会商品零售额等。因此,时间序列的长期变动趋势有水平趋势、上升趋势、下降趋势。

2)季节变动

季节变动一般指时间序列在一年内由于受到自然因素和生产生活条件的影响,而产生的比较有规律的变动。季节变动中的“季节”,不仅仅指一年中的四季,还指任意一种周期性变化,诸如气候条件、生产条件、节假日或人们风俗习惯等,农业生产、交通运输、建筑业、旅游业、商品销售等都有明显的季节变动规律。

3)循环变动

循环变动指时间序列有近乎规律性的周期性变动。循环变动不同于长期趋势变动,因为它不是朝着单一方向持续运动,而是涨落相间交替波动;它也不同于季节变动,季节变动有比较固定的规律,且变动周期多为 1 年,而循环变动则无固定规律,变动周期多在 1 年以上,且周期长短不一。

4)不规则变动

不规则变动是时间序列在短期内由于偶然因素而引起的无规律的变动,如战争、自然灾害、政治或社会动乱等。当对时间序列进行分析,采取某种预测方法时,往往要剔出偶然因素的影响,才好观察各种变动。

把这些影响因素同时间序列的关系用一定的数学关系式表达出来,就构成了时间序列的分解模型。按 4 种要素对时间序列的影响方式不同,模型可分为乘法模型、加法模型、混合模型等。

  • 版权声明:本篇文章(包括图片)来自网络,由程序自动采集,著作权(版权)归原作者所有,如有侵权联系我们删除,联系方式(QQ:452038415)。