加载中…
正文 字体大小:

时间序列预测技术之一(转至沈浩老师博客)

(2009-11-26 18:20:30)
标签:

时间序列

预测

it

分类: 数据分析

转至沈浩老师博客:http://shenhaolaoshi.blog.sohu.com/137698400.html

预测:是对尚未发生或目前还不明确的事物进行预先的估计和推测,是在现时对事物将要发生的结果进行探讨和研究,简单地说就是指从已知事件测定未知事件。

为什么要预测呢,因为预测可以帮助了解事物发展的未来状况后,人们可以在目前为它的到来做好准备,通过预测可以了解目前的决策所可能带来的后果,并通过对后果的分析来确定目前的决策,力争使目前的决策获得最佳的未来结果。

预测的总原则是:认识事物的发展变化规律,利用规律的必然性,是进行科学预测所应遵循的总的原则。

这个总原则实际上就是事物发展的

1-“惯性”原则——事物变化发展的延续性;

2-“类推”原则——事物发展的类似性;

3-“相关”原则——事物的变化发展是相互联系的;

4-“概率”原则——事物发展的推断预测结果能以较大概率出现,则结果成立、可用;

时间序列预测技术之一(转至沈浩老师博客)

时间序列预测主要包括三种基本方法:

1-内生时间序列预测技术;2-外生时间序列预测技术;3-主观时间序列预测技术;

当然今天我们主要讨论内生时间序列预测技术——也就是只关注时间序列的下的预测问题!

时间序列预测技术之一(转至沈浩老师博客)

 

从数据分析的角度来考虑,我们需要研究:
  1. 序列是否在固定水平上下变动?
  2. 此水平是否也在变动?
  3. 是否有某种上升或下降的趋势呢?
  4. 是否存在有季节性的模式?
  5. 是否季节性的模式也在变更呢?
  6. 是否存在周期性规律和模式?
时间序列有一明显的特性就是记忆性(memory),记忆性系指时间数列中的任一观测值的表现皆受到过去观测值影响。

时间序列主要考虑的因素是:
  • 长期趋势(Long-term trend) 
  1. 时间序列可能相当稳定或随时间呈现某种趋势。
  2. 时间序列趋势一般为线性的(linear),二次方程式的 (quadratic)或指数函数(exponential function)。
  • 季节性变动(Seasonal variation)
  1. 按时间变动,呈现重复性行为的序列。
  2. 季节性变动通常和日期或气候有关。
  3. 季节性变动通常和年周期有关。
  • 周期性变动(Cyclical variation)
  1. 相对于季节性变动,时间序列可能经历“周期性变动”。
  2. 周期性变动通常是因为经济变动。
  • 随机影响(Random effects)
预测技术主要包括两大类:
  • 指数平滑方法(Exponential smoothing models):
    描述时间序列数据的变化规律和行为,不去试图解释和理解这种变化的原因。例如:您可能发现在过去的一年里,三月和九月都会出现销售的高峰,您可能希望继续保持这样,尽管您不知道为什么。
  • ARIMA模型:
    描述时间序列数据的变化规律和行为,它允许模型中包含趋势变动、季节变动、循环变动和随机波动等综合因素影响。具有较高的预测精度,可以把握过去数据变动模式,有助于解释预测变动规律,回答为什么这样。

0

阅读 评论 收藏 转载 喜欢 打印举报
  • 评论加载中,请稍候...
发评论

    发评论

    以上网友发言只代表其个人观点,不代表新浪网的观点或立场。

      

    新浪BLOG意见反馈留言板 电话:4006900000 提示音后按1键(按当地市话标准计费) 欢迎批评指正

    新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 会员注册 | 产品答疑

    新浪公司 版权所有