贝叶斯时间序列模型型有什么实际用处

来源：蜘蛛抓取(WebSpider) 时间：2017-10-14 09:15 标签： 贝叶斯时间序列模型
时间序列预测法_百度百科
声明：百科词条人人可编辑，词条创建和修改均免费，绝不存在官方及代理商付费代编，请勿上当受骗。
时间序列预测法
时间序列预测法是一种历史资料延伸预测的方法，也称历史引伸预测法。是以时间数列所能反映的社会经济现象的发展过程和规律性，进行引伸外推，预测其发展趋势的方法。
时间序列预测法简介
时间序列，也叫时间数列、历史复数或动态数列。它是将某种统计指标的数值，按时间先后顺序排到所形成的。时间序列预测法就是通过编制和分析时间序列，根据时间序列
简单序时平均数法 举例
所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平。其内容包括：收集与整理某种社会现象的历史资料；对这些资料进行检查鉴别，排成数列；分析时间数列，从中寻找该社会现象随时间变化而变化的规律，得出一定的模式；以此模式去预测该社会现象将来的情况。
时间序列预测法步骤
时间序列预测法第一步
收集历史资料，加以整理，编成时间序列，并根据时间序列绘成。通常是把各种可能发生作用的因素进行分类，传统的是按各种因素的特点或影响效果分为四大类：(1)；(2)季节变动；(3)循环变动；(4)不规则变动。
时间序列预测法第二步
分析时间序列。时间序列中的每一时期的数值都是由许许多多不同的因素同时发生作用后的综合结果。
时间序列预测法第三步
求时间序列的长期趋势(T)季节变动(s)和不规则变动(I)的值，并选定近似的数学模式来代表它们。对于数学模式中的诸未知参数，使用合适的技术方法求出其值。
时间序列预测法第四步
利用时间序列资料求出长期趋势、季节变动和不规则变动的数学模型后，就可以利用它来预测未来的长期趋势值T和季节变动值s，在可能的情况下预测不规则变动值I。然后用以下模式计算出未来的时间序列的预测值Y：
加法模式T+S+I=Y
乘法模式T×S×I=Y
如果不规则变动的预测值难以求得，就只求和季节变动的预测值，以两者相乘之积或相加之和为时间序列的预测值。如果经济现象本身没有季节变动或不需预测分季分月的资料，则长期趋势的预测值就是时间序列的预测值，即T=Y。但要注意这个预测值只反映现象未来的发展趋势，即使很准确的在按时间顺序的观察方面所起的作用，本质上也只是一个平均数的作用，实际值将围绕着它上下波动。
时间序列预测法分类
简单序时平均数法
时间序列预测法可用于短期、中期和长期预测。根据对资料分析方法的不同，又可分为：简单序时平均数法、加权序时平均数法、、、、、季节性趋势预测法、市场寿命周期预测法等。
简单序时平均数法也称。即把若干历史时期的统计数值作为观察值，求出作为下期预测值。这种方法基于下列假设：“过去这样，今后也将这样”，把近期和远期数据等同化和平均化，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。
加权序时平均数法就是把各个时期的历史数据按近期和远期影响程度进行加权，求出平均值，作为下期预测值。
就是相继移动计算若干时期的作为下期预测值。
即将简单移动进行加权计算。在确定权数时，近期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，所以准确性较差。应根据新的情况，对预测结果作必要的修正。
即根据历史资料的上期实际数和预测值，用指数的办法进行预测。此法实质是由内加权移动平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。
季节根据经济事物每年重复出现的周期性，预测其季节性变动趋势。推算季节性指数可采用不同的方法，常用的方法有季(月)别和移动平均法两种：a．季(月)别平均法。就是把各年度的数值分季(或月)加以平均，除以各年季(或月)的总，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节性变动；b．移动平均法。即应用移动平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，适用于对耐用消费品的预测。这种方法简单、直观、易于掌握。
时间序列预测法运用例子
某一城市从1984年到1994年中，每年参加体育锻炼的人口数，排列起来，共有11个数据构成一个时间序列。我们希望用某个数学模型，根据这11个历史数据，来预测1995年或以后若干年中每年的体育锻炼人数是多少，以便于该城市领导人制订一个有关体育健身的发展战略或整个工作计划。不同的时间序列有不同的特征，例如一个人在一年中每天消耗的粮食基本上是相同的，把这365个数字排列起来。发现它所构成的时间序列总保持在一定水平，上下相差不太大，我们称它是&平稳&时间序列。它的取值和具体是哪个时期无关，只和时期的长短有关。一般来说．只有属于的时间序列．才是可以被预测的。
时间序列预测法预测方法和模型的选择
表1年农业总产值　单位：万元
年份 农业总产值 年份 农业总产值 年份 农业总产值
表1是年农业总产值的有关数据资料，资料摘自《扬州统计年鉴2000》，表中产值按1990年不变价格计算。根据表1时间序列的资料，画出时间序列1。通过观察时间序列图，可以看出此时间序列具有明显的趋势变动。在年20年间，扬州市农业总产值总体呈明显的上升趋势。农业总产值的变化分为两个时间段：年时间序列呈曲线变化趋势，年时间序列呈线性变化趋势。根据直观的判断，对时间序列采取分段处理的方法，即对年的时间序列二次曲线趋势模型，对年的时间序列拟合线性趋势模型。
图1农业总产值折线图
时间序列预测法建立模型
时间序列预测法 经济学应用举例
(1)二次曲线趋势模型：Yt=a+bt+ct^
上述中的三个未知参数a、b、c根据求得。即对时间序列拟合一条趋势曲线，使之满足下列条件：各实际值Yt与趋势值〖AKY^〗t的为最小，即∑(Yt-〖AKY^〗t)2=最小值，得到标准求解方程：
∑Y=na+b∑t+c∑t^2
∑tY=a∑t+b∑t^2+c∑t^3
∑t^2Y=a∑t^2+b∑t^3+c∑t^4
当取时间序列的中间时期数为原点时，有∑t=0，上式可简化为：
∑Y=na+c∑t^2
∑tY=b∑t^2
∑t^2Y=a∑t^2+c∑t^4
经过计算，得到对年农业总产值时间序列的二次曲线模型为：
Y^t=+14584.3t－705.3t^2。
(2)线性趋势模型：Y^t=a+bt
上述方程中的两个未知参数a、b也是根据的原理求得。
b=n∑tY-∑t∑Y/n∑t^2-(∑t)^2
a=1/n(∑Y-b∑t)
同样，为计算方便，取时间序列的中间时期数为原点，此时有∑t=0，上式可简化为：
b=∑tY/∑t^2
经过计算，得到对年农业总产值时间序列的线性模型为：有什么好的模型可以做高精度的时间序列预测呢？ - 知乎3136被浏览146576分享邀请回答875125 条评论分享收藏感谢收起22842 条评论分享收藏感谢收起查看更多回答1 个回答被折叠（）扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
下载作业帮安装包
扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
时间序列分析预测法一般用于那些方面,有什么优缺点?
扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
时间序列是指同一变量按事件发生的先后顺序排列起来的一组观察值或记录值.构成时间序列的要素有两个：其一是时间,其二是与时间相对应的变量水平.实际数据的时间序列能够展示研究对象在一定时期内的发展变化趋势与规律,因而可以从时间序列中找出变量变化的特征、趋势以及发展规律,从而对变量的未来变化进行有效地预测.时间序列的变动形态一般分为四种：长期趋势变动,季节变动,循环变动,不规则变动.时间序列预测法的应用：系统描述　　根据对系统进行观测得到的时间序列数据,用曲线拟合方法对系统进行客观的描述.系统分析　　当观测值取自两个以上变量时,可用一个时间序列中的变化去说明另一个时间序列中的变化,从而深入了解给定时间序列产生的机理.预测未来　　一般用ARMA模型拟合时间序列,预测该时间序列未来值.决策和控制根据时间序列模型可调整输入变量使系统发展过程保持在目标值上,即预测到过程要偏离目标时便可进行必要的控制.时间序列预测法的基本特点是：假定事物的过去趋势会延伸到未来；预测所依据的数据具有不规则性；撇开了市场发展之间的因果关系.找的好辛苦!
为您推荐：
其他类似问题
扫描下载二维码什么是时间序列模型，什么是弱平稳和严格平稳？ - 知乎146被浏览13549分享邀请回答3015 条评论分享收藏感谢收起394 条评论分享收藏感谢收起查看更多回答503 Service Temporarily Unavailable
503 Service Temporarily Unavailable
openresty/1.11.2.4

我要回帖

更多关于 贝叶斯时间序列模型 的文章

 

随机推荐