非平稳时间序列确定性因素分解
2017-06-25 09:37
351 查看
在自然界中,由确定性因素导致的非平稳通常显示出比较强的规律性,比如有显示的趋势与或者固有的变化周期,而随机因素导致的波动则非常难以确定、分析。根据这种性质,传统的时序分析方法通常都把分析的重点放在确定性信息的提取上,忽视了对随机信息的提取分解为有规律序列与白噪声序列。
最常用的确定性分析法是确定性因素分解方法:
(1)长期趋势,递增还是递减
(2)循环波动,该因素导致由底到高在由高到底的反复循环
(3)季节性变化,序列呈现季节性变化相关的稳定的周期性波动
(4)随机波动,除了长期趋势、循环波动和季节变化相关的稳定的周期波动。
在进行确定性时序分析时,我们假定序列会受到这四种因素中的全部或者部分的影响,呈现出不同的波动特征。常假定这四种因素主要有两种相互作用的模式:加法模型与乘法模型。
在有些股票交易中,有时会将(3)季节性变化转化成(3)交易日变化。
四大因素的综合影响会导致序列呈现出各种变化,而我们进行确定性时序分析目的主要有以下两种:
一是克服其他因素的影响,单纯的测度出某一个确定性的因素(长期趋势波动或者季节效应)对序列的影响。
二是推断出各种确定性因素彼此之间相互作用关系以及它们序列的综合影响。
最常用的确定性分析法是确定性因素分解方法:
(1)长期趋势,递增还是递减
(2)循环波动,该因素导致由底到高在由高到底的反复循环
(3)季节性变化,序列呈现季节性变化相关的稳定的周期性波动
(4)随机波动,除了长期趋势、循环波动和季节变化相关的稳定的周期波动。
在进行确定性时序分析时,我们假定序列会受到这四种因素中的全部或者部分的影响,呈现出不同的波动特征。常假定这四种因素主要有两种相互作用的模式:加法模型与乘法模型。
在有些股票交易中,有时会将(3)季节性变化转化成(3)交易日变化。
四大因素的综合影响会导致序列呈现出各种变化,而我们进行确定性时序分析目的主要有以下两种:
一是克服其他因素的影响,单纯的测度出某一个确定性的因素(长期趋势波动或者季节效应)对序列的影响。
二是推断出各种确定性因素彼此之间相互作用关系以及它们序列的综合影响。
相关文章推荐
- 非平稳时间序列的分解
- 时间序列分解-STL分解法
- 时间序列分解算法:STL
- 时间序列分析——如何判断序列是否平稳
- 时间序列分析(一) 如何判断序列是否平稳
- 使用时间序列分解模型预测商品销量
- 时间序列分析(一) 如何判断序列是否平稳
- 使用R进行时间序列分解
- 平稳时间序列参数估计
- 非平稳时间序列及建模
- 二分法查找和快速排序 二分法是分治算法的一种特殊形式,利用分治策略求解时,所需时间取决于分解后子问题的个数、子问题的规模大小等因素,而二分法,由于其划分的简单和均匀的特点,是查找数据时经常采用的一种有
- 非平稳时间序列趋势分析
- 非平稳时间序列综合分析
- R学习日记——分解时间序列(非季节性数据)
- 平稳的时间序列模型
- R学习日记——分解时间序列(季节性数据)
- 时间序列 R 07 时间序列分解 Time series decomposition
- 为什么序列存在单位根是非平稳时间序列?
- 时间序列的构成与分解
- 时间序列学习笔记(2)平稳性