SAS时间序列预测系统文件.ppt

SAS时间序列预测系统 统计软件(SAS系统) 时间序列 时间序列是指按观测时间顺序记录的观测结果. 时间序列的预测 时间序列预测的关键是对其建立合适的模型. 用于时间序列预测的模型通常是如下的关系式： 数据变异 = 可预测分量 + 随机分量 可预测分量就是可以对其进行预测的部分，(纯)随机分量就是无法进行预测的部分, 也是预测的误差. 建模就是对可预测分量建立模型. SAS/ETS 与时间序列分析 时间序列预测系统进入菜单系统 时间序列预测系统 时间序列预测系统 时间序列预测系统例1:自动生成预测值 时间序列预测系统例1:自动生成预测值 时间序列预测系统例1:自动生成预测值 时间序列预测系统例1:自动生成预测值 时间序列预测系统例1:自动生成预测值 时间序列预测系统例1:自动生成预测值 时间序列预测系统例2:开发预测模型 时间序列预测系统例2:开发预测模型 时间序列预测系统例2:开发预测模型 时间序列预测系统例2:开发预测模型 时间序列预测系统例2:开发预测模型 时间序列预测系统例2:开发预测模型 时间序列预测系统例2:开发预测模型 时间序列预测系统例2:开发预测模型 时间序列预测系统例2:开发预测模型 时间序列预测系统例2:开发预测模型 时间序列预测系统例2:开发预测模型--查看生成的模型 时间序列预测系统例2:开发预测模型--查看生成的模型 时间序列预测系统例2:开发预测模型--查看生成的模型 时间序列预测系统例2:开发预测模型--查看生成的模型 时间序列预测系统例2:开发预测模型--查看生成的模型 时间序列预测系统例2:开发预测模型--查看生成的模型 时间序列预测系统例3:留出几个观测检验预测结果 时间序列预测系统例3:留出几个观测检验预测结果 时间序列预测系统例3:留出几个观测检验预测结果 时间序列预测系统例3:留出几个观测检验预测结果 时间序列预测系统例3:留出几个观测检验预测结果 时间序列预测系统例3:留出几个观测检验预测结果 时间序列预测系统例4:使用预报量 时间序列预测系统例4:使用预报量 时间序列预测系统例4:使用预报量 时间序列预测系统例4:使用预报量 时间序列预测系统例4:使用预报量 时间序列预测系统例4:使用预报量 时间序列建模 Forecasting菜单系统拟合三大类模型： 回归模型 平滑化模型 ARIMA模型(AutoRegressive Integrated Moving Average 积分自回归移动平均模型) 时间序列建模 时间序列建模使用菜单自动生成模型 菜单的模型自动生成适合于： 拟合回归与平滑化模型 多个序列的批作业 提供与手动生成模型进行比较的客观基础 数据准备数据集需包含时间变量 用SAS/ETS 对时间序列数据进行预测，要求数据集中： 有一个表示时间的变量(也可是序号)。 Forecasting系统缺省地将 Date命名的变量作为时间变量。 表示时间的变量的值是等间隔递增的。菜单和编程都能生成和检测这一点。 用于分析的变量置于其它的变量之中。 时间序列的建模 在对运用于预测的时间序列的建模时，常把时间序列(或其变换)考虑为由若干分量(或因子)相加(或相乘)构成： 趋势项：反映相对长期的稳定的变化 周期项：表示受季节或日期影响的变化 其它项：例交易日影响 随机变化：表示受稳定随机因素影响的变化. 时间序列的建模 用于预测的各种模型或者可适用于包含各种分量的模型，或者只适用于包含某些分量的模型。必须根据实际情况选用合适的模型 在拟合各种模型前进行诊断和予处理 用logtest, dftest分别检验Log变换和差分变换 的必要性 用Log变换将指数增长转为线性增长，用差分消除多项式趋势和周期项 用分解求出个分量(因子)分别处理,X11 时间序列建模 Forecasting菜单系统拟合三类模型： 回归模型 平滑化模型 ARIMA模型(AutoRegressive Integrated Moving Average 积分自回归移动平均模型) 平滑化模型 平滑化模型简单指数平滑模型 模型方程： 平滑方程： k 步预测公式： 平滑化模型加型WINTERS模型 平滑化模型乘型WINTERS模型 拟合ARIMA模型 ARMA 模型试图用较少的参数描述时间序列的数据。能够这样做的代价是时间序列的主要统计特性不随时间而改变，这就是通常所说的平稳性的假定。 ARMA 模型可以近似地描述所有的满足平稳性假定的时间序列 ARIMA 模型是ARMA模型的推广，它可适用于一类有趋势和周期变化的时间序列 拟合ARIMA模型平稳性 平稳性意味着时间序列不同时间的均值和方差 是不