统计剑侠
来源:时间序列分析在经济预测中的应用
作者: 王艳明 许启发
(方 法 时间范围 适用情况 应做工作)
1.定性预测法:
短、中、长期 对缺乏历史统计资料或趋势面临转折的事件进行预测 需做大量的调查研究工作
2.趋势外推法
中期到长期 当被预测项目的有关变量用时间表示时,用非线性回归 只需要因变量的历史资料,但用趋势图作试探时很费时间
3分解分析法
短期 适用于一次性的短期预测或在使用其它预测方法前消除季节变动的因素 只需要序列的历史资料
4.移动平均法
短期 不带季节变动的反复预测 只需要因变量的历史资料,但初次选择权数时很费劲
5.指数平滑法
短期 具有或不具有季节变动的反复预测 只需因变量的历史资料,是一切反复预测中最简单的方法,但建立模型所费的时间与自适应过滤不相上下
6.博克斯—詹金斯法
短期 适用于任何序列的发展形态的一种高级预测方法 计算过程复杂、繁琐
7.景气预测法
短、中期 适用于时间序列趋势延续及转折预测 收集大量历史资料和数据并需进行大量计算
8.灰色预测法
短、中期 适用于时间序列的发展呈指数型趋势 收集对象的历史数据
9.状态空间模型和卡尔漫滤波
短、中期 适用于各类时间序列的预测 收集对象的历史数据并建立状态空间模型
各种预测方法的特点
不同的预测方法有各自的特点:(1)预测的时间范围不同,有的适宜作短期预测,有的可以作中、长期预测;(2)条件不同,有的方法计算复杂,需要时间序列资料苛刻,有的则比较简单,对资料要求也不高;(3)适用场合不同,有的对任何时间序列资料均可,有的只适合于平稳发展的时间序列,有的对时间序列的具体变化形态还有要求;(4)预测精度不同,有的具有较高的精度,有的只是作一种趋势性的判定,建模者可以根据一些指标(如:①平方和误差: ;②平均绝对误差: ;③均方根误差: ;④平均绝对百分比误差 ;⑤均方百分比误差: ;⑥Theil不等系数 )进行适当的选取。
建议使用的预测分析方法
(一)确定性时间序列分析法
1. 指标法:平均增长量法、平均发展速度法;
2. 趋势预测法:移动平均法、指数平滑法、曲线拟合法。
(二)随机性时间序列分析法
1. ARIMA模型预测;
2. 组合模型预测
组合模型预测
首先,建立组合模型,其过程如下:
(1)拟合确定性趋势部分 。由GDP的时间序列图,发现它具有指数上升的趋势。为此,我们可以将确定性趋势部分拟合成指数增长模型: [5],T为趋势项(取值同曲线拟合预测法)。
(2)对剩余序列 [6]用Box-Jenkins法拟合适应的ARMA模型,模型为: ,模型是我们选择的最优模型,建立的方法和过程同ARIMA模型的建立。
(3)建立组合模型。我们以已估计出来的指数增长模型的参数和ARMA模型的参数作为初始值,用非线性最小二乘法对组合模型的参数进行整体估计,得到最终的组合模型。
1.认识回归分析和时间序列分析的异同
线性回归模型和时间序列模型是两类常用的预测模型。两者相比,各有千秋。前者可含、也可不含解释变量的滞后项,而后者有自回归模型AR(p)、滑动平均模型MA(q)、自回归滑动平均模型ARMA(p,q);前者可以是年度、季度、月度模型,但不能揭示出被解释变量的非线性特征,而后者是季度或月度模型,能揭示出被解释变量的非线性特征;前者的解释变量涵义明确,政策分析性强,而后者的解释变量是被解释变量的滞后项或平滑项,政策分析性弱;前者的估计简单,直接使用最小二乘法,但对含解释变量的滞后项的回归模型,则需要识别它的阶数,而后者均需先估计它的阶数后,使用最小二乘法,利用前者进行预测时需要知道解释变量的值,这又是一个预测问题,而利用后者进行预测时不存在这个问题。
2.了解组合模型的构造原理
本案例把回归模型和时间序列模型结合起来构成组合模型,研制出一种回归与时间序列加法模型,提高了拟合程度和预测能力。除此之外,我们还可以构造其它的组合预测,只要我们采用某种恰当的方法,把不同模型的计算结果综合起来,相互取长补短,就能达到提高预测精度和增加预测结果可靠性的效果.