Chap6-從數(shù)據(jù)看趨勢

金融數(shù)據(jù)統(tǒng)計分析項目六從數(shù)據(jù)看未來（高職）Chap6_從數(shù)據(jù)看趨勢01背景：互聯(lián)網(wǎng)金融的趨勢01知識：時間序列分析方法01實踐：時間序列數(shù)據(jù)分析過程（高職）Chap6_從數(shù)據(jù)看趨勢知識背景互聯(lián)網(wǎng)金融的趨勢（高職）Chap6_從數(shù)據(jù)看趨勢互聯(lián)網(wǎng)金融規(guī)范化發(fā)展2014年4月3日，中國互聯(lián)網(wǎng)金融協(xié)會正式獲得國務(wù)院批復(fù)2015年7月，央行等十部門聯(lián)合印發(fā)《關(guān)于促進互聯(lián)網(wǎng)金融健康發(fā)展的指導(dǎo)意見》2016年10月13日，國務(wù)院辦公廳發(fā)布《互聯(lián)網(wǎng)金融風(fēng)險專項整治工作實施方案的通知》（高職）Chap6_從數(shù)據(jù)看趨勢金融科技引領(lǐng)互聯(lián)網(wǎng)金融的新發(fā)展創(chuàng)新成為互聯(lián)網(wǎng)金融行業(yè)發(fā)展的核心動力“核心技術(shù)”漸進式地改變傳統(tǒng)金融業(yè)移動互聯(lián)改變了金融的觸達能力和便捷性大數(shù)據(jù)改變了信息搜集的成本和處理效率云計算改變了金融的成本和效率區(qū)塊鏈技術(shù)顛覆傳統(tǒng)金融信用中心式的服務(wù)模式（高職）Chap6_從數(shù)據(jù)看趨勢場景金融是互聯(lián)網(wǎng)金融的重要發(fā)展方向場景金融是人們在某一活動場景中的金融需求體驗場景化交易有可能就是未來金融盈利的中樞（高職）Chap6_從數(shù)據(jù)看趨勢移動支付的趨勢不可逆轉(zhuǎn)2015年上半年，手機支付、手機網(wǎng)購、手機旅行預(yù)訂用戶規(guī)模分別達到2.76億、2.70億和1.68億，半年度增長率分別為26.9%、14.5%和25.0%（高職）Chap6_從數(shù)據(jù)看趨勢互聯(lián)網(wǎng)金融資產(chǎn)交易蓬勃發(fā)展（高職）Chap6_從數(shù)據(jù)看趨勢知識要點時間序列分析（高職）Chap6_從數(shù)據(jù)看趨勢時間序列時間序列(TimeSeries)也稱為時間數(shù)列，把反映某一現(xiàn)象的同一指標(biāo)在不同時間上的取值，按時間的先后順序排列所形成的一個動態(tài)數(shù)列時間序列中的數(shù)值是現(xiàn)實的、真實的一組數(shù)據(jù)，而不是數(shù)理統(tǒng)計中做實驗得到的人們希望通過對這些時間序列發(fā)現(xiàn)和揭示現(xiàn)象的發(fā)展變化規(guī)律，以掌握和控制未來行為。（高職）Chap6_從數(shù)據(jù)看趨勢時間序列的分類按所研究的對象的多少來分，有一元時間序列和多元時間序列某種商品的銷售量數(shù)列按年、月順序排序的氣溫、氣壓、雨量數(shù)據(jù)按時間的連續(xù)性可將時間序列分為離散時間序列和連續(xù)時間序列按序列的統(tǒng)計特性分，有平穩(wěn)時間序列和非平穩(wěn)時間序列時間序列的平穩(wěn)性是指時間序列的統(tǒng)計規(guī)律不會隨著時間的推移而發(fā)生變化按序列的分布規(guī)律來分，有高斯型(Guassian)和非高斯型時間序列(non-Guassian)（高職）Chap6_從數(shù)據(jù)看趨勢影響時間序列的因素長期趨勢（T）季節(jié)變動(S)循環(huán)變動(C)不規(guī)則變動(I)時間序列一般是以上幾種變化形式的疊加或組合出現(xiàn)的（高職）Chap6_從數(shù)據(jù)看趨勢影響時間序列的因素模型加法模型和乘法模型加法模型中各個組成部分所具有的變動數(shù)值是各自獨立，彼此相加的乘法模型中各個組成部分所具有的變動數(shù)值是相互依存，彼此相乘的（高職）Chap6_從數(shù)據(jù)看趨勢時間序列分析時間序列分析的方法需要根據(jù)時間序列的特征進行選擇對于長期趨勢變化的時間序列，使用的分析方法有移動平均法、指數(shù)平滑法、模型擬合法等對于季節(jié)性周期變化的數(shù)據(jù)，采用季節(jié)指數(shù)法。對于數(shù)據(jù)的隨機變化，則采用模型擬合的方法（高職）Chap6_從數(shù)據(jù)看趨勢時間序列分析對同一組數(shù)據(jù)，有時會采用多種時間序列分析方法對其進行分析預(yù)測，方法之間需要比較預(yù)測的精度預(yù)測精度的評定由均方誤差（MSE）表示：預(yù)測的均方誤差為預(yù)測誤差平方的平均數(shù)，其中預(yù)測誤差是實際值與預(yù)測值之間的差。MSE的值越小，表示預(yù)測精度越高。（高職）Chap6_從數(shù)據(jù)看趨勢長期趨勢的分析方法在相當(dāng)長的時期內(nèi)，受某種基本因素的影響，持續(xù)增長或不斷下降的趨勢測定長期趨勢的基本方法是對時間數(shù)列進行修勻，修勻的基本目的就是消除影響事物變化的非基本因素常用的是移動平均法、指數(shù)平滑法和數(shù)學(xué)模型法（高職）Chap6_從數(shù)據(jù)看趨勢長期趨勢的分析方法——移動平均法基本思想：通過擴大原時間序列的時間間隔，并按一定間隔長度逐期移動，分別計算出一系列移動平均數(shù)，這些平均數(shù)形成的新的時間序列對原時間序列的波動起到一定的修勻作用，削弱了原時間序列中季節(jié)周期、循環(huán)周期及短期偶然因素的影響，從而呈現(xiàn)出現(xiàn)象發(fā)展的變動趨勢移動平均法較常用的有一次移動平均法、加權(quán)移動平均法、指數(shù)平滑法等（高職）Chap6_從數(shù)據(jù)看趨勢長期趨勢的分析方法——移動平均法簡單移動平均的各元素的權(quán)重都相等月份實際銷售量

簡單移動平均預(yù)測值

1423—2358—3434—444540555274126429469742646785024619480452103844691142745612446430——419（高職）Chap6_從數(shù)據(jù)看趨勢長期趨勢的分析方法——移動平均法加權(quán)移動平均法：給固定跨越期限內(nèi)的每個變量值以不相等的權(quán)重歷史各期產(chǎn)品需求的數(shù)據(jù)信息對預(yù)測未來期內(nèi)的需求量的作用是不一樣的除了以為周期的周期性變化外，遠離目標(biāo)期的變量值的影響力相對較低，故應(yīng)給予較低的權(quán)重（高職）Chap6_從數(shù)據(jù)看趨勢長期趨勢的分析方法——移動平均法權(quán)重的選擇是一個應(yīng)該注意的問題，經(jīng)驗法和試算法是選擇權(quán)重的最簡單的方法月份實際銷售量移動移動平均預(yù)測值

1423—2358—3434—444540955274246429484742646285024479480465103844761142743612446425

428（高職）Chap6_從數(shù)據(jù)看趨勢長期趨勢的分析方法——移動平均法移動的項數(shù)越多，對原數(shù)列波動的曲線修勻得越光滑，也就越能顯示出現(xiàn)象的長期發(fā)展趨勢。移動的項數(shù)越多，首尾丟失的項數(shù)也就越多，進行趨勢外推測時的誤差也就越大移動項數(shù)的多少要依據(jù)現(xiàn)象發(fā)展的特點和統(tǒng)計分析的要求確定實際應(yīng)用中，移動平均法主要用來有效的消除不規(guī)則變動和季節(jié)變動對原數(shù)列的影響移動平均采用奇數(shù)項移動能一次對準(zhǔn)被移動數(shù)據(jù)的中間位置，若采用偶數(shù)項移動平均，一次移動平均后的數(shù)值將置于居中的兩項數(shù)值之間（高職）Chap6_從數(shù)據(jù)看趨勢長期趨勢的分析方法——指數(shù)平滑指數(shù)平滑法是對過去的觀測值加權(quán)平均進行預(yù)測，使第期的預(yù)測值等于期的實際觀測值與第期指數(shù)平滑值的加權(quán)平均值一次指數(shù)平滑法預(yù)測模型（高職）Chap6_從數(shù)據(jù)看趨勢長期趨勢的分析方法——指數(shù)平滑平滑系數(shù)的取值對平滑效果影響很大，越小平滑效果越顯著取值的大小決定了在平滑值中起作用的的觀察值的項數(shù)的多少一般來說取值的大小應(yīng)當(dāng)視所預(yù)測對象的特點及預(yù)測期的長短而定（高職）Chap6_從數(shù)據(jù)看趨勢長期趨勢的分析方法——數(shù)學(xué)模型法數(shù)學(xué)模型法就是根據(jù)時間數(shù)列發(fā)展形態(tài)的特點，選擇一種合適的數(shù)學(xué)方程式，進而以自變量x代表時間，y代表實際觀測值，然后依據(jù)此方程式來分析長期趨勢的方法數(shù)學(xué)模型有直線型和曲線型兩種類型，而每一種類型又有很多種具體形式。因此，在建立模型之前首先要判斷趨勢的形態(tài)散點圖法指標(biāo)法（高職）Chap6_從數(shù)據(jù)看趨勢季節(jié)周期性數(shù)據(jù)的分析方法季節(jié)模型指一時間序列在各年中所呈現(xiàn)出的典型狀態(tài)，這種狀態(tài)年復(fù)一年以基本相同的形態(tài)出現(xiàn)季節(jié)模型是由一套指數(shù)組成的，各指數(shù)刻畫了現(xiàn)象在一個年度內(nèi)各月或各季的典型特征12個月（或4個季度）指數(shù)的平均數(shù)應(yīng)等于100%，而各月（或季）的指數(shù)之和應(yīng)等于1200%（或400%）（高職）Chap6_從數(shù)據(jù)看趨勢季節(jié)周期性數(shù)據(jù)的分析方法季節(jié)模型正是以各個指數(shù)的平均數(shù)等于100%為條件而構(gòu)成的，它反映了某一月份或季度的數(shù)值占全年平均數(shù)的大小如果現(xiàn)象的發(fā)展沒有季節(jié)變動，則各期的季節(jié)指數(shù)應(yīng)等于100%如果某一月份或季度有明顯的季節(jié)變化，則各期的季節(jié)指數(shù)應(yīng)大于或小于100%（高職）Chap6_從數(shù)據(jù)看趨勢季節(jié)周期性數(shù)據(jù)的分析方法采用季節(jié)指數(shù)法消除季節(jié)變動以外的三個因素同期平均法：現(xiàn)象不存在長期趨勢或長期趨勢不明顯的情況下，一般是直接用平均的方法通過消除循環(huán)變動和不規(guī)則變動來測定季節(jié)變動移動平均趨勢剔除法：現(xiàn)象具有明顯的長期趨勢時，一般是先消除長期趨勢，然后再用平均的方法再消除循環(huán)變動和不規(guī)則變動（高職）Chap6_從數(shù)據(jù)看趨勢季節(jié)周期性數(shù)據(jù)的分析——同期平均法“同期平均”就是在同季(月)內(nèi)“平均”，而在不同季(月)之間“移動”的一種“移動平均”法“平均”是為了消除非季節(jié)因素的影響，而“移動”則是為了測定季節(jié)因素的影響程度步驟如下：第一，計算各年同季(月)的平均數(shù)第二，計算各年同季(或同月)平均數(shù)的平均數(shù)第三，計算季節(jié)比率（高職）Chap6_從數(shù)據(jù)看趨勢季節(jié)周期性數(shù)據(jù)的分析——同期平均法同期平均法計算簡單，易于理解但實際上，許多時間序列所包含的長期趨勢和循環(huán)波動，很少能夠通過平均予以消除只有當(dāng)序列的長期趨勢和循環(huán)波動不明顯或影響不重要，可忽略不計時，應(yīng)用該方法比較合適（高職）Chap6_從數(shù)據(jù)看趨勢季節(jié)周期性數(shù)據(jù)的分析——移動平均長期趨勢剔除法移動平均長期趨勢剔除法是在現(xiàn)象具有明顯長期趨勢的情況下，測定季節(jié)變動的一種基本方法先從時間數(shù)列中將長期趨勢剔除掉，然后再應(yīng)用“同期平均法”剔除循環(huán)變動和不規(guī)則變動，最后通過計算季節(jié)比率來測定季節(jié)變動的程度剔除長期趨勢的方法一般用移動平均法（高職）Chap6_從數(shù)據(jù)看趨勢季節(jié)周期性數(shù)據(jù)的分析——移動平均長期趨勢剔除法基本步驟如下：第一，先根據(jù)各年的季度（或月度）資料Y計算四季(或12個月)的移動平均數(shù)，然后為了“正位”，再對12月的移動平均值計算n=2的移動移動平均數(shù)，作為各期的長期趨勢值T。第二，將實際數(shù)值Y除以相應(yīng)的移動平均數(shù)T