4.5.1 时间的属性
时间序列是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。经济数据中大多数以时间序列的形式给出,如图4.17所示。根据观察时间的不同,时间序列中的时间可以是年份、季度、月份或其他任何时间形式。
图4.17 中国国内生产总值GDP随时间发展曲线图
时间序列往往由四个要素构成:长期趋势、季节变动、循环变动和不规则变动。
(1)长期趋势(T)现象是在较长时期内受某种根本性因素作用而形成的总的变动趋势。
(2)季节变动(S)现象是在一年内随着季节的变化而发生的有规律的周期性变动。
(3)循环变动(C)现象是以若干年为周期所呈现出的波浪起伏形态的有规律的变动。(https://www.daowen.com)
(4)不规则变动(I)是一种无规律可循的变动,包括严格的随机变动和不规则的突发性影响很大的变动两种类型。
时间序列分析,正是根据客观事物发展的连续规律性,运用过去的历史数据,通过统计分析,进一步推测未来的发展趋势。事物的过去会延续到未来这个假设前提包含两层含义:一是不会发生突然的跳跃变化,是以相对小的步伐前进;二是过去和当前的现象可能表明现在和将来活动的发展变化趋向。这就决定了在一般情况下,时间序列分析法对于短、近期预测比较显著,但如延伸到更远的将来,就会出现很大的局限性,导致预测值偏离实际较大而使决策失误。
而具体到时间序列数据本身上,不同的时间序列数据往往具有不同的属性,但是根据其随时间的变化可以归纳为以下三类。
(1)非平稳性(nonstationarity,也译作不平稳性):即时间序列变量无法呈现出一个长期趋势并最终趋于一个常数或是一个线性函数。
(2)波动幅度随时间变化(time-varying volatility):即一个时间序列变量的方差随时间的变化而变化。这两个特征使得有效分析时间序列变量十分困难。
(3)平稳型时间数列(stationary time series):一个时间数列其统计特性将不随时间的变化而改变。
