时间序列分析 时间序列分析的基本原理是什么

1、时间序列分析(Time-Series Analysis)是指将原来的销售分解为四部分来看——趋势、周期、时期和不稳定因素，然后综合这些因素，提出销售预测。强调的是通过对一个区域进行一定时间段内的连续遥感观测，提取图像有关特征，并分析其变化过程与发展规模。当然，首先需要根据检测对象的时相变化特点来确定遥感监测的周期，从而选择合适的遥感数据。 2、特点：简单易行，便于掌握，但准确性差，一般只适用于短期预测。 3、基本原理：一是承认事物发展的延续性。应用过去数据，就能推测事物的发展趋势。二是考虑到事物发展的随机性。任何事物发展都可能受偶然因素影响，为此要利用统计分析中加权平均法对历史数据进行处理。 4、基本思想：根据系统的有限长度的运行记录（观察数据），建立能够比较精确地反映序列中所包含的动态依存关系的数学模型，并借以对系统的未来进行预报。

最常见的时间序列预测其实就只用研究对象的历史数据（比如说历史销售量）。时间序列的数据特点是高频（比如说日度，周度，月度）而且数据量要比较大（比如说成百上千）。

如果数据频率不高数量不多或者是还想研究其他变量对销售的影响，不建议用时间序列。。

产品销售的时间序列可以分成四个组成部分：趋势、周期、季节和不确定事件。

1、趋势。利用过去有关的销售资料描绘出销售曲线，从中可以看出某种趋势。

2、周期。由于宏观经济的波动，受此影响销售额也呈周期性波动。

3、季节，指一年内销售量变动的形式。

4、不确定事件，包括自然灾害、战争恐慌等。

---