1702657140
1702657141
时间序列模型的构建也可以按照不同的性质进行不同类别的划分：
1702657142
1702657143
●自回归过程。
1702657144
1702657145
●移动平均过程。
1702657146
1702657147
●自回归移动平均过程（ARMA）。
1702657148
1702657149
1702657150
1702657151
1702657152
Excel统计分析与应用大全 [:1702652463]
1702657153
Excel统计分析与应用大全 9.1.3 时间序列的表现形式
1702657154
1702657155
时间序列依据其特征，有以下几种表现形式。
1702657156
1702657157
1.长期趋势变化
1702657158
1702657159
长期变化趋势是指现象受某种基本因素的影响，在较长时期内表现出的一种有确定倾向且持续稳步变化的趋势。它具体可表现为上升趋势、下降趋势或水平趋势。如图9.1所示，某产品的销售水平由2001～2008年随着时间总体呈长期上涨趋势，这种特征是该时间序列的长期趋势变化的表现形式。
1702657160
1702657161
1702657162
1702657163
1702657164
图9.1 某产品2001～2008年的销售水平
1702657165
1702657166
2.季节性周期变化
1702657167
1702657168
季节性周期变化是指受到季节更替等因素影响，序列依照某一固定周期有规律地发生变化。季节性周期变化是由于自然气候的变化、文化民俗等因素引起的。市场现象随季节变化在每年反复出现周期性的变动。因此，季节性周期变化又称商业循环。例如，玫瑰花在情人节的销售量尤其多，旅游人数往往在节假日出现高峰等。如图9.2所示，某花店某种鲜花2011～2012年各个季节的销售量随着季节的不同而发生相应的变动。由图9.2可知，每年的夏季是该花店某种鲜花销售的高峰期。这种有着明显的季节变动因素的特征，就是该时间序列的季节性周期变化的表现形式。
1702657169
1702657170
1702657171
1702657172
1702657173
图9.2 某花店某种鲜花2011～2012年各季节销售量
1702657174
1702657175
3.循环变化
1702657176
1702657177
循环变化是指时间序列数据在为期较长（三年、五年乃至更长）的周期内，呈现出有规则的上升或下降的周期不固定的波动变化。通常，一个时间序列的循环是由其他多个小的时间序列循环组合而成的，例如，企业总体销售指标的循环往往由各个部门的销售循环组合而成。同样，各部门的销售循环往往受到企业总体销售指标的影响。如图9.3所示，某企业在2001～2011年某产品销售量的增长率不断上下循环波动，且循环周期较长，这种特征就是该时间序列的循环变化的表现形式。
1702657178
1702657179
1702657180
1702657181
1702657182
图9.3 2001～2011年某企业产品销售增长率
1702657183
1702657184
4.随机变化
1702657185
1702657186
随机变化又称不规则变化。随机变化是指由许多不确定因素引起的，时间序列数据呈现出忽上忽下不规则的变化。随机变化是在时间序列中将长期趋势、季节变动以及循环变动等成分隔离后，所剩下的随机状况的部分。一般来说，随机变化的发生都是由于天气突变等自然状况引起的。
1702657187
1702657188
对于时间序列的各种不同表现形式，时间序列的分析也有不同。时间序列分析主要分为随机性变化分析AR、MA、ARMA模型和确定性变化分析，而确定性变化分析又分为趋势变化分析、周期变化分析和循环变化分析。根据时间序列的不同分析形式，预测时间序列的方法也有许多种。
1702657189