ACCA(F2)难点详解:时间序列
01，时间序列的组成部分和限制。
1.1)时间序列可以分为4类:
a)趋势。(趋势)
关键词:潜在的长期运动
√根据目前的实际销量，通过数学计算得出大致的销售趋势。
也就是说，默认的当前趋势也将适用于未来。
b)季节变化。(季节变化)
关键词:短期波动
影响一年中不同时间的结果
√时间不一定是根据“季节”的偏差，而是每天或每周有规律的偏差。
也就是说，短期内有规律的偏离可以归为季节性变化。
c)周期性变化。(周期性变化)
关键词:更长的时间段
√相对于季节变化，是长期的规律性变化，比如经济周期。
d)随机变化。(随机变化)
关键词:不可预见的情况
√通常不可预测，如:政变、战争。
因为是意外事件，所以在预测中不考虑这个元素。
Ps:在F2中做时间序列计算时不考虑周期性变化，在P级时才会涉及。
1.2)时间序列计算的局限性源于三个假设。
a.存在直线趋势。
b.季节变化是不变的。
c.过去发生的事情是未来的可靠指南
因此，如果事件的发生是不可预测的，这种方法就不适用。
02，时间序列的一个组成部分-趋势计算
步骤1:用移动平均法平滑实际销售单位注意:偶数时间跨度比奇数时间跨度多一步！a)当时间跨度为奇数时(以3年时间跨度为例)
b)当时间跨度为偶数时(以四年时间跨度为例)
第二步:实际销售单位平滑后，根据高低法求趋势表达式，即Y=a+b XY(因变量)=趋势，x(自变量)=时间，一个x代表一个时间跨度。注意:时间是自变量，趋势是因变量！所以根据高低法的计算原理，先选取时间(x)的最大值和最小值，再找到趋势(Y)的对应值，就可以得到表达式值。
以步骤1中的三年时间跨度为例:假设X轴上的20X1代表1，每一年都会依次用一个数字表示，那么X轴上的20X5代表5并通过X找到Y对应的值，然后得到两个点(1，410)；(5，470)的Y=395+15X
判别:图中倾斜的直线是趋势表达式在坐标轴上的体现。这条直线没有具体的X范围(即时间序列计算的前提假设暗示了当前趋势在未来会持续)。为了便于理解，可以将时间序列分为两部分。
1)当前情况(实际)
图中蓝色曲线是实际单位，蓝色斜直线是根据前面两步计算得到的。也就是当前形势下的趋势。
2)预测未来。
图中的黑色斜直线是蓝色斜直线的延伸，延续现有趋势，代表未来趋势，再根据给定的蓝色粗实线调整相应的季节波动，得到黑色曲线预测图。
03、时间序列的分量-趋势+季节变化计算
它包括两个要素:y =预测数字t =趋势=季节变化。上图中蓝色实线是在得到的趋势上对季节波动进行调整。最后得到预测图(Y)a)。加法模型的计算公式为Y = T+S例1:基于最近15期的销售基础趋势为y = 345.12 _ 1.35x .如果16日每。iod的季节系数为_23.62，假设一个加性预测模型，该期间的预测是多少，以整体单位计？解法:将x=16代入y = 345.12 _ 1.35x得到y=323.52。这里，Y是趋势。所以在加法模型中，对应T=323.52，已知S=_23.62代入公式得到Y=323.52+(_23.62)=299.9。
b)乘法模型Y = T * S的计算公式示例2:月销售额($ y)的趋势通过等式y = 1，500 _ 3t与月(T)相关，其中20X8的第一个月t = 0。如果使用乘法模型，20X9第一个月的季节性因素为0.92，那么该月的预测销售额(精确到美元)是多少？解:这里t=0对应20X8 month1，如果一年有12个月，则为20X9 month1，对应t = 12 (12 = 12)，代入y = 1。所以在乘法模型中，对应T=1464，已知S=0.92代入公式得到Y = 1464 * 0.92 = 1346.88。
c)两种模型下的季节波动之和以一年为一个周期，中间有n个季节波动(1)加法模型∑△ S =0，即一年内n个季节波动之和=0。例3:时间序列的多重季节性变化如下:
以一年为一个周期，中间有四个季节波动时间点，总和=00.82+1.41+？+(-1.09)=0?=-1.14 2)乘法模型∑△ s =n，即一年内，n个季节波动相加=n例4:时间序列的乘法季节变化如下:
以一年为一个周期，中间有四个季节波动时间点，总和=40.82+1.41+？+1.09=4?=0.68Ps:乘法模型中某个季节波动系数不可能为负。
04.非季节性(非季节性因素)计算
“季节调整”是“去中心化”的代名词:这个知识点可以理解为上述知识点的逆向思维，不涉及预测，即在知道实际单位和去季节化因素后，将当前趋势与图形理解相结合:给出蓝色曲线(实际单位)和季节波动系数(蓝色粗实线)，找出蓝色斜直线上的点。
加法模型:T=Y-S乘法模型:t = y/sy =实际销售单位=季节变化t =季节调整趋势=当前趋势例5:1月份，卢里塔尼亚失业人数为56.78万。如果使用加法时间序列模型的季节性因素是+90，100，那么经季节性调整的失业率水平是多少(最接近的整数)？加法模型:t = y-s = 56.78万-90，100 = 47.77万。