时间序列分析中的增长率——同比与环比
在时间序列的描述分析中存在一个增长率的概念,增长率又称增长速度,其本质是对某一现象在不同时间的变化情况所做的描述。
常用的增长率有同比增长率
与环比增长率
,我们常说的同比增长多少百分之几,环比增长多少百分之几,指的就是它们。它们的计算公式都是:
- ((报告期值 - 基期值) / 基期值) * 100%
= (报告期值 / 基期值 - 1) * 100%- 注:一般用百分比表示,所以公式后需要乘以 100%
同比增长率和环比增长率的区别在于它们的基期的定义是不同的,同比增长率的基期是同时期(主要是为了消除季节变动的影响),即与报告期之间不是连续的,是离散的,比如报告期是今年2月,基期是去年同时期的2月;而环比增长率的基期是前一时期,即与报告期之间是连续的,比如报告期是今年2月,基期是今年1月。
通常看业务发展趋势时,即要看同环比的趋势,需要往前拉几期来看
。
特殊情况:当指标的值出现负值的时候,这个公式就失效了,是没有实际意义的,因为它无法正确反应现象发展的趋势。这时候怎么修改公式,都像是打补丁,治标不治本。
- 比如报告期值是正的,基期是负的,这时候得到的结果是负值,明明是正向增长,但是增长率显示是负增长,与客观事实不符合;
- 在上一基础上,对公式进行修正(参考百度百科),对分母取绝对值可以得到正常的方向,但是这个值还是存在问题的,增长的更多,增长率可能会显示的更小;
- 取巧:可以考虑对该指标做 MinMax 标准化,将值的范围限制在[0,1]之间,然后对0值做一些处理,这样得到的同环比结果的方向(发展趋势)是符合实际的,但是这个发展大小是否合理就有待商榷了。
总之,同环比增长率仅适用于指标都是正值的场景。
在指标有负值的情况,同环比增长率是失效的,没有实际意义,即使修正算法,也只是打补丁,总归是存在问题的。
时间序列分析中的增长率——同比与环比相关推荐
- 如何深入理解时间序列分析中的平稳性?
来自 :http://www.zhihu.com/question/21982358 在引入ARMA模型之前,一般课本都会对时间序列的平稳性作一个描述,但是总感觉没有描述特别清晰: 1. 通常时间序列 ...
- 时间序列分析中的自相关
什么是自相关以及为什么它在时间序列分析中是有用的. 在时间序列分析中,我们经常通过对过去的理解来预测未来.为了使这个过程成功,我们必须彻底了解我们的时间序列,找到这个时间序列中包含的信息. 自相关就是 ...
- 时间序列分析中统计模型statsmodels.tsa.arima_model
(10条消息) 时间序列分析中的 statsmodels.tsa.arima_model被抛弃了,如何解决?_-berry的博客-CSDN博客 """ 根据某个期货的收盘 ...
- matlab 牛顿向后差分,Matlab在时间序列分析中的应用--笔记
<Matlab在时间序列分析中的应用--笔记>由会员分享,可在线阅读,更多相关<Matlab在时间序列分析中的应用--笔记(12页珍藏版)>请在人人文库网上搜索. 1.MATL ...
- 时间序列分析中的ARMA,ARIMA,ARC…
Source:http://www.morefund.com/a/duichongshidian/2011/0422/327.html 在时间序列分析中,AR,MA,ARMA,ARIMA,ARCH,G ...
- 时间序列分析中 5 个必须了解的术语和概念
时间序列是按时间排序的一系列观察或测量. 在谈论时间序列时,首先想到通常是股票价格. 其实时间序列无处不在,一个地理位置的年降雨量.超市产品的日销售额.工厂的月耗电量.化学过程的每小时测量值都是时间序 ...
- 时间序列分析中的移动平均趋势剔除法
近期学到<统计学>(贾俊平.何晓群.金勇进编著)的第13章--时间序列分析和预测,里面的"移动平均趋势剔除法"看得我一头雾水,尤其是第一步的计算移动平均值,编者在书中一 ...
- pta求阶乘序列前n项和_python在时间序列分析中的简介
1 时间序列分析简介 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.与面板数据不同,面板数据侧重于同一时间点不同样本 ...
- 关于时间序列分析中的平稳性的理解笔记
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言 一.什么是平稳性? 二.时间序列中的不平稳性 例子 时间序列的平稳化 差分化 季节性差分 总结 前言 为什么要平稳? ...
- 关于ACF以及PACF在时间序列分析中的应用---ARIMA滞后项阶数确定(附代码)
原理背景 在时间序列建模中,我们常用到的一个模型就是ARIMA,但是在使用该模型时,一个问题就是如何确定AR,MA中的p和q,即滞后项的级数.这时,一般我们会采用ACF(auto-correlatio ...
最新文章
- 一文了解四种软件架构:Serverless架构、微服务架构、分布式架构、单体架构
- 服务端开发学习路径图,心疼小哥哥们
- KPI tile在launchpad里正常显示number,但是进不了detail view
- c语言表示测试结束,C语言简单测试题
- PJAX初体验(主要是利用HTML5 新增API pushState和replaceState+AJAX)
- 如何自动安装linux系统,Linux全自动安装操作实例
- 爬虫笔记(四)------关于BeautifulSoup4解析器与编码
- python书籍_年度最多安利的10本Python书籍
- mysql 卸载服务
- 阿里巴巴 Java面经
- android免费ocr软件,安卓ocr软件那个好用 免费安卓ocr文字识别软件推荐
- 仿网易云音乐小程序-uniapp
- 软件设计师2018上半年+历年资料
- 【转】Sphinx速成指南
- ssd测试软件寿命查看,SSD固态硬盘使用寿命检测方法 固态硬盘怎么测剩余寿命?...
- 滴滴出行场景中语音识别模型的自学习平台化实践
- 关于AOSP 与AOKP
- 计算机一级c云大,云南大学网红C位易主!新晋流量霸主竟然是……
- 自动驾驶行业开源数据集调研
- springboot项目Banner配置