Оценка скользящего среднего тренда

Этот пример показывает, как оценить долгосрочный тренд с помощью симметричной функции скользящего среднего. Это свертка, которую можно реализовать, используя conv. Временные ряды - ежемесячные международные счетчики пассажиров авиакомпаний с 1949 по 1960 год.

Загрузите набор данных авиакомпании (Data_Airline).

load('Data_Airline.mat')
y = log(Data);
T = length(y);

figure
plot(y)
h = gca;
h.XLim = [0,T];
h.XTick = [1:12:T];
h.XTickLabel = datestr(dates(1:12:T),10);
title 'Log Airline Passenger Counts';
hold on

Данные показывают линейный тренд и сезонный компонент с периодичностью 12.

Периодичность данных является ежемесячной, поэтому 13-долгосрочное скользящее среднее значение является разумным выбором для оценки долгосрочного тренда. Используйте вес 1/24 для первого и последнего условий, и вес 1/12 для интерьерных условий. Добавьте оценку скользящего среднего тренда к наблюдаемому графику временных рядов.

wts = [1/24;repmat(1/12,11,1);1/24];
yS = conv(y,wts,'valid');

h = plot(7:T-6,yS,'r','LineWidth',2);
legend(h,'13-Term Moving Average')
hold off

Когда вы используете параметр shape 'valid' в вызове conv, наблюдения в начале и конце ряда теряются. Здесь скользящее среднее значение имеет длину окна 13, поэтому первые и последние 6 наблюдений не имеют сглаженных значений.

См. также

conv

Похожие примеры

• Сезонная корректировка с использованием стабильного сезонного фильтра
• Сезонная регулировка с использованием S (n, m) сезонных фильтров
• Параметрическая оценка тренда

Подробнее о

• Разложение временных рядов
• Фильтр скользящего среднего