时序分析

<< Click to Display Table of Contents >>

当前位置:  深度分析 > 深度分析实验及应用 

时序分析

Previous pageReturn to chapter overviewNext page

财务预测

时序分析就是根据时间序列所反映出来的发展过程、方向和趋势,进行类推,预测下一个阶段的发展规律。企业可以通过时序分析模型来及时有效的监控企业的财务风险。

 

数据探索

拖拽数据集节点“财务数据”到编辑区,在探索数据页面选择实际数值,通过直方图可以分析2010-2016每月的财务收入分布情况。

ML125

 

时序分析

拖拽时序分析节点,连接数据集节点。

ML126

 

o配置项目

选择时序分析节点配置参数如下图:

ML127

o运行

点击运行全部按钮。

 

o结果分析

o拟合程度分析

图中绿色部分为实际值,灰色线为拟合值。从下图可以看出拟合曲线和实际曲线重合度很高,说明模型预测的比较成功,其中峰值预测也比较准确。

ML52

o分布情况说明

从图中可以看到整体趋势在逐年递增,每季度末都会有指标冲高的情况,以年底冲指标尤为明显。

ML129

但是2016年12月发生了比较大的波动,实际收入明显低于同期水平,可能是受到政策或宏观经济环境的影响。

ML130

o模型统计量说明

ML131

【MSE】平方误差的均值。越小越好。

【LBQ检验】时间序列是否存在滞后相关的一种统计检验。显著性小于0.05时说明误差存在明显的自相关性,表示模型拟合不良。显著性值越接近1模型拟合越好。

o预测值分析

ML53

 

分析数据拟合准确率

1. 选择时序分析节点,连接保存为数据集节点,运行后保存成内嵌数据集。

2. 在创建数据集模块,打开保存的内嵌数据集,在元数据区域新建表达式“准确率”。输入脚本:1-abs(col['实际值']-col['时序分析_历史拟合值'])/col['时序分析_历史拟合值']

ML133

3. 对比2015,2016财务数字的实际值和历史拟合值,发现预测的准确率很好,平均准确率为91.34%, 2016年的预测的平均准确率为93%。

ML134

模型预测值

2017年的预测值如下图:

ML135