歡迎來到時間序列分析！

你好！歡迎來到 BA1 – 商業經濟學基礎 中最實用章節之一。你有沒有想過超市是如何知道要在七月多訂購雪糕，或者玩具店是如何為十二月的購物熱潮做準備的？他們並非靠猜測，而是使用了時間序列分析（Time Series Analysis）。

在本章中，我們將學習如何檢視歷史數據（過去的規律），以幫助我們預測未來可能發生的情況。不用擔心如果你自認不是「數學掛」，我們會將這些概念拆解，並透過簡單的邏輯和真實案例為你講解。

什麼是時間序列？

時間序列就是一組在一段時間內，按固定間隔記錄下來的數據點。這些數據可以是每日銷售額、每月用電量或年度 GDP 數字。

分析這些數據的目標是找出其中的規律（Patterns）。如果我們能從過去看出規律，就能對未來做出「最佳猜測」（即預測）。這有助於企業進行預算規劃、安排人手及管理庫存水平。

快速回顧：要成為「時間序列」，數據必須在等距間隔（例如：每週、每季）收集，並保持按時間順序排列。

時間序列的四個組成部分

當我們觀察商業數據的圖表時，它看起來往往像一條凌亂的鋸齒狀線條。為了看懂它，我們想像這條線實際上是由四種不同的「配方」混合而成的：

1. 趨勢 (Trend, T)
這是數據的「大局」或長期走向。企業在幾年內是整體增長、萎縮還是保持不變？我們忽略日常的小起伏，只看整體的基礎走勢。

2. 季節性變異 (Seasonal Variation, S)
這是指在固定期間（通常為一年）內定期重複發生的短期波動。
例子： 冬裝的銷量總是在第四季（10月至12月）達到高峰，並在第二季（4月至6月）下降。這就像時鐘一樣，每年準時發生。

3. 循環變異 (Cyclical Variation, C)
這是由經濟因素（如經濟繁榮與衰退）引起的長期「浪潮」。這些週期通常持續好幾年。在 BA1 的學習層面，為了簡化，我們通常會將其歸納在趨勢 (Trend) 之中。

4. 隨機（殘差）變異 (Random/Residual Variation, R)
這是指無法預測的「一次性」事件，它們不遵循任何規律。
例子： 一場突如其來的暴風雪導致所有店舖關門兩天，或者一篇爆紅的社交媒體帖文導致一週內的銷量飆升。我們無法預測這些事件！

重點總結：我們在賬目中看到的實際價值（\( Y \)）是這些因素的組合：\( Y = Trend + Seasonal + Random \)（趨勢 + 季節性 + 隨機）。

如何找出趨勢：移動平均法

如果你查看銷售圖表，季節性銷售帶來的「鋸齒」會讓你很難看出長期趨勢。為了修正這一點，我們使用一種稱為移動平均（Moving Averages）的技術。這能「撫平」波動，揭示隱藏在底下的趨勢。

邏輯：如果你計算一整年的平均銷量，夏季的「高位」和冬季的「低位」會互相抵銷，從而得出該時期的平滑平均值。

逐步教學：簡單移動平均法（奇數個週期）

如果我們想計算銷售額的 3 期移動平均數：

1. 取前三個值（第 1、2、3 期）並計算其平均值。
2. 將該平均結果放在中間位置（第 2 期）。
3. 捨去第一個值，加入第四個值，計算出新的平均值。
4. 將結果放在下一個中間位（第 3 期）。
5. 重複以上步驟，直到數據用完為止。

中心化移動平均法（偶數個週期）

如果這部分看起來有點複雜，別擔心！ 當我們使用偶數週期（例如一年 4 季）時，前四個數字的「中間」會落在第 2 期和第 3 期之間。為了讓數據與實際時期對齊，我們會對初步得出的平均值再做一次平均。這稱為中心化（Centering）。如果週期內的期數是偶數（如 4 季或 12 個月），你必須進行中心化處理。

常見錯誤：處理季度數據時忘記對平均值進行中心化。如果題目給你 4 個季度，你通常需要先計算「移動平均」，然後再進行「中心化移動平均」。

兩種數學模型

為了計算預測值，我們通常使用以下兩種模型之一。考試通常會指定你要使用哪一種。

1. 加法模型 (Additive Model)

在此模型中，我們假設季節性因素是一個固定金額或數值，與趨勢的大小無關。

公式： \( Actual Value (Y) = T + S + R \)

如果不考慮隨機性，計算季節性變異 (\( S \)) 的公式為：
\( S = Y - T \)

類比： 想像你無論是小店還是大型連鎖店，夏天總是多賣 100 杯雪糕。這是一個固定的「加 100」。

2. 乘法模型 (Multiplicative Model / Proportional Model)

在此模型中，我們假設季節性因素是趨勢的百分比或比例。這對於成長中的企業來說通常更為真實。

公式： \( Actual Value (Y) = T \times S \times R \)

如果不考慮隨機性，計算季節性變異 (\( S \)) 的公式為：
\( S = Y / T \)（這會給你一個小數，例如 1.10，表示銷量比趨勢高出 10%）。

類比： 如果你的業務增長，你的夏季「增長動力」也會隨之擴大。不再是多賣「100 杯」，而是賣出的數量比平均值多「20%」。

計算季節性變異

當你利用移動平均法找出趨勢 (T) 後，將其與實際銷售額 (Y) 進行比較，即可得出季節性變異 (S)。

例子（加法模型）：
第四季的實際銷售額 (\( Y \))：$500
\n趨勢值 (\( T \))：$420
季節性變異 (\( S \))：\( 500 - 420 = +80 \)
這意味著在第四季，銷售額通常比趨勢高出 $80。

你知道嗎？ 在一個完整的週期（例如 4 個季度）內，加法模型中季節性變異的總和應始終為零。有些季度是「正值」，有些是「負值」，但在一年內它們會相互抵銷！

預測未來

現在是最重要的部分：進行預測。 要預測未來期間的數據，請遵循以下步驟：

1. 推算趨勢：將趨勢線延伸至未來（如果趨勢是線性的，通常是加上一個固定的數值）。
2. 應用季節性：加上（加法模型）或乘上（乘法模型）該特定期間的季節性因素。

預測例子：
你想預測明年夏天（第 3 季）的銷售額。
- 你預測該期的趨勢值為 1,000 單位。
- 根據歷史數據，第 3 季的季節性變異為 -150 單位。
- 預測： \( 1,000 + (-150) = 850 \) 單位。

關鍵術語摘要

• 時間序列 (Time Series)：按時間順序記錄的數據。
• 趨勢 (Trend)：基礎的長期走向（上升、下降或持平）。
• 季節性變異 (Seasonal Variation)：一年內定期重複發生的短期規律。
• 移動平均 (Moving Average)：一種用於「撫平」數據波動以識別趨勢的技術。
• 加法模型 (Additive Model)：\( Y = T + S \)。季節性變異是一個固定數值。
• 乘法模型 (Multiplicative Model)：\( Y = T \times S \)。季節性變異是一個百分比或比例。

鼓勵的話：你一定能做到的！只要記住：趨勢是大局，季節性是日曆上的規律，而移動平均只是用來整理數據，讓我們能看得更清楚的工具。多練習計算，這些概念很快就會變成你的直覺！