时间序列预测.pptVIP

抛物线趋势的分割平均法（1） 抛物线趋势的分割平均法要求将时间序列数据划分为等距离的三段。若数列不能被3整除，当余数为1时去掉数列首项；当余数为2时，去掉三段中间所夹两项。抛物线趋势的分割平均法的预测模型为： 、 可以由下列方程组求得 抛物线趋势的分割平均法（2） 例 将上表数据分为等距的三段，每段两个数据。分别计算三点坐标得到： 观察年份 1997 1998 1999 2000 2001 2002 时 序 1 2 3 4 5 6 观察值 1200 1400 1620 1862 2127 2413 抛物线趋势的分割平均法（3） 待定参数的联立方程组为： 最小二乘法（1） 最小二乘法即适用于直线趋势的预测，也适用于曲线趋势的预测。 最小二乘法直线趋势预测模型为： 最小二乘法（2） 例 观察年份 时 序(t) 观察值(x) tx t2 趋势值 1993 1 13 13 1 12.7 1994 2 15 30 4 15.5 1995 3 18 54 9 18.2 1996 4 20 80 16 20.9 1997 5 24 120 25 23.6 1998 6 27 162 36 26.3 1999 7 30 210 49 29.1 2000 8 32 256 64 31.8 2001 9 35 315 81 34.6 2002 10 36 360 100 37.3 合计 250 1600 385 250 最小二乘法（3） 根据上表可知： 直线趋势预测模型（1） 若时间序列呈直线趋势，则选用三点法的直线趋势预测模型。当数据项大于10时，取5项加权平均，在序列的首尾两端求得近期和远期两点坐标 。 直线趋势预测模型为： 将坐标点的值代入预测模型有 直线趋势预测模型（2） 当数据项在6~10时，取3项加权平均，在序列的首尾两端求得近期和远期两点坐标 。 将坐标点代入到预测模型，有： 直线趋势预测模型（3） 例 观察年份 时序t 观察值x 权数w wx 加权平均 1993 1 4.40 1 4.40 R 1994 2 4.78 2 9.56 1995 3 5.13 3 15.39 1996 4 5.81 合计 29.35 4.89 1997 5 6.94 1998 6 7.36 加权平均 1999 7 8.13 1 8.13 T 2000 8 8.56 2 17.12 2001 9 8.91 3 26.73 合计 51.98 8.66 直线趋势预测模型（4） 计算过程 抛物线趋势预测模型 首先将时间序列划分为等距的三组，若项数大于15，则每组数据取5项加权平均；若数据项数在9~15之间，则每组取3项加权平均。 设近、中、远期三组数据的平均值的坐标点分别为 、 。 抛物线趋势预测的数学模型为： 5项加权平均预测模型 将坐标点的值代入到预测模型，得到： 3项加权平均预测模型（1） 将坐标点的值代入到预测模型，得到： 3项加权平均预测模型（2） 例 观察年份 时 序(t) 观察值(x) 权数w wx 加权平均 1992 1 41 1 41 R 1993 2 51 2 102 1994 3 59 3 177 1995 4 66 320 53.3 1996 5 72 1 72 S 1997 6 77 2 154 1998 7 82 3 246 1999 8 85 472 78.7 2000 9 86 1 86 T 2001 10 85 2 170 2002 11 82 3 246 合 计 502 83.7 3项加权平均预测模型（3） 计算过程 季节变动法预测 季节变动预测的基本思路是：首先根据时间序列的实际值，观察不同年份的季或月有无明显的周期波动，以判断该序列是否存在季节变动；然后设法消除趋势变动和剩余变动的影响，以测定季节变动；最后求出季节指数，结合预测模型进行预测。 季节变动预测必须收集三年以上的资料。 季节变动预测的方法有： 简单平均法 季节比例法 简单平均法（1） 简单平均法也称做同月（季）平均法，即通过对若干年份的资料数据求出同月（季）的平均水平，然后对比各月（季）的季节指数表明季节变动程度，结合预测模型进行预测。 简单平均法的具体步骤是： 根据各年份资料求出每月（季）平均数； 计算全时期月（季）总平均数； 求出月（季）季节指数； 进行预测。 月