时间序列确定性趋势外推预测法.pptVIP

时间序列确定性趋势外推预测法 一 样本序列具有水平趋势的外推预测法 1．朴素预测法 即现在时刻的值作为下一时刻的预测值。即 （1） 优点：简单方便，如序列值的变化稳定，且上下波动幅度小，有一定的预测精度。 缺点：未能充分使用历史的数据信息，且易受随机波动的影响。若波动幅度大，则预测误差较大。 2．平均数预测法 设样本序列值 （2） 克服了易受随机干扰的影响，能充分使用历史信息，数据越多，精度越高。 预测校正 设样本序列为 ， 的预测值为 ，现在新增加观测值 ，要在时点t+1的基础上对 作出预测，则 说明:新的预测值 是原预测值 与新观测值 的线性组合即加权平均值。 3 加权移动平均预测法首先介绍移动平均预测：设样本序列 一次滑动平均值计算公式为： 当预测目标的基本趋势是在某一水平上下波动时，可用一次移动平均方法建立预测模型，预测模型为： N取值范围：［5，200］当历史序列的基本趋势变化不大且序列中随机变动成分较多时，N的取值应较大一些。否则N的取值应小一些。在有确定的季节变动周期的资料中，移动平均的项数应取周期长度。选择最佳N值的一个有效方法是，比较若干模型的预测误差，均方预测误差最小者为好。 加权移动平均预测法 为加权滑动平均预测值，其中 为加权因子，满足 权重的选择涉及预测者的艺术水平，一般的规律是对新数据加的权大，旧数据加的权小，这完全靠预测者对序列的了解和分析。 4. 指数平滑预测法 （5）式称为简单指数平滑公式。a为平滑常数，且 ，假定历史序列无限长，则（5）式可写为 （6）式表明 是全部历史数据的加权平均，权重之和显然为 由于加权系数呈指数函数衰减，加权平均能消除或减弱随机干扰的影响，故（5）式称为指数平滑。 选择 值的一些基本原则？ （1）如果序列的基本趋势比较稳定，预测偏差由随机因素造成的，则 值应取小一些，以减少修正幅度，使预测模型适应预测目标的变化。 （2）如果预测目标的基本趋势已经发生系统地变化，则 值应取得大一些。这样可以偏重新数据的信息对原模型进行大幅度修正，以使预测模型适应预测目标的新变化。 水平趋势预测模型： 二 序列具有线性趋势的外推预测法 如果经济时间序列具有线性的增长趋势，用一次滑动平均法和简单指数平滑法去做预测，会产生滞后，即预测值比实际值偏小。这时应采用二次滑动平均预测法和二次指数平滑法。 1 二次滑动平均预测法 是对一次滑动平均序列再作一次滑动平均后得到的值。 二次滑动平均值计算公式为： 当预测目标的基本趋势为线性时，常用二次滑动平均法。但序列同时存在线性趋势与周期波动时，可用趋势滑动平均法建立预测模型: 其中， 上述移动平均法在数据处理中常用它作为预处理，消除周期波动（取N为周期长度）和减弱随机干扰的影响往往是有效的。 2 二次指数平滑预测法 设观测序列 , ,一次指数平滑计算公式为： 二次指数平滑公式： 原则上说，不管序列的基本趋势多么复杂，总可以利用高次指数平滑公式建立一个很好的模型，但计算量很大。因此用的较多的是几个低阶数指数平滑模型。 （1）线性趋势预测模型－Brown单系数线性平滑预测： 其中 （3）二次曲线趋势预测模型－Brown单系数二次式平滑预测： 其中， 注：指数平滑预测模型是以当前时刻T为起点，综合历史序列的信息，对未来进行预测的。选择合适的