第4章 确定型时间列预测方法.docVIP

第4章 确定型时间序列预测方法 时间序列预测方法，是将预测目标的历史数据按照时间的顺序排列成为时间序列，然后分析它随时间的变化趋势，并建立数学模型进行外推的定量预测方法。这类方法以连贯性原理为依据，以假设事物过去和现在的发展变化趋向会继续延续到未来为前提条件。它撇开对事物发展变化的因果关系的具体分析，直接从时间序列统计数据中找出反映事物发展的演变规律，从而预测目标的未来发展趋势。 时间序列预测技术在国外早已有应用，国内在20世纪60年代就应用于水文预测研究。到20世纪70年代，随着电子计算机技术的发展，气象、地震等方面也已广泛应用时间序列的预测方法。时间序列在经济分析中的应用，最先是在美国哈佛大学，该校的经济委员会主席珀森斯（Warren Persons）教授将它应用于一般的商情预测。目前，时间序列分析已成为世界各国进行经济分析和经济预测的基本方法之一。 时间序列预测技术可分为随机型和确定型两大类，随机型时间序列预测技术使用了概率的方法，而确定型时间序列预测技术则使用非概率的方法。其实两类方法都能处理随机的时间序列。当然，实际中遇到的时间序列一般都是随机的。本章讨论确定型时间序列预测技术，包括四部分内容：（1）时间序列与时序分析；（2）移动平均法；（3）指数平滑法；（4）时间序列分解法。 4.1 时间序列与时序分析 所谓时间序列，是指观察或记录到的一组按时间顺序排列的数据，经常用表示。不论是经济领域中某一产品的年产量、月销售量、工厂的月库存量、某一商品在某一市场上的价格变动等，或是社会领域中某一地区的人口数、某医院每日就诊的患者人数、铁路客流量等，还是自然领域中某一地区的温度、月降雨量等等，都形成了时间序列。所有这些序列的基本特点就是每一个序列包含了产生该序列的系统的历史行为的全部信息。问题在于如何才能根据这些时间序列，比较精确地找出相应系统的内在统计特性和发展规律，尽可能多的从中提取我们所需要的准确信息。用来实现上述目的的整个方法称为时间序列分析，简称时序分析。 时序分析是一种根据动态数据揭示系统动态结构和规律的统计方法，是统计学科的一个分支。其基本思想是根据系统有限长度的运行记录（观察数据），建立能够比较精确地反映时间序列中所包含的动态依存关系的数学模型，并借以对系统的未来行为进行预报。 时序分析具有以下特点： 第一，时序分析是根据预测目标过去至现在的变化趋势预测未来的发展，它的前提是假设预测目标的发展过程规律性会继续延续到未来，即以惯性原理为依据。 事物的现实是历史发展的结果，而事物的未来又是现实的延续，现实与未来是有联系的。时间序列分析法正是根据客观事物发展的这种连续性，利用历史数据推测预测对象未来的发展趋势。但事物未来的变化趋势会受到多种因素的影响，而各种影响因素又在不断发展变化，因此对象的未来发展也不可能是过去历史的简单重复。随着时间的推移，环境因素的制约和影响也在积累，因此时间序列预测用于短期预测精度较高，中期预测其次，长期预测最低。 第二，时间序列数据的变化存在着规律性与不规律性。 时间序列中每一时期的数据，都是由许多不同的因素同时发生作用的综合结果。通常根据各种因素的特点或影响效果可将这些因素分为四类： 1．长期趋势（T） 是指由于某种关键因素的影响，时间序列在较长时间内连续不断地向一定的方向持续发展（上升或下降），或相对停留在某一水平上的倾向，反映了事物的主要变化趋势，是事物本质在数量上的体现，它是分析预测目标时间序列的重点。 季节变动（S） 是指由于自然条件和社会条件的影响，时间序列在某一时期依一定周期规则性地变化。它一般归因于一年内的特殊季节、节假日，典型的如农产品的季节加工、化肥、空调、服装、某些食品的销售等。 循环变动（C） 变动以数年为周期，而变动规律是波动式的变动。它与长期趋势不同，不是朝单一方向持续发展，而是涨落相间的波浪式起伏变动。与季节变动也不同，它的波动时间较长，变动周期长短不一。市场经济条件下由于竞争，出现一个经济扩张时期紧接着是一个收缩时期，再接下来又是一个扩张时期等变化，通常在同一时间内影响到大多数经济部门，如对农产品的需求量、住宅建筑、汽车工业的发展、资本主义国家经济危机的变化周期等。这种循环往往是由高值到低值，再回到高值的波浪型模式。 不规则变动（I） 是指各种偶然性因素引起的变动。不规则变动又可分为突变和随机变动。所谓突变，是指诸如战争、自然灾害、意外事故、方针政策等的改变所引起的变动；随机变动是指由于各种随机因素所产生的影响。 上述各类影响因素的共同作用，使时间序列数据发生变化，有的具有规律性，如长期趋势变动和季节性变动；有些就不具有规律性，如不规则变动以及循环变动（从较长的时期观察也有一定的规律性，但短时间的变动又是不规律的）。时间序列分析法，就是要运用统计方法和数学