2010时间序列.pptVIP

时间序列预测法是一种定量分析方法，它是在时间序列变量分析的基础上，运用一定的数学方法建立预测模型，使时间趋势向外延伸，从而预测未来市场的发展变化趋势，确定变量预测值。 时间序列预测法也叫历史延伸法或外推法。 时间序列预测法的基本特点是： 假定事物的过去趋势会延伸到未来； 预测所依据的数据具有不规则性； 撇开了市场发展之间的因果关系。 按时间指标可以分为三种: 绝对时间序列、相对时间序列、平均时间序列 表5-1 增长率法 增长率法，指根据预测对象在过去的统计期内的平均增长率，类推未来某期预测值的一种简便算法。 该预测方法一般用于增长率变化不大，或预计过去的增长趋势在预测期内仍将继续的场合。 生长曲线法 逻辑曲线法 高柏兹曲线法 饱和指数曲线法 费尔哈斯曲线法 最著名的费尔哈斯模型。费尔哈斯模型的表达式为： 费尔哈斯模型的图像是一条s型曲线，大体可分为三段，即缓慢增长阶段、快速增长阶段和平稳阶段，其中，平稳阶段的p=a/b可视为“饱和值”。 指数平滑法（S法）预测 指数平滑法（exponential smoothing）来自于移动平均法，是一次移动平均法的延伸。指数平滑法是对时间数据给予加工平滑，从而获得其变化规律与趋势。 根据平滑次数的不同，指数平滑法可以分为： 一次指数平滑法 二次指数平滑法