时间数列分析与预测培训讲义.ppt

* * 1.简单移动平均法(simple moving average) 定义： 1）将最近k期数据加以平均作为下一期的预测值; 2）设移动间隔为k (1kt)，则t期的移动平均值为 3） t+1期的简单移动平均预测值为 4）预测误差用均方误差(MSE) 来衡量 * * 简单移动平均法的特点 1）将每个观察值都给予相同的权数; 2）只使用最近期的数据，在每次计算移动平均值时，移动的间隔都为k; 3）主要适合对较为平稳的时间序列进行预测; 4）应用时，关键是确定合理的移动间隔长。 对于同一个时间序列，采用不同的移动步长预测的准确性是不同的 选择移动步长时，可通过试验的办法，选择一个使均方误差达到最小的移动步长。 * * 2. 加权移动平均法 含义： 1）对近期的观察值和远期的观察值赋予不同的权数后再进行预测 当时间序列的波动较大时，最近期的观察值应赋予最大的权数，较远的时期的观察值赋予的权数依次递减 当时间序列的波动不是很大时，对各期的观察值应赋予近似相等的权数 2）对移动间隔(步长)和权数的选择，也应以预测精度来评定，即用均方误差来测度预测精度，选择一个均方误差最小的移动间隔和权数的组合 * * 设观察值 的权数分别为 第t期的加权移动平均数为 ： 第t+1期的预测值为： 加权移动平均法 * * 移动平均预测法 例题分析 依据表9-29数据，取 用Excel分别进行简单移动平均和加权移动平均预测。 * * Excel输出的移动平均法预测结果表 9.30 * * 二、非平稳趋势时间数列预测 趋势外推预测就是利用时间数列的长期趋势函数来预测未来情况的一种方法 如果时间数列不受季节波动的影响，而长期趋势是它的主要的因素，并假定事物未来的发展趋势与过去的轨迹大致一样，那么可以用趋势外推法进行预测。 依据长期趋势分析法得到长期趋势方程，将预测期的t值代入趋势方程中即可计算出t期的预测值。 * * 三、非平稳趋势季节时间数列的预测 (一) 趋势季节模型的建立 趋势季节模型的一般表达式为： 式中， 为考虑季节变动影响的预测值； 为未考虑季节变动影响的预测值； S为各预测值对应时期的季节指数。 * * 例题分析 【例】 依据统计调查与分析，测定出某种商品季度销售量（万件）的直线趋势方程及各季的季节指数如下所示： (t=1为1995年第一季度) 要求：依据趋势季节模型，预测2007年第一、二、三、四季度的销售量。 * * 例题分析 2007年1、2、3、4季度的t值应分别为：49、50、51、52。根据直线趋势方程，计算出2007年各季不考虑季节波动影响的预测值为： 依据趋势季节模型，计算出2007年各季的预测值为： * * (二) 年值模型与月值模型的转换 若依据年值资料计算的，要作季节波动的预测，就需要将年值模型转换为月值或季值趋势模型。 若数列的第一年为t=1，以此资料建立的直线趋势方程为： 转换成月值模型为： 转换成季值模型为： * * 年值模型与月值模型的转换 例题分析 【例】 依据统计调查与分析，测定出某种商品年销售量（万件）的直线趋势方程及各季的季节指数如下所示： (t=1代表1995年) 要求：依据趋势季节模型预测2007年第一、二、三、四季度的销售量。 * * 年值模型与月值模型的转换 例题分析 【解】首先将年度模型转换为季值模型为： 计算出2007年各季的不考虑季节波动影响的预测值为： 依据趋势季节模型计算出2007年各季的预测值分别为 * * 本 章 小 结 1.时间数列，按现象随时间变化的表现，时间数列可分为平稳数列和非平稳数列；依据观察值表现形式不同，分为绝对数时间数列、相对数时间数列及平均数时间数列 2.对时间数列进行水平分析、速度 分析，可得到各种增减量、速度及平均发展水平指标 3.时间数列各期观察值是T、S、C、I综合作用的结果，依据作用方式，构建了加法模型及乘法模型 ,它是时间数列分解的基础 4.长期趋势的测定，可用移动平均法、模型拟合法进行分析。模型拟合法，常用的有直线趋势模型、二次曲线趋势模型、指数曲线趋势模型、抛物线趋势模型、修正的指数曲线趋势模型、龚珀资曲线趋势模型以及罗吉斯蒂曲线趋势模型