3移动平均法.docVIP

移动平均法 移动平均法是根据时间序列资料，逐项推移，依次计算包含二定项数的序时平均数，以反映长期趋势的方法。当时间序列的数值由于受周期变动和不规则变动的影响，起伏较大，不易显示出发展趋势时，可用移动平均法，消除这些因素的影响，分析，预测序列的长期趋势。 移动平均法有简单移动平均法，加权移动平均法，趋势移动平均法，分别介绍如下： 一 简单移动平均法 设时间序列为Y1，Y2，……YT……；简单移动平均法公式为： y t +y t -1+y t -2+y t -3……y t -n+1 N 式中:Mt为t期移动平均数;N为移动平均数的项数. 这公式表明:当T向前移动一个时期,就增加一个新近数据,去掉一个远期数据,得到一个新的平均数.由于它不断地”吐故纳新”,逐期向前移动,所以称为移动平均法。 由上式可知： N ∴ Mt = + + = Mt-1+ Mt=Mt-1+ 这是它的递堆公式。当N较大时，利用递堆公式可以大大减少计算量。 由于移动平均可以平滑数据，消除周期变动和不规则变动的影响使长期趋势显示出来，因而可以用于预测： 预测公式为： y t+1＝Mt 即以第t期移动平均数作为第t+1期的预测值。 例1：某市汽车配件销售公司，某年1月至12月的化油器销量如表4－1所示。试用简单移动平均法，预测下年1月的销售量。 解：分别取N＝3　和N＝5　　　按列预公式 　　　　　　　　　 　　　　　　　　　 y t = yt+1= 计算3个月和5个月移动平均预测值，其结果如表： 月份 t 实际销售量 yt 3个月移动平均预测值yt 5个月移动平均预测值yt 1 423 ╱ ╱ 2 358 ╱ ╱ 3 434 ╱ ╱ 4 445 405 ╱ 5 527 412 ╱ 6 429 469 437 7 426 467 439 8 502 461 452 9 480 452 466 10 384 469 473 11 427 456 444 12 446 430 444 419 448 由图可以看出，实际销售量的随机波动比较大，经过移动平均法计算以后，随即波动显著减小，即消除随机干扰。而且求取平均值所用的月数越多，即N越大，修匀的程度也越大，波动也越小。但是，在这种情况下，对实际销售量真实的变化趋势反应也越迟钝。 反之，如果N取的越小，对销售量真实变化趋势反应越灵敏，但修匀性越差，从而把随机干扰作为趋势反映出来。 因此，N的选择甚为重要，N应取多大，应根据具体情况作出抉择，当N等于周期变动的周期时，则可消除周期变动影响。 在实用上，一个有效的方法是：取几个N值进行试算，比较它们的平均预测误差，从中选择最优的。 如：在本例中，要确定化油器销售量预测，究竟是取3合适还是取5合适，可通过计算这两个预测公式的均方误差MSE，选择MSE较小的那个N。 当N=3时 MSE= ∑ (yt-yt)2= = 3210.33 当N=5时 MSE= ∑ (yt-yt)2= = 1591.86 计算结果表明：N=5时，MSE较小，故选N=5。 预测下年1月的化油器销售量为448只。 简单移动平均法只适合作近期预测，而且是预测目标的发展趋势变化不大的情况。如果目标的发展趋势存在其它的变化，系用简单移动平均法就会产生较大的预测偏差和滞后。 二 加权移动平均法 在简单移动平均公式中，每期数据在平均中的作用是等同的，但是，每期数据所包含的信息量并不一样，近期数据包含着更多于未来情况的信息。因此，把各期数据等同看待是不尽合理的，应考虑各期数据的重要性，对近期数据给予较大的权数，这就是加权平均法的基本思想。 设时间序列为：y1,y2,……yt……；加权移动平均公式为： Mtw = t ≥ N 式中：Mtw 为t期加权移动平均数；Wi 为 yt-i+1 的权数，它体现了相应的y在加权平均数中的重要性。 利用加权移动平均数来作预测， 其预测公式为：yt+1=Mtw 即以第t期加权移动平均数作为第t+1期的预测值。 例：我国1979-1988年原煤产量如图表，试用加权移动平均法预测1989年的产量： （注： w1=3, w2=2, w3=1） 年份 t 原煤产量 yt 三年加权移动平均预测值y