北京化工大学技术经济学要点分析.pptVIP

一次指数平滑法 一次指数平滑法（Single Exponential Smoothing）又称简单指数平滑，是一种较为灵活的时间序列预测方法，这种方法在计算预测值时对于历史数据的观测值给予不同的权重。 这种方法与简单移动平均法相似，都能够提供简单适合的预测。 两者之间的区别在于简单指数平滑法对先前预测结果的误差进行了修正。 一次指数平滑法公式 一次指数平滑法 一次指数平滑法适用于适用于市场观测呈水平波动，无明显上升或下降趋势情况下的预测 它以本期指数平滑值作为下期的预测值，预测模型为： 平滑系数α 平滑系数α实际上是前一观测值和当前观测值之间的权重。当α接近1时，新的预测值对前一个预测值的误差进行了较大的修正；当α=1时，Ft=Xt，即t期平滑值就等于t期观测值；而当α接近于0时，新预测值只包含较小的误差修正因素；当α=0时，Ft=Ft-1，即本期预测值就等于上期观测值。 一般情况下，观测值呈较稳定的水平发展，α值取0.1～0.3之间；观测值波动较大时，α值取0.3～0.5之间；观测值波动很大时，α值取0.5～0.8之间 初始值F0的确定 从指数平滑法的计算公式可以看出，指数平滑法是一个迭代计算过程，用该法进行预测，首先必须确定初始值F0，实质上它应该是序列起点t=0以前所有历史数据的加权平均值。由于经过多期平滑，特别是观测期较长时，F0影响作用就相当小，故在预测实践中，一般采