时间序列预测方法实例2.docVIP

时间序列预测方法实例 09级数学系统计班 赵青 2009221438 摘要：在现实生活中，经济数据不仅随时间的推移呈现一定的长期趋势，往往受季节，周期，不规则变动等因素的影响。统计资料表明，大量的经济现象的发展主要是渐进性的，其发展相对于时间呈现一定的规律性。本文章主要采用趋势外推法对预测现象依时间变化呈现的某种趋势。 关键字：时间序列；预测方法；趋势外推法 当预测对象依时间变化呈现某种上升或下降的趋势，并且无明显的季节波动，又能找到一条适合的函数曲线反映这种趋势时，就可用时间t为自变量，时序数值y为因变量，建立趋势模型： y=f(t) 当有理由相信这种趋势能够延伸到未来时，给t赋值就能够得到未来某个时间的预测值。 趋势外推法的几点假设： 假设事物的发展过程没有跳跃式变化，一般属于渐进变化； 假设根据过去的资料建立的趋势外推模型能适合未来，也能代表未来趋势的变化； 下面给出具体实例说明： 假设商店某种产品的销售量如下表1-1 表1-1 某产品销量资料 年份 2002 2003 2004 2005 2006 2007 2008 2009 2010 销售量（万件） 10 18 25 30.5 35 38 40 39.5 38 试预测2011年的销售量，并且要求在90%的概率保证下，给出预测的置信区间。 第一步：确定模型 绘制图像，初步确定预测模型 图1 由图1可知，该产品的销售量基本符合二次多项式的模型。 计算差分 表1-2 差分计算表 y 10 18 25 30.5 35 38 40 39.5 38 一阶差分 —— 8.0 7.0 5.5 4.5 3.0 2.0 -0.5 -1.5 二阶差分 —— —— -1.0 -1.5 -1.0 -1.5 -1.0 -2.5 -1.0 由表1-2知 该时间序列观察值的二阶差分大致相等，其波动范围在-2.5～-1.0之间。综合散点图和差分分析，最后确定选用二次多项式曲线模型进行预测。 第二步：求模型参数 模型参数计算如下表： 表1-3 某产品销售量二次多项式曲线模型参数计算表 年份 时序t y t t ty ty 2002 -4 10 16 256 -40 160 2003 -3 18 9 81 -54 162 2004 -2 25 4 16 -50 100 2005 -1 30.5 1 1 -30.5 30.5 2006 0 35 0 0 0 0 2007 1 38 1 1 38 38 2008 2 40 4 16 80 160 2009 3 39.5 9 81 118.5 355 2010 4 38 16 256 152 608 合计 0 274 60 708 214 1613.5 二次多项式曲线模型为： =b+ bt + bt 有一组统计数据y,y,…,y,令 Q（b,b,b）= = =最小值 根据微分原理，得： （1） （2） （3） 经整理，得： （4） （5） 解此三元一次方程，可求得b=35.05，b=3.57，b=-0.69 所以二次多项式曲线模型为： =35.05+3.57t-0.69t(原点为2006年) 第三步：进行预测和确定预测的置信区间 若要预测2011年的销售量，则t=5时： =35.05+3.57×5-0.67×5=36.15（万件） 为了确定预测的置信区间，必须计算估计标准误差，其计算过程如表1-4 表1-4 估计标准差误差计算表 年份 y y- (y-) 2002 10 9.73 0.27 0.0729 2003 18 18.13 -0.13 0.0619 2004 25 25.15 -0.15 0.0225 2005 30.5 30.79 -0.29 0.0841 2006 35 35.05 -0.05 0.0025 2007 38 37.93 0.07 0.0049 2008 40 39.43 0.57 0.3249 2009 39.5 39.55 -0.05 0.0025 2010 38.00 38.29 -0.29 0.0841 合计 —