补充时间序列分解预测概要.ppt

 时间序列分解预测 (Analysis of time series) 一、时间序列分解 二、常数模型预测 1、常数模型的平均值法 2、常数模型的移动法 3、常数模型的指数平滑 三、布朗线性指数平滑法 四、霍尔特（Holt)线性指数平滑法 五、布朗（Brown)非线性指数平滑法 六、自适应预测方法——绍夫自适应方法(W.M Chow) 内容 一、时间序列分解 1、时间序列分解模型 加法模型: 乘法模型: 2、时序模型的表现形式 模型的统计识别： 1）数据序列的经济意义+散点图； 2）自相关系数； 3）利用差分序列识别线性趋势； 4）利用比值序列识别比例趋势； 5）季节的识别。 二、常数模型预测 1、常数模型的平均值预测 公式： 预测： 局限性：只有一期的预测能力，而且需要记忆的数据太多、 耗费机时。 (利用前t期的数据作t+1期的预测值。） 平均值法的实质： 体现了平均数法的自适应实质： 即根据预测误差自行挑整预测值以适应数据的变化。 平均值法的统计性质： I不相关；