指数平滑法-应用技术-典例-详细资料.pptVIP

谢谢观赏 * 也就是说指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。 * * 平滑常数 越接近于1，远期实际值对本期平滑值影响程度的下降越迅速；平滑常数 越接近于 0，远期实际值对本期平滑值影响程度的下降越缓慢。 由此，当时间数列相对平稳时，可取较大的α ；当时间数列波动较大时，应取较小的α ，以不忽略远期实际值的影响。生产预测中，平滑常数的值取决于产品本身和管理者对良好响应率内涵的理解。 * * * 根据平滑次数不同，指数平滑法分为：一次指数平滑法、二次指数平滑法和三次指数平滑法等。但它们的基本思想都是：预测值是以前观测值的加权和，且对不同的数据给予不同的权，新数据给较大的权，旧数据给较小的权。 * 在实际应用中预测者应结合对预测对象的变化规律做出定性判断且计算预测误差，并要考虑到预测灵敏度和预测精度是相互矛盾的，必须给予二者一定的考虑，采用折中的 值。 * 因此，预测人员要根据预测对象和具体情况，把指数平滑法和定性预测方法正确地结合起来运用。才能全面认识和把握预测对象的未来发展趋势，使的预测结果更加接近客观现实，从而做出实事求是的预测结论。 * 时间序列y可以表示为以上四个因素的函数，即： 时间序列分解的方法有很多，较常用的模型有加法模型和乘法模型。 * 指数平滑法 1、试说明（一次、二次、三次）指数平滑法预测原理、预测公式、适用对象。 2、通过案例说明指数平滑预测法中平滑参数对预测的影响（列出数据和计算结果，画出相应图形）。 3、对指数平滑法进行评价。 主要任务 1.1 指数平滑法简介 指数平滑法是布朗(Robert G..Brown)所提出，布朗(Robert G..Brown)认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会持续到最近的未来，所以将较大的权数放在最近的资料。 1.1 指数平滑法简介 指数平滑法是生产预测中常用的一种方法。也用于中短期经济发展趋势预测，所有预测方法中，指数平滑是用得最多的一种。 简单的全期平均法是对时间数列的过去数据一个不漏地全部加以同等利用； 移动平均法则不考虑较远期的数据，并在加权移动平均法中给予近期资料更大的权重； 指数平滑法则兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。 1.2 指数平滑法的基本公式 指数平滑法的基本公式是： 式中， St--时间t的平滑值； yt--时间t的实际值； St ? 1--时间t-1的平滑值； α--平滑常数，其取值范围为[0,1] 由该公式可知： 1.St是yt和 St ? 1的加权算数平均数，随着 α取值的大小变化，决定yt和 St ? 1对St的影响程度，当α 取1时，St = yt；当 取0时，St = St ? 1。 2.St具有逐期追溯性质，可探源至St ? t + 1为止，包括全部数据。其过程中，平滑常数以指数形式递减，故称之为指数平滑法。指数平滑常数取值至关重要。平滑常数决定了平滑水平以及对预测值与实际结果之间差异的响应速度。 由该公式可知： 3.尽管St包含有全期数据的影响，但实际计算时，仅需要两个数值，即yt和 St ? 1，再加上一个常数 ，这就使指数滑动平均具逐期递推性质，从而给预测带来了极大的方便。 4.根据公式 ，当欲用指数平滑法时才开始收集数据，则不存在y0。无从产生S0，自然无法据指数平滑公式求出S1，指数平滑法定义S1为初始值。初始值的确定也是指数平滑过程的一个重要条件。 如果能够找到y1以前的历史资料，那么，初始值S1的确定是不成问题的。数据较少时可用全期平均、移动平均法；数据较多时，可用最小二乘法。但不能使用指数平滑法本身确定初始值，因为数据必会枯竭。 如果仅有从y1开始的数据，那么确定初始值的方法有： 1）取S1等于y1； 2）待积累若干数据后，取S1等于前面若干数据的简单算术平均数，如：S1=（y1+ y2+y3）/3等等。 1.3 指数平滑法的基本理论 一次指数平滑法 二次指数平滑法 三次指数平滑法 一次指数平滑法 设时间序列为 ，则一次指数平滑公式为： ? ? ? ? 式中 为第 t周期的一次指数平滑值； 为加权系数，0＜ ＜1。 为了弄清指数平滑的实质，将上述公式依次展开 可得： ? ? ? ? 由于0＜ ＜1，当 t→∞时， →0，于是上