第四章时间序列分解和平滑预测法ppt.ppt

虚拟变量 企业职工薪金的模型：Y为企业职工的薪金；X为工龄 第四章 时间序列分解和平滑预测法 第一节 时间序列预测法概述 时间序列预测是以时间为自变量，通过研究因变量随时间变化的趋势，建立时间序列预测模型并进行推断预测。 二、时间序列预测法的类型 二、时间序列分解预测的思路 1.分解时间序列 2.预测各组成因子的估计值 3.根据各因子估计值进行预测 第三节 时间序列的平滑预测法 时间序列平滑预测是对原时间序列进行修匀，消除原数列中随机因素的影响，在此基础上进行预测。 第三节 时间序列的平滑预测法 一、一次移动平均预测法 加权移动平均预测 二、一次指数平滑法 由移动平均法计算公式： 初始值和平滑系数的确定 （1）初始值的确定 三、线性二次移动平均法 三、线性二次指数平滑法 四、二次曲线指数平滑法 基本原理： 对于这种非线性增长的时间序列，采用二次曲线指数平滑法可能要比线性指数平滑法更为有效。它的特点是不但考虑了线性增长的因素，而且也考虑了二次抛物线的增长因素。 移动平均模型适用于平稳时间序列 如果序列呈现明显的升降趋势，存在预测值滞后问题。 （3）移动平均法的三个主要限制 限制一：计算移动平均必须具有N个过去观察值，当需要预测大量的数值时，就必须存储大量数据。另外，N的大小不容易确定，且会出现损失数值问题。 限制二：N个过去观察值中每一个权数都相等，最新观察值包含更多信息，应具有更大权重；早于（t－N+1）期的观察值的权数等于0； 限制三：只适用于平稳时间序列 一次指数平滑法是从移动平均法演变而来的，它的优点是无须保留较多历史数据，只要最近一期的实际观测值和这一期的预测值，就可以对未来时期的值就行预测。 它提供的预测值是前一期预测值加上前期预测值中产生的误差的修正值。 假设时间序列平稳，则可用 代替 如果用a代替1/n，则a必定在0和1之间。则： 本期预测值是在上期预测值的基础上利用上期误差进行调整。 优点：无须保留较多历史数据 缺点：只适用于没有明显增减趋势的研究对象，否则预测值存在滞后性。 为指数平滑的初始值 初始值的确定有两种方法： 1.用原数列的第一项数值替代； 2.以原数列前若干项的平均值替代 （2）平滑系数的确定 时期 权重 a=0 a=0.1 a=0.9 a=1 t a 0 0.1 0.9 1.0 t-1 0 0.09 0.09 0 t-2 0 0.081 0.009 0 t-3 0 0.073 0.001 0 t-4 0 0.066 0.000 0 指数平滑权重变化表（例4.3） 例 利用下表数据，运用一次指数平滑法对某公司第17期的销售额进行预测（取α=0.1，0.3 ，0.9）。并计算均方误差，选择使其最小的α进行预测。 拟选用α=0.1，α=0.3，α=0.9试预测。 结果列入下表： ？ ？ ？ 　 17 94.39 95.97 96.21 95.0 16 97.89 96.81 96.45 94.0 15 96.89 96.30 96.28 98.0 14 95.90 95.99 96.20 97.0 13 95.04 95.99 96.22 96.0 12 95.38 96.42 96.36 95.0 11 98.81 97.03 96.51 95.0 10 97.07 96.18 96.23 99.0 9 97.70 95.83 96.14 97.0 8 94.97 94.90 95.94 98.0 7 94.73 94.85 96.04 95.0 6 92.30 94.79 96.16 95.0 5 95.02 95.98 96.62 92.0 4 95.20 96.40 96.80 95.0 3 97.00 97.00 97.00 95.0 2 — — — 97.0 1 0.9 0.3 0.1 指数平滑值 销售额（万元） 时期 （1）基本原理 为了避免利用移动平均法预测有趋势的数据时产生误差，发展了线性二次移动平均法。这种方法的基础是计算二次移动平均，即在对实际值进行一次移动平均的基础上，再进行一次移动平均。但不是用二次移动平均数直接进行预测，而是在二次移动平均的基础上建立线性预测模型，基于模型进行预测。 （3）式用于对预测（最新值）的初始点进行基本修正，使得预测值与实际值 之间不存在滞后现象； （4）式中用 除以 (N-1)/2 ,是因为 移动平均值是对N个点求平均值，这一平均值应落在N个点的中点。 （2）计算方