顺德到呼和浩特物流公司答题.ppt

时间序列的预测步骤 第一步，确定时间序列的类型 即分析时间序列的组成成分。 第二步，选择合适的方法建立预测模型 如果时间序列没有趋势和季节成分，可选择移动平均或指数平滑法 如果时间序列含有趋势成分，可选择趋势预测法 如果时间序列含有季节成分可选择季节指数法 第三步，评价模型准确性，确定最优模型参数 第四步，按要求进行预测 （1）简单算术平均 某销售公司2010年下半年各月的销售额分别为18、17、19、20、17、19万元，试预测2011年1月份该公司销售额。 预测值 （2）加权算术平均 赋予时间序列中距离预测期较近数据以较大的权重。 例：某商场家电产品在前四周的需求量依次为12、17、15、13，给最近一期数据赋予权重0.4，上一期数据赋予权重0.3，上上一期数据分配权重0.2，距离预测期最远一期数据分配权重0.1。则加权平均值为： MAn＝0.4×13＋0.3×15＋0.2×17＋0.1×12＝15 优点：对最近一期的实际情况反应灵敏。 难点：一个是移动间隔期的确定，企业没有办法知道多久以前的需求对预测期的需求没有影响；另一个是赋予每一期的权重没有科学的确定方法，只能依靠主观的经验进行判断。 移动平均：利用过去一系列的实际数值进行预测，将距离预测期最近几期的实际数值的平均值作为预测值。计算公式为： 上式也可以写成： （3）移动平均 其中xt表示t时刻的真实值或观察值；Ft+1表示t+1时刻的预测值； 对于上式当n=1时， 也就是说，t+1时刻的预测值就是t时刻的观察值，或者说是用当前的观察值来预测下一期的数值。这种方法称为naive（天真）预测法。这种方法虽然过于简单，可以说是没有进行预测，但是它可以作为评价其他时间序列法预测结果好坏的一个标准。如果你使用了一个非常复杂的时间序列分析模型来对某一个问题进行预测，其误差比这种简单的天真预测法还糟糕，则这个模型显然不是一个好的预测模型。 年份 销售量 移动平均数N=3 移动平均数N=5 2002 206 — — 2003 214 — — 2004 208 — — 2005 220 209.33 — 2006 230 214.00 — 2007 212 219.33 215.6 2008 202 220.67 216.8 2009 210 214.67 214.4 2010 218 208.00 214.8 2011 206 210.00 214.4 211.33 209.6 根据历史数据，通过移动平均预测未来值 简单滑动平均法显然只适合于水平样式的数据，如果历史数据中存在明显的上升或下降趋势，或者有季节性波动则这种方法是不适用的。因此它只能用来对一些变化平衡或缓慢量进行预测，如对需求量稳定的商品的销量进行预测。 由于数据是呈水平趋势变化，因此在 式中用Ft来代替xt-n不会引起太大误差，因此有下式， 或者说 令 则有， 上一期预测值加上该期实际与预测值差额的一定百分数即得新的预测值 式中：Ft——第t期的预测值； Ft-1——第t-1期的预测值； a——平滑系数； At-1——第t-1期的实际值。 （4）指数平滑 上式可变形为： 平滑常数α决定了预测对时间序列偏差调整的快慢，一般取0.01～0.3 适用：数据量少，短期预测 预测值实际上就是在上一次预测值的基础上加上α乘以上次预测的误差。显然，如果 ，则在预测值中包含很大的调整，相反如果 ，调整量变小，预测值或预测曲线趋于平缓。因此，单指数平滑法适用的范围与简单平滑法相同，只适用于水平样式的数据。 时间序列观测值 时间序列预测值 Ft-2 Ft-1 a 1-a Ft+1 a 1-a Ft 1-a a At-1 At-2 At 某公司生产的取钉器的需求量预测。观察值及预测值如下表所示。 ? ? ? 指数平滑滑动平均值 时期 需求（单位：千） 四个月的移动平均 a=0.4 a=0.1 1 145 ? ? ? 2 143 ? ? ? 3 135 ? ? ? 4 158 145.25 145.25 145.25 5 155 147.75 149.15 146.23 6 145 148.25 147.49 146.10 7 136 148.50 142.89 145.09 8 139 143.75 141.34 144.48 9 159 144.75 148.40