（一）一次指数平滑法.pptVIP

* * 第三节 季节变动预测法 一、平均法 二、趋势剔除法 * * 第三节 季节变动预测法 一、平均法 二、趋势剔除法 由输出结果可以看出，模型一（二次抛物线）拟合效果最好。 在二次抛物线方程窗口，点击Forecast，得到趋势值(用TF表示) 第三步，剔除趋势值。 Genr SI=Y/TF。 第四步，进行季节调整。 在主菜单点击Quick→Series Statistics→Seasonal Adjustment，进入Seasonal Adjustment窗口 ,在Seasonal Adjustment窗口，系统默认Ratio to moving average-Multiplicative（移动平均季节乘法），在Factors栏内输入S，点击OK，得到季节指数和调整后的序列 * * 第三节 季节变动预测法 一、平均法 二、趋势剔除法 第四步，进行季节调整。 在主菜单点击Quick→Series Statistics→Seasonal Adjustment，进入Seasonal Adjustment窗口 ,在Seasonal Adjustment窗口，系统默认Ratio to moving average-Multiplicative（移动平均季节乘法），在Factors栏内输入S，点击OK，得到季节指数和调整后的序列 * * 第三节 季节变动预测法 一、平均法 二、趋势剔除法 第四步，进行季节调整。 第五步，预测 在命令窗口，输入：GENR YF=tf*S 可以扩展样本范围，进行外推预测。 为了观看预测误差大小，可以在命令窗口输入：ape=abs((y-yf)/y)。点击Quick→Series Statistics→Histogram and Stats，得到ape的平均值mape，以便于不同模型之间的比较。对于本例，mean=0.063108。 * * 第三节 季节变动预测法 一、平均法 二、趋势剔除法 三、Holter—Winter Multiplicative（季节乘法模型） 该法是把具有线性趋势、季节变动和不规则变动的时间数列进行因素分解，与指数平滑法结合起来的一种预测方法。 1．预测模型： 2．参数估计公式： * * 第三节 季节变动预测法 一、平均法 二、趋势剔除法 三、Holter—Winter Multiplicative（季节乘法模型） 1．预测模型： 2．参数估计公式 3．初始值的计算公式为： * * 第三节 季节变动预测法 一、平均法 二、趋势剔除法 三、Holter—Winter Multiplicative（季节乘法模型） 1．预测模型：2．参数估计公式 3．初始值的计算公式为 4．应用举例 点击Quick→Series Statistics→Exponential Smoothing，进入Exponential Smoothing对话框，点选Holt-Winters-Multiplicative（Holt-Winter乘法模型），点击OK，即可得到运行结果。也可点选Holt-Winters-Additive（Holt-Winter加法模型）。 * * 第三节 季节变动预测法 一、平均法 二、趋势剔除法 三、Holter—Winter Multiplicative（季节乘法模型） 1．预测模型：2．参数估计公式 3．初始值的计算公式为 4．应用举例 * * 第五章 传统时序模型 第一节 时间序列平滑法 一、移动平均法 （一）一次移动平均法 1．公式： 2．n的选择。对n的选择不同，其预测结果也不同。实践中，可取多个n值，分别计算其预测误差，选择预测误差最小的那个n值。 * * 第一节 时间序列平滑法 一、移动平均法 （一）一次移动平均法 1．公式 2．n的选择 3．应用举例 【例1】某种商品2007年12个月的销售量如表4-1所示。 利用Excel软件操作步骤如下： ［工具］→［数据分析］→［移动平均］→在［输入区域］输入数据区域（本例为B2:B13）→在［间隔］输入移动平均项数（本例为3）→在［输出区域］与数据区域平行（本例为C2）→点选标准误差→点击确定，即可得到输出结果，见表4-1中的C、D两列。第13期的预测值为：551。 * * 第一节 时间序列平滑法 一、移动平均法 （一）一次移动平均法 1.公式 2. n的选择 3．应用举例 4．评价 一次移动平均法对时间数列有修匀作用；但它只能作为下一期的预测，且适应水平型时间数列；对于有明显上升或下降趋势的时间数列，其预测结果存在滞后偏差。 * * 第一节 时间序列平滑法 一、移动平均法 （二）二次移动平均法 1．移动平均数公式： 一次移动