曾韦杰-经济预与决策之预测原盐产量.doc

  1. 1、本文档共12页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
曾韦杰-经济预与决策之预测原盐产量

深圳大学考试答题纸 (以论文、报告等形式考核专用) 二○一 ○ ~二○一一 学年度第 二 学期 课程编号课程名称 经济预测与决策 主讲教师 李工农 评分 学 号 2008190122 姓名 曾韦杰 专业年级 金融01 教师评语: 题目: 经济预测与决策之预测原盐产量 经济预测与决策综述 经济历史是由一幕幕的插曲构成,它们都是奠基于谬误与谎言,而不是真理。这代表着赚大钱的途径。我们仅需要辨识前提为错误的趋势,顺势操作,并在它被拆穿以前及时脱身。 ? ? ——乔治.索罗斯定性预测法也称为直观判断法,是市场预测中经常使用的方法。定性预测主要依靠预测人员所掌握的信息、经验和综合判断能力,预测市场未来的状况和发展趋势。 这类预测方法简单易行,特别适用于那些难以获取全面的资料进行统计分析的问题。因此,定性预测方法在市场预测中得到广泛的应用。定性预测方法又包括:专家 会议法,德尔菲法,销售人员意见汇集法,顾客需求意向调查法。定性预测注重于事物发展在性质方面的预测,具有较大的灵活性,易于充分发挥人的主观能动作用,且简单的迅速,省时省费用。易受主观因素的影响,比较注重于人的经验和主观判断能力,从而易受人的知识、经验和能力的多少大小的束缚和限制,尤其是缺乏对事物发展作数量上的精确描述。定量预测是使用一历史数据或因素变量来预测需求的数学模型。是根据已掌握的比较完备的史统计数据,运用一定的数学方法进行科学的加工整理,借以揭示有关变量之间的规律性联系,用于预测和推测未来发展变化情况的一类预测方法。定量预测基本上可分为两类:一类是时序预测法。它是以一个本身的历史数据的变化趋势,去寻找市场的演变规律,作为预测的依据,即把未来作为过去历史的延伸。时序预测法包括平均平滑法、趋势外推法、季节变动预测法和马尔可夫时序预测法。另一种是因果分析法,它包括一元回归法、多元回归法和投入产出法。回归预测法是因果分析法中很重要的一种,它从一个指标与其他指标的历史和现实变化的相互关系中,探索它们之间的规律性联系,作为预测未来的依据。注重于事物发展在数量方面的分析,重视对事物发展变化的程度作数量上的描述,更多地依据历史统计资料,较少受主观因素的影响。比较机械,不易处理有较大波动的资料,更难于事物预测的变化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;而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。 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。指数平滑法的基本公式是:St=ayt+(1-a)St-1 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;   a--平滑常数,其取值范围为[0,1];Winters Method—Muhiplicative模型该方将时趋势和乘法季节因素相结合,考虑序列规律的季节波动。时间趋势模型可根据该序列律的季节波动对 该趋势进行修正。为了能捕捉到季节性,趋势模型包含每个季节的一个季节参季节因子采用乘法季节因子。随机时间序列整理汇总历史上各类保险的数据得到逐月的数据,Winters Method-Multiplicative模型表示为   xt = (a + bt)s(t) + εt  (1)   其中a和b为趋势参数,s(t)为对应于时刻t的这个季节选择的季节参数,修正方程为。   ,   bt = ω2(at ? at ? 1) + (1 ? ω2)bt ? 1  (2)   其中:xt,at,bt,分别为序列在时刻t的实测值、平滑值和平滑趋势s{t-1}(t)选择在季节因子被修正之前对应于时刻t的季节因子的过去值。   在该修正系统中,趋势多项式在当前周期中总是被中心化,以便在t以后的时间里预报值的趋势多项式的截距参数总是修正后的截距参数at。向前τ个周期的预报值是。   xt + τ = (at + btτ)st(t + τ)(3)   当季节在数据中改变时季节参数被修正,它使用季节实测值与预报值比率的平均值。 ARIMA模型全称为自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA),是由

文档评论(0)

hll961 + 关注
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档