2010时序列.pptVIP

时间序列预测法是一种定量分析方法，它是在时间序列变量分析的基础上，运用一定的数学方法建立预测模型，使时间趋势向外延伸，从而预测未来市场的发展变化趋势，确定变量预测值。 时间序列预测法也叫历史延伸法或外推法。 时间序列预测法的基本特点是： 假定事物的过去趋势会延伸到未来； 预测所依据的数据具有不规则性； 撇开了市场发展之间的因果关系。 按时间指标可以分为三种: 绝对时间序列、相对时间序列、平均时间序列 表5-1 增长率法 增长率法，指根据预测对象在过去的统计期内的平均增长率，类推未来某期预测值的一种简便算法。 该预测方法一般用于增长率变化不大，或预计过去的增长趋势在预测期内仍将继续的场合。 生长曲线法 逻辑曲线法 高柏兹曲线法 饱和指数曲线法 费尔哈斯曲线法 最著名的费尔哈斯模型。费尔哈斯模型的表达式为： 费尔哈斯模型的图像是一条s型曲线，大体可分为三段，即缓慢增长阶段、快速增长阶段和平稳阶段，其中，平稳阶段的p=a/b可视为“饱和值”。 指数平滑法（S法）预测 指数平滑法（exponential smoothing）来自于移动平均法，是一次移动平均法的延伸。指数平滑法是对时间数据给予加工平滑，从而获得其变化规律与趋势。 根据平滑次数的不同，指数平滑法可以分为： 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 公式：p64 基本计算公式 一次指数平滑预测模型 当时间序列数据大于50时，初始值S0(1)对St(1)计算结果影响极小，可以设定为x1；当时间序列数据小于50时，初始值S0(1)对St(1)计算结果影响较大，应取前几项的平均值。 初始值计算和a值的确定 初始值取前几项的平均值。 a值越小，过去数据作用越大，预测值越平稳，修匀效果显著；a值越大，近期数据作用越大，对变化反应越灵敏，修匀效果不明显。既要修匀，又要反映最新数据的变化趋势。 a=2/（n+1） 0.01a0.03 例（ , S0(1) 取为前三项的平均值） 二次指数平滑法 二次指数平滑的计算公式 预测的数学模型 例：有关数据的计算见下表( )。根据例中数据，有 三次指数平滑法 当时间序列为非线性增长时，一次指数平滑与二次指数平滑都将失去有效性；此时需要使用三次指数平滑法。 三次指数平滑法建立的模型是抛物线模型。 三次指数平滑的计算公式是： 三次指数平滑法的数学预测模型： 一次移动平均 对分段平均法改进得到移动平均法（moving-average method）,又称为滑动平均法，移动平均法是利用平均过程所具有的平滑作用，从时间序列数据中去除局部的不规则性，排除随机影响，从而找出时间序列数据变动趋势的方法。它对时间序列数据分段求出算术平均值，但这时的分段平均并不是截然分开的段进行，而是按根据时期的顺序不断移动得到的段进行，即它的平均值的计算区段部分的重叠和逐渐移动，因而能够在一定程度上客观地描述实际的时间序列数据及其变化趋势。 媚刊坐悼嘘凶罐汛灵嫂砒逝焊遁闺拆阻甸临琵粥菱脯瘦赡辗栋子挞渝严常2010时间序列2010时间序列 1985-2002年某省专利申请量移动平均法预测数据表 铁侨钮橡篙雕名樊菩膀杨孙兄睬添锻侨指鸥簇仟把碑茬宴犊么鄂荤塞琢登2010时间序列2010时间序列 一次移动平均 一次移动平均值的计算公式为 -----为第t时期及其以前（n-1）各时期的数据的移动平均值 t------时期序号 yt------第t时期变量的数值 n------每段跨越的时期个数，即所包含的数据个数 棉酣左瓤可荤邪线镁躯曙酌龚株莎嵌仲迸誉熙碉咋杖超柱锣媳无黍痒猪硕2010时间序列2010时间序列 一次移动平均 也可以用递推公式表示: 如果时间序列数据很长，n的取值又较大，用递推公式可以大大减少计算量。同时，当获得新数据时，无需像回归分析那样重新估算方程，而可以根据先期计算出来的移动平均值，很容易求出新的移动平均值。 靴系登闲漆许赠马榜秀索陵颐停讹绽躲隔神滓尔椽绝毋愧元作碰取捐疏藉2010时间序列2010时间序列 1985-2002年某省专利申请量移动平均法预测数据表 屯食讨樊液佩辛厉龋犬燥讲毒卉玫忧扰觉徽嘴验逛另锤撬递党婿堤鼻辉奢2010时间序列2010时间序列 一次移动平均 合理地选择每段时期个数n是用好移动平均法的关键。在n取较大值时，移动平均值对于随机影响的敏感性弱些，平滑作用强，但适应新数据水平的时间要长些，容易落后于可能的发展趋势；而当