第三十六讲预测技术.ppt

时间序列预测技术Time Series Forecasting Models 预测的分类 定性预测（经验预测技术） 个人见解法、集思广义法、市场调查法、德尔菲法（Delphi Method）、头脑风暴法（Brain Storming） 定量预测 　　因果关系预测、时间序列预测和结构　关系预测 个人见解法 这是最为广泛运用的一种预测方法——也是管理人员应该力争避免的一种预测方法。它完全依赖于个人判断——包括他的观念、成见和盲点。预测的效果也许会很好，也许会很差。这一方法的主要不足是其不可靠性。 　　预测方法的各种比较研究清楚地显示：熟悉情况的人根据经验及主观见解作出的预测，总是比对现状一无所知的人运用正规方法所作的预测差。 集思广义法 集思广义法是通过召开讨论会的形式，请熟知所要预测问题的专家发表意见，进行讨论，然后再集中专家的意见，得出大家满意的预测结果。 这种方法的优点是有利于专家交换意见，相互启发，弥补个人不足，也便于全面考虑事件发生和发展的各种可能性。缺点是参加会议的人数有限，不利于广泛收集各种意见。另外，讨论时专家心里因素影响较大，易屈服于某些权威人士和大多数人意见，而忽视少数人意见。 市场调查 　 很多时候即使是一组专家也没有足够的知识与信息可以据以得出合理的预测。例如：推出一种新产品时就有可能出现这种情况。这时就要靠市场调查收集潜在顾客的样本资料，分析他们的观点，并据以推断潜在客户总体的情况。 德尔菲法 Delphi Method 又称专家调查法，它起源于本世纪的40年代末期，最初由美国兰德公司（The Rand Corporation）首先使用，很快就在世界上盛行起来。 主观概率法 　　为了进一步消除德尔菲法中“随大流”的倾向，可以不要求专家对某一事件的发生作出肯定或否定的回答，而只要求作出概率性的估计。每位专家对某一事件发生的程度作出的概率估计称为主观概率，也叫个人概率。 主观概率法就是以若干专家的主观概率的平均值作为某事件发生的概率估计，用公式可表示为： 定量预测技术 因果关系预测 时间序列预测 结构关系预测 因果关系预测技术 它是利用事物发展的因果关系来推测事物发展趋势的方法，一般根据过去掌握的历史资料找出预测对象的变量与其相关事物的变量之间的依存关系来建立相应的因果预测的数学模型，然后通过对数学模型的求解来进行预测。 分类 一元线性回归 多元线性回归 非线性回归 按照期限长短的分类 长期预测　指5年以上的经济发展前景的预测 中期预测　中期预测是指5年以下、1年以上的预测 近期预测　3个月以上1年以下的预测 短期预测　是3个月内未来数周（天）的预测 其具体划分应视预测对象的性质而定 时间序列预测介绍Introduction to Time Series Forecasting 预测(Forecasting)是预言将来的过程 预测是所有企业重要的部分 例如 制造商预测产品的需求，以便对现有的资源进行合理安排。 服务业预测客户到达方式来维持适当的服务。 证券公司预测公司收入、利润、负债率等来提供投资建议。 时间序列组成分子Components of a Time Series 长期趋势(Long-term trend) 时间序列可能相当稳定或随时间呈现某种趋势。 时间序列趋势一般为线性的(linear)，二次方程式的 (quadratic)或指数函数(exponential function)。 季节性变动(Seasonal variation) 按时间变动，呈现重复性行为的序列。 季节性变动通常和日期或气候有关。 季节性变动通常和年周期有关。 时间序列组成分子 时间序列预测步骤 时间序列预测的目的是要确定可预测的因素。 时间序列预测的步骤如下： 步骤一： 建立假设模式 步骤二： 选择预测技巧 步骤三： 进行预测 时间序列预测步骤 步骤一： 确认时间序列中的元素 平稳预测模式Stationary Forecasting Models 在平稳模式中，时间序列的平均数假定为常数 (constant)。 此模型表示如下 其中： yt = 时间序列在第t期的值 b0 = 时间序列的不变平均值 et = 第t期的随机误差值 平稳预测模式Stationary Forecasting Models 检查趋势 (Checking for trend) 若et为常态分配则使用线性回归 若et为非常态分配则使用无母数分析 检查季节性成分(Checking for seasonality component) 自相关性(Autocorre