时间序列预测法演示文件修改版.pptVIP

第三章 时间序列预测法 第一节 时间序列与时序分析 第二节 移动平均法 第三节 指数平滑法 第一节 时间序列与时序分析 一、时间序列的概念 所谓时间序列，是指同种社会经济现象的数量表现依时间先后次序所组成的一个排列，用以表现其随时间变化的过程。 时间序列的四种变动特征及其变动原因： 1、长期趋势 2、季节变动 3、循环变动 4、不规则变动: 间歇变动、剩余变动 二、时间序列的分类 （一）确定型时间序列 （二）随机型时间序列 1、平稳随机序列与非平稳随机序列 （1）平稳随机序列 设yt(t=1，2，…）是一个随机序列，简记为{yt}。对每个固定的t， yt是一个随机变量，如果yt满足下列条件： ① E（ yt ）=a，t=1，2，… ② E[(yt+k-a)(yt –a)]=rk ，t=1，2，… 则称序列{yt}为平稳随机时间序列，简称为平稳随机序列。 （2）非平稳随机序列 不同时满足上述两个条件的随机序列称为非平稳随机序列。 （3）白噪声序列 若一个平稳随机序列{yt}满足下述两个条件： ① E（ yt ）=0，t=1，2，… ② E(yt+k·yt)=σe2 δk ，t=1，2，… 其中， σe2为非负常数， δk为脉冲函数，满足： 2、样本序列 所谓样本序列，是指对随机序列中每一随机变量，取其一个变量值（样本值），将这些变量值按时间先后次序排列起来所形成的序列。 若以{Yt}为一随机序列，yt是Yt的一个样本值，则{yt}就是一个样本序列。 例如， {Yt}序列中， yt表示某种商品各月的销售量，则{yt}为一随机序列： {yt}：y1 ，y2，… ，yn，… 如果这种商品某年12个月的销售量为： {yi}：80，70，60，30，20，3，…， 这样一个排列就是样本系列。 3、非平稳序列的平稳化 (1)差分算子：▽ 一阶差分：▽Yt=Yt-Yt-1 二阶差分： ▽2Yt=▽(▽Yt)= ▽(Yt-Yt-1 ) …….. =▽Yt -▽Yt-1 =Yt-2Yt- 1+ Yt-2 (2)后移算子：B , 一阶后移： BYt=Y t-1 二阶后移： B2Yt = B(BYt )=B(Yt-1 )=Yt-2 ……. 三、时序分析 1、分析原理 时序分析就是通过对社会经济发展变化过程的分析研究，找出其发展变化的量变规律性，用以预测未来。 时序分析实质上是对时间序列特征的识别，并在此基础上，建立相应的数学模型，形成一系列的时间序列预测方法。 第一，通过时间序列长期趋势的识别，可建立各种趋势外推预测方法； 第二，通过季节变动分析，找出季节变动的规律，实现时间序列的季节预测； 第三，通过对不规则变动及循环变动的分析，采取一定方法可消除它们的影响； 第四，通过对序列自相关的识别，可建立随机时间序列预测方法。 2、时序分析的优点和局限性 （1）优点 （2）局限性 第二节 移动平均法 一、简单移动平均法(一次移动平均法） 设Y1、Y2、…，Yt为一时间序列，则： 二、加权移动平均法 设W1、W2、…、WN分别代表Yt、Yt-1、…，Yt-N+1的权数，则t+1期的预测值为： 三、移动平均法的扩展 （一）差分—移动平均法 如果时间序列具有明显的上升或下降趋势，可先将时间序列进行一阶或二阶差分，对差分后的序列再进行移动平均，进行预测。 设Y1、Y2、…，Yt为一时间序列，它的一阶差分、二阶差分序列为： 一阶差分序列：▽Y2 ，▽Y3，… ，▽Yt 二阶差分序列：▽2Y3 ，▽2Y4，… ，▽2Yt 如果一阶差分序列为平稳发展序列，则预测公式为： 如果一阶差分序列不平稳，二阶差分序列呈平稳发展，则预测公式为： （二）二次移动平均法 则二次移动平均法预测公式为： 第三节 指数平滑法 一、一次指数平滑法 1、预测模型 加权系数α的选择原则： （1）如果时间系列波动不大，比较平稳，则α应取小一点，如（0.1~0.3），以减少修正幅度，使预测模型能包含较长时间序列的信息； （2）如果时间序列具有迅速且明显的变动倾向，如实际值明显的上升或下降趋势，则α应取大一点，如（0.6~0.8），使预测模型灵敏度高些，以便迅速跟上数据的变化。 （3）在实际中，可多取几个α值进行试算，看哪个预测误差更小，就采用哪个。 3、初始值的确定 确定方法： （1）如果时间序列数据较多，当t≥20时，可直接用第一期数据的实际值作为初始值； （2）如果时间序列数据较少，当t＜20时，可直接用最初几期（如二或三期）数据的实际值的平均值作为初始值。 二、二次指数平滑法 三、三次指数平滑法简介 1、