第三讲时间序列平滑预测法.pptVIP

第三讲 时间序列平滑预测法 时间序列的构成 移动平均法 指数平滑法 1.2 加权移动平均法 各期数据所包含的信息量并不相同。考虑到近期的水平要 比远期的水平对未来趋势有更大的影响,可以采用加权移动 平均的方式来计算移动平均值,即给近期数据以较大权数, 而远期数据以较小的权数。 例2:某建材商店玻璃销售量如下表所示,试预测该店第二年2月份的销售量(取移动平均项数n=3) 解:用线性二次移动平均法作预测。 现在要预测第二年2月份的玻璃销售量,即 预测t=14期的预测量。 递推得到 由此可见,第t+1期的预测值 实际上是以前各期的观测值 及初始预测值 的加权平均值。所以,它是加权 移动平均的推广。 由于所加的一串权数均呈指数形式,并逐渐衰减,α越大衰减越 快,反之越慢;而且这种平均方法具有修匀或平滑一系列观测值 的作用,故称之为指数平滑法。 使用指数平滑法进行预测,要解决好两个问题:一是平 滑常数α的选择;二是初始预测值 的确定。 (1) 如果时间序列具有迅速而明显的变化倾向,则 α 宜取较大值(一般取0.3~0.6),加大近期数据的作用,使新近变化较强地反映在预测值中。 (2)如果时间序列虽有不规则的起伏变化,但其长期变动趋势却较缓慢时,则需取较小的α值(一般取0.05~0.2)使较远期数据的影响也能比较充分地体现在观测值当中。 (3) 在不容易判断时,可分别选用几个不同的α值进行试算,选用预测误差较小的α值。计算预测误差可选下述两个公式中的任何一个: ①平均绝对误差: ②均方标准差: 例3:甲、乙两工厂的总产值如下表所列,试用一次指数平滑法分别预测这两个工厂第8期的总产值。 其余各值仿此计算,结果列于下表中 分析: 甲厂总产值上升明显,应选用较大的α值, 试算结果也证明了这一点。 由表中记录的误差值算得预测均方标准差: α =0.1时,S1=16.2; α =0.3时,S2=11.9; α =0.9时,S3=7.6 故应选α =0.9作为平滑常数, 并预测甲厂第8期总产值为: 注：此例可看出，用一次指数平滑法滞后明显。 分析: 乙厂总产值有波动,但长期趋势不明显,宜选用较小的α值,试算结果也证明了这一点。 由表中记录的误差值算得预测均方标准差: α =0.1时,S1=12.8; α =0.3时,S2=13.4; α =0.9时,S3=17.7 故应选α =0.1作为平滑常数, 并预测乙厂第8期总产值为: 注：一次指数平滑法的预测能力只有一期。 按公式算得 于是有线性预测方程: 利用此方程可求得2009年和2010年该厂原料消耗量 的预测值分别为: 2.3 三次指数平滑法 基本原理： 如果时间序列的变化呈现二次曲线趋势时，可用三次指数平滑法进行预测。 三次指数平滑就是对二次指数平滑序列再作一次指数平滑处理。 三次指数平滑法是二次指数平滑法的进一步推广。 例5:依上例中给出的数据,用三次指数平滑法预测该厂2009年和2010年的原料消耗量。 解:仍取α=0.3, 且取 按公式计算三次指数平滑值,其结果列于最后一栏 再算得 于是有预测方程 利用此方程可对2009年和2010年该厂原料消耗量分别预测。 一次指数平滑法 年、月 t y a=0.2 a=0.5 2008.1 1 15 2 2 16.5 3 3 14.7 4 4 16.2 5 5 13.8 6 6 12.9 7 7 14 8 8 14.4 9 9 15.3 10 10 14.7 11 11 16.5 12 12 14.7 2009.1 13 合计 平均 一次指数平滑法 年、月 t y a=0.2 a=0.5 2008.1 1 15 14.9 2 2 16.5 3 3 14.7 4 4 16.2 5 5 13.8 6 6 12.9 7 7 14 8 8 14.4 9 9 15.3 10 10 14.7 11 11 16.5 12 12 14.7 2009.1 13 合计 平均 一次指数平滑法 年、月 t y a=0.2 a=0.5 2008.1 1 15 14.9 2 2 16.5 14.92 3 3 14.7 4 4 16.2 5 5 13.8 6 6 12.9 7 7 14 8 8 14.4 9 9 15.3 10 10 14.7 11 11 16.5 12 12 14.7 2009.1 13 合计 平均 一次指数平滑法 年、月 t y a=0.2 a=0.5 2008.1 1 15