第三講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 所谓时间序列，是指各种经济、社会、自然现象的数量指标按照时间顺序排列起来的统计数据。 时间序列的构成因素： 长期趋势、季节变动、 循环变动、随机变动 ; ; 什么是移动平均法？ 移动平均法是根据时间序列数据，逐项推移，依次计算包含一定项数的时序平均值，以反映长期趋势的方法 。 移动平均法的种类 一次移动平均法 加权移动平均法 二次移动平均法; 1.1 一次移动平均法; 例 1 分析预测我国平板玻璃月产量。;一次移动平均法 计算公式： 式中：t≥N， 为时间序列的数据， 为t期一次移动平均值，N为移动平均的项数 如果时间序列没有明显的周期变化和趋势变化，可用 t 期的一次移动平均值作为t+1期的预测值 ，即预测模型为 ; 每出现一个新观察值，就要从移动平均中减去一个最早观察值，再加上一个最新观察值，计算移动平均值，这一新的移动平均值就作为下一期的预测值。;一次移动平均法;一次移动平均法;一次移动平均法;一次移动平均法;一次移动平均法;一次移动平均法;一次移动平均法;一次移动平均法;一次移动平均法;一次移动平均法;一次移动平均法;一次移动平均法;一次移动平均法;一次移动平均法;一次移动平均法;;;; 一般情况下,移动平均的项数N取得越大,对原序列修匀的程度也越大,移动平均序列较平坦。反之,移动平均序列中,保留原始序列的特征较多。;如何选择N？ 移动平均项数N 的大小反映移动平均数的修匀性强弱和对趋势的灵敏度。选取时有两种情形： （1）如果时间序列的总趋势比较平稳，波动不大， 则N应取大一点，使平滑的效果更显著。 （2）如果时间序列的总趋势不稳定，波动较大，则N应取小一点，使之更适应当前变化的趋势。 在实用上，常用几个N值进行试算，比较它们的均方误差MSE，选取均方误差较小的那个N。 ; 一次移动平均法的三个主要限制:; 限制二：简单移动平均法只能做一步预测,且仅适用于基本趋势呈平稳发展的序列,用于具有明显上升(或下降)趋势的时间序列作预测,会产生滞后误差。; 限制三：N个过去观察值中每一个权数 都相等，而早于（t-N+1）期的观察值的 权数等于0，而实际上往往是最新观察值 包含更多信息，应具有更大权重。;1.2 加权移动平均法; 加权移动平均法;加权移动平均法 (权数分别为3, 2 , 1 );加权移动平均法;加权移动平均法 ; 1.3 线性二次移动平均法;二次移动平均法;二次移动平均法（N=4）;二次移动平均法;二次移动平均法;二次移动平均法;二次移动平均法;二次移动平均法;二次移动平均法;二次移动平均法;二次移动平均法;二次移动平均法;二次移动平均法;二次移动平均法;二次移动平均法;二次移动平均法;二次移动平均法;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。;2、指数平滑法; 一次指数平滑法是利用 作为远期值 ;一次指数平滑法是一种加权预测，权数为α。 它既不需要存储全部历史数据，也不需要 存储一组数据，从而可以大大减少数据存储问 题，甚至有时只需一个最新观察值、最新预测 值和α值，就可以进行预测。它提供的预测值 是前一期预测值加上前期预测值中产生的误差 的修正值。;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。 ;指数平滑系数α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: