第14章 时间序列分析——讨论时序数据.ppt

* 第14章 时间序列分析 14.1 概述 14.2 简单的平均值预测 14.3 移动平均法 14.4 指数平滑法 14.5 季节指数法 14.6 趋势延伸法 * 14.3 移动平均法 用平均值代表时间序列数据的一般水平，其思想没有体现重视近期数据的思路，而且只能简单预测，精度不高。 移动平均法和指数平滑法即是在平均值预测法的基础上的改进，其特点是重视近期数据，追逐新趋势变化的能力很强。 * * 一次移动平均值 需要说明的是，一次移动平均值只能对没有趋势的时间序列进行简单预测，对有趋势的时间序列根本不能直接用它来预测。 * 例14-4 第3列 第6列 * 预测模型 第3列、第6列都代表原始序列的趋势变动规律。对第3列计算趋势增量得第4列，取第4列最后三个数据的平均值179.54作为每期增加的趋势值，可得如下预测模型： 可预测第19期固定资产投资额为： * 14.4 指数平滑法 指数平滑法是一种特殊的加权移动平均法，具有连续运用、不需保存历史数据、计算方便、更新预测模型简易等优点。 14.4.1 一次指数平滑法（无趋势的时间序列） 14.4.2 二次指数平滑法（直线趋势的时间序列） * 14.4.1 一次指数平滑法 由于一次指数平滑值对历史数据的一个加权平均结果，它只能对没有趋势的时间序列进行简单的预测，一般不能作为预测值。可以用二次指数平滑法进行预测。 * 14.4.2 二次指数平滑法 * 2、关于初始值的选取 要计算一次、二次指数平滑值，首先需要选取初始值S1(0)和S2(0)。 （1）如果原始序列数据较多（大于等于15项），一般取初始值为X1即可。 （2）如果原始序列数据不太多（小于15项），初始值的选取将影响计算结果，必须谨慎选取，如取最初几期数据（一般为三期）的平均值。 * 3、平均役令及平滑系数的选取 指数平滑法是对历史数据的加权平均，其相对于原始序列具有滞后偏差，一次指数平滑值的平均役令只和平滑系数有关，即有： a取值较大时，表明重视近期数据，追踪新变化的能力强，但易受随机干扰；a取值较小时，抗干扰能力强，但追踪新变化的能力较差。因此当线性趋势较强时，选取a可 稍小；当非线性趋势较稳定时选取a较大，以追踪实际变化。 a一般介于0.1~0.6 * 4、二次指数平滑法预测原理 与二次移动平均法类似，都是利用平均值的滞后规律及平均役令来建立模型。 二次指数平滑法预测模型为： * 例14-6 表14-6第2列给出了产品实际销售情况，试用二次指数平滑法预测第16期和17期的销售值。 * 14.5 季节指数法 季节指数法是以市场季节性周期为特征，计算反映在时间序列资料（至少连续五期）上呈现明显的有规律的季节变动系数，进行预测的方法。 两种方法： （1）不考虑长期趋势的影响，根据原序列按季或月平均法； （2）将原序列中的长期趋势及循环趋势剔除后，再进行测定，常用方法是移动平均趋势剔除法。 * 14.5.1 按季或月平均法 若不考虑长期趋势的影响，按季或月平均法是测定现象季节变动的最简便的方法。具体步骤为： （1）计算历年同季或月的平均水平； （2）根据历年各季或月的数值总和，计算总的季或月的平均水平； （3）将同季或月的平均水平【第（1）步骤】与总的季或月的平均水平【第（2）步骤】对比，其比值为季节指数； （4）历年同季或月的平均水平可作为预测值。 * 例14-7 旺季 淡季 课堂练习 季节指数法 年份 一季度 二季度 三季度 四季度 2004 51 75 87 54 2005 65 67 82 62 2006 76 77 89 73 2007 74 80 95 72 * 季平均 66.5 74.75 88.25 65.25 季节指数 0.9025 1.0144 1.1976 0.8855 2008(预测) 73.38 83.18 98.20 72.61 总的季度平均值73.6875 课堂练习 季节指数法 年份 一季度 二季度 三季度 四季度 2004 51 75 87 54 2005 65 67 82 62 2006 76 77 89 73 2007 74 80 95 72 * 季平均 66.5 74.75 88.25 65.25 季节指数 0.9025 1.0144 1.1976 0.8855 2008(预测) 73.38 83.18 98.20 72.61 总的季度平均值73.6875 * 14.6 趋势延伸法 两个假设前提：① 决定过去预测目标发展的因素，在很大程度上仍将决定未来的发展；② 预测目标的发展是渐进式的，而非跳跃式的。 1、直线趋势 2、对数曲线 3、指数曲线 4、抛物线曲线 5、生长曲线 * 1、直线趋势拟合 预测目标