知识4.时间序列预测法.pptVIP

讲清楚其中的指数平滑递推关系 举例 * 讲清楚其中的指数平滑递推关系 举例 * 2003年456三个月的数据经过平滑调整 * 自适应的含义 * 使用Excel展示曲线样式 * 假设该旅客吞吐量的长期趋势为水平型。要求：（1）若第七年第一季度的旅客吞吐量为29万人，试预测第二季度的旅客吞吐量；（2）若第七年上半年的旅客吞吐量为62万人，试预测第三季度的旅客吞吐量；（3）若第七年全年的旅客吞吐量为130万人，试预测各季度的旅客吞吐量。 * 书上例题 * 书上例题 * 7.Winters的三参数指数平滑法 反映长期趋势的公式： 反映长期趋势增量的公式： 反映季节变动的公式： 预测公式： 航线预测案例 * Winters法举例 * 本节总结 平滑预测法 简单算术平均法 加权算术平均法 一次移动平均预测法 一次指数平滑 二次移动平均 二次指数平滑 双参数指数平滑法 三参数指数平滑法 * ?第三节 趋势方程拟合法 把预测目标的时间序列所揭示的发展变化规律拟合成一个趋势方程，并使用拟合方程进行预测的方法。 直线方程拟合法 曲线方程拟合法 * 直线方程拟合法 把具有线性变动趋势的历史时间序列拟合成直线方程进行预测的方法 模型： 模型识别：散点图呈线性；逐期增长量（一阶差分）大致为常数。 直线方程拟合举例 * 参数求法——最小二乘法 偏差平方和最小时参数的取值，理论值和观察值之差的平方和最小时a, b的取值。 问题转化为：欲使 * 曲线方程拟合法 曲线方程拟合法的步骤： 使用散点图分析及定性分析来判别时间序列模式 选择合适的曲线模型 求解模型参数 模型拟合效果分析 利用模型进行预测 * 常用曲线模型的判别与估计 多项式模型 模型判别方法 参数估计：最小二乘法 指数曲线模型 环比发展速度大致接近、 或者散点图呈指数曲线样式 参数估计：对数最小二乘法 插入：几何平均预测法 GDP案例 * 常用曲线模型的判别与估计续 简单修正指数曲线 其逐期增长量（一阶差分）按等比级数递减，第一阶差分的环比发展速度近似一个常数，曲线样式 使用三和法求参数。 3n个观察值，分为三组， ， ， * 常用曲线模型的判别与估计续 成长曲线 逻辑生长曲线 曲线样式 倒数三和法 龚帕兹曲线 曲线样式 对数三和法 * 曲线模型的选择 其他曲线：三次曲线模型，幂函数曲线模型，双曲线模型等 模型的选择 我国航空运输年度周转量数据分析 Excel中的添加趋势线工具 人口及城镇人口变化 GDP的发展变化 * 第四节 季节变动预测法 季节变动的时间序列举例 同期预测法，使用同季数据进行预测 水平趋势时间序列的季节指数调整法 趋势方程拟合配合季节指数调整法 三参数指数平滑法—温特斯法 季节调整数据与时间序列的分解 * 水平趋势季节指数调整法 季节指数是一种以相对数表示的季节变动变化大小的衡量指标，是指各季数值和各季平均值的相对比例。 年份 一季度 二季度 三季度 四季度 全年合计 第一年 18 22 25 20 85 第二年 19 23 26 22 90 第三年 22 26 28 24 100 第四年 23 27 29 25 104 第五年 25 28 31 27 111 第六年 27 30 34 29 120 同季合计 134 156 173 147 610 同季平均数 134/6=22.3 26 28.83 24.5 610/24= 25.42 季节指数 22.3/25.4 =0.879 26/25.42 =1.023 28.8/25.4 =1.134 24.5/25.4 =0.964 4 * 趋势方程拟合配合季节指数调整法 某航线各季度航线客运量 1、估计的趋势变动 2、估计季节变动，季节指数 3、设循环变动指数等于1。 4、不能解释的随机波动作为残差。 预测值是趋势预测和季节预测的乘积 * 时间序列的分解 季节调整数据：不包含季节变动的数据 趋势调整数据？ 循环变动调整数据？ * 时间序列预测法总结 时间序列 时间序列构成 趋势变动类型 预测方法 T S C I T I 估计 水平趋势 平均法 一次移动平均法 一次指数平滑法 直线趋势 二次移动平均法 二次指数平滑法 Halt双参数指数平滑法 直线方程拟合法 曲线趋势 趋势曲线方程拟合法 二次曲线、指数曲线、对数曲线、幂函数曲线等 TSI 估计 和 水平趋势 季节指数调整法 非水平趋势 中心化移动平均+季节指数调整法 趋势方程拟合+季节指数调整法 Winters法（即三参数指数平滑法） TCSI 估计 、 和 和 估计方法同上 定性预测方法分析循环变动 * 本章实践 航班旅客成行率的预测 中国年底总人口预测 中国城镇人口预测 中国Gdp的预测（不