市场调查与预测第九章(二) 时间序列分析与预测.pptVIP

第二节 定量预测：  时间序列分析与预测 一、基本含义 1.时间序列：也称时间数列或动态数列，是指将反映同一现象某一方面的数量变量在不同时间上的数值表现按时间先后顺序排列所形成的数列 2.时间序列预测：运用一定的数学、统计方法，通过对所搜集到的时间序列数据进行分析、研究，找出其变动趋势，找出其时间序列变动规律，使其向外延伸，预测未来的发展变化趋势，确定市场预测值。 二、简单算术平均预测法 1.基本预测模型： 2.当时间序列的数据项数不是很多，或数据项数虽很多，但没有明显的季节变动或循环变动趋势时，可直接平均 3.当时间序列呈明显的季节变动或周期性的循环变动时，可将不同周期内同一时间阶段的数据分别平均，作为下一周期相应时间阶段的预测值。 例：2003—2005年某食品公司某冷饮的销售量如下，预测2006年每月的销售量。 三、加权算术平均预测法 根据观察期各资料重要性的不同，分别给以不同的权数后加以平均的方法。一般而言，在给定权数时，可采用由距离预测期较远到较近逐步递增的方法。 预测模型为： 四、几何平均法 运用 几何平均数求出预测目标的平均发展速度，然后借助于数学模型进行预测。适用预测目标发展过程一贯上升或下降，且逐期环比速度大体接近的情况。 问：2003年的居民储蓄余额预测为多少？ 五、移动平均法 将原来已有的时间序列按一定的跨越期逐项进行移动平均，形成一个派生的时间数列。偶然因素引起的波动被消弱（抵消），从而揭示出长时期的基本发展趋势。 移动平均法举例1 移动平均法举例1 （一）一次移动平均法 只适合于作近期预测，而且预测目标的发展趋势变化不大，基本呈水平趋势。 例：某公司1990年到1999年的广告费用支出情况如下，用一次移动平均法预测该公司2000年的广告费用开支。 关于跨越期N的取值 1.当时间序列呈现周期性变动时，可以把周期性变动跨越的期数作为跨越期 2.视具体情况或主观经验判断。当N取值较大时，灵敏度低，对外界波动反映慢，但对数据的修匀效果好，曲线越平滑，可以更好的消除原始时间序列中的随机波动；当N取值较小时，对外界波动反映快，但容易把外界的偶然波动误认为发展趋势，并且会使修匀效果变差。 3.通过计算均方误差或绝对均差的大小来确定N值（误差越小的N 越好） （二）二次移动平均法 是对一次移动平均值再进行一次移动平均，并在最后的一、二次移动平均值的基础上建立预测模型，求得预测值。 1.使用一次移动平均，只能进行短期预测，或最近一期的预测，而无法进行以后各期的预测。 2.当时间序列呈现明显的线性变化趋势特别是斜坡型变化趋势时，用一次移动平均求得的移动平均值总是落后于实际趋势值，存在滞后偏差。因此，一次移动平均法不适合于时间序列呈现明显的线性变化趋势特别是斜坡型变化趋势的预测。二次移动平均就是利用这一滞后偏差的演变规律，建立线性模型，求得预测值。 3.二次移动平均值的计算公式 4.若时间序列有明显的线性变动趋势，可建立直线方程： 其中： T—从t期向前的预测时期数 例：某企业历年某产品销售情况如下表，用二次移动平均法预测2003年的销售量。（跨越期定为3） 1.根据原始数列计算移动项数为3的一次移动平均值和二次移动平均值，填入表中： 2.计算两个参数的值 （三）加权移动平均 注意：加权移动既可以用于一次移动平均，也可以用于二次移动平均。用于二次移动平均，在对历史数据分别给定权数求得一次移动平均值后，再求二次移动平均就不需再使用权数，因为对历史数据的处理时已经给定过权数。 七、趋势模型法——直线趋势模型预测 数学模型法: 利用趋势方程来描绘数列长期趋势进而进行未来预测的一种统计方法。 最小二乘法举例2 表 最小二乘法简捷法举例[前例] 六、指数平滑法 在移动平均法的基础上发展起来的一种预测方法，是一种特殊的加权移动平均法。 *移动平均法的不足： 1.计算一次移动平均值必须贮存多个实际值，当预测项目很多时，就要占居相当大的预测空间 2.移动平均法往往对最近的几个实际值等值来看待 3.移动平均法对t－n期以前的数据完全不考虑 *指数平滑法的分类 1.一次指数平滑法：适宜水平趋势的预测 2.二次指数平滑法：适宜线性趋势的预测 3.三次指数平滑法：适宜非线性趋势的预测 （一）指数平滑公式 1.一次指数平滑公式 2.二次指数平滑公式 3.三次指数平滑公式 *关于初始值 的确定： 1.如果时间序列的数据项数较多（15个以上），可以取第一个数据作为初始值 2.如果时间序列的数据项数较少（15个以下），可以取前三个数据的平均值作为初始值 *举例：