[理学]第8章时间序列预测法.pptVIP

市场调查与预测 第八章 时间序列预测法 教学重点与难点 了解时间序列预测的含义；掌握移动平均预测法、指数平滑预测法、趋势外推法和季节变动预测法的原理，理解其分析过程；应用主要的时间序列预测法来解决市场预测实践中遇到的问题。 移动平均预测法、指数平滑预测法、趋势外推法和季节变动预测法的原理和分析过程。 讲授与训练 时间序列分析预测法也称时间序列预测技术、时间序列预测法等。美国大学首先将此法用于商情研究和预测。到20世纪70年代，随着电子计算机技术的发展，时间序列分析预测法在气象、水文、地震、经济等领域得到广泛的应用，特别是在经济领域。不论是在微观范围，还是在宏观范围，它都已成为世界各国目前经济预测的基本方法之一。 第一节 时间序列分解法 一、时间序列分析的基本原理 时间序列又称为动态数列，它是将某个经济变量的观测值，按时间先后顺序排列所形成的数据，时间可以是以天、周、季度、年或若干年为一个时间单位。 时间序列分析预测法是根据某个经济变量的时间序列，依据惯性原理，通过统计分析或建立数学模型进行趋势外推，以对该经济变量的未来可能值做出定量预测的方法。 时间序列分析预测法依据的是惯性原理，所以它建立在某经济变量过去的发展变化趋势的基础上，也就是该经济变量未来的发展变化趋势是假设的。然而，从事物发展变化的普遍规律看，同一经济变量的发展变化趋势在不同的时期是不可能完全相同的。这样，只有将定性预测利时间序列分析预测有机结合在一起，才能收到最佳效果，即首先通过定性预测，在保证惯性原理成立的前提下，再运用时间序列分析预测法进行定量预测。 第一节 时间序列分解法 时间序列分析预测法可分为确定性时间序列分析预测法和随机性时间序列分析预测法两大类。前者使用的数学模型是不考虑随机项的非统计模型，是利用反映事物具有确定性的时间序列进行预测的方法，包括平均法、指数平滑法、 趋势外推法、季节指数预测法等；后者则是利用反映事物具有随机性的时间序列进行预测的方法，它的基本思想是假定预测对象是一个随机时间序列，然后利用统计数据估计该随机过程的模型，根据最终的模型做出最佳的预测。由于这种方法考虑的因素比较多，计算过程复杂，计算量大，所以发展比较缓慢。 在一般的市场预测中常用的是确定性时间序列分析预测法。因此本章主要介绍确定性时间序列分析预测法的基本原理和常用预测方法。 第一节 时间序列分解法 二、时间序列的分解 时间序列的变化受到长期趋势、季节变动、周期变动和不规则变动这四个因素的影响。其中： （1） 长期趋势因素（T） 反映了经济现象在一个较长时间内的发展方向，它可以在一个相当长的时间内表现为一种近似直线的持续向上或持续向下或平稳的趋势。 （2） 季节变动因素（S） 是经济现象受季节变动影响所形成的一种长度和幅度固定的周期波动。周期通常为1年。 第一节 时间序列分解法 （3） 周期变动因素（C） 周期变动因素也称循环变动因素，它是受各种经济因素影响形成的上下起伏不定的波动。周期长短不固定。如经济周期有危机、萧条、复苏和高涨四个阶段。 （4） 随机变动因素（I） 它是受各种偶然因素影响所形成的不规则变动。如战争、政治事件、自然灾害等。 三、时间序列分解模型 时间序列y可以表示为以上四个因素的函数，即： 时间序列分解的方法有很多，较常用的模型有加法模型和乘法模型。 第一节 时间序列分解法 加法模型为： 乘法模型为： 加法模型和乘法模型均以长期趋势为基础。在加法模型中，各种变动值与序列值的单位相同；而在乘法模型中，除长期趋势值与序列值的单位相同外，其他各种变动都是对于长期趋势值的系数。 四、时间序列的分解方法（以乘法模型为例） 假设I 序列是独立的，均值为零，方差不变。 （1）以4个季度或12个月为跨越期，运用移动平均法剔除S和I ，得到移动平均序列TC。然后再用Y除以TC，得到SI序列。按月（季）平均法求出季节指数S。 第一节 时间序列分解法 （2）根据TC序列，做散点图，选择适合的曲线模型拟合序列的长期趋势，得到长期趋势T。 （3）计算周期因素C。用序列TC除以T即可得到周期变动因素C。 （4）建立预测模型。由于随机波动I很难预测，故预测乘法模型简化为： 。 在实际应用中，长期趋势变动T和季节变动指数S是能定量计算的，而周期因素C和随机波动I很难定量计算，故预测模型简化为 。 第二节 移动平均数法 时间序列由n期观察值 组成。对连续N期（N n ）的