汽车市场调查与预测讲义－第11章－时间序列预测法.ppt

第11章 时间序列预测法 第11章 时间序列预测法 11.1 方法概述 11.2 平滑预测法 11.3 趋势分析预测法 11.4 季节变动预测法 11.1 时间序列方法概述 1、定义 时间序列：是指同一种现象在不同时间上的相继观察值排列而成的一组数字序列 基本思想是：预测一个现象的未来变化时，用该现象的过去行为来预测未来。即通过时间序列的历史数据揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来作出预测 11.1 方法概述 2、时间序列的4种变动类型 长期趋势 (T) 指现象随时间变化朝着一定方向呈现出持续稳定地上升、下降或平稳的趋势 周期变动（季节变动）(S) 指现象受季节性影响，按一固定周期呈现出的周期波动变化 循环变动(C) 指现象按不固定的周期呈现出的波动变化 随机波动(I) 指现象受偶然因素的影响而呈现出的不规则波动 时间序列预测法就是要设法消除随机波动的影响，揭示长期趋势、季节变动和循环变动的规律 基本原理：将原数列Y的数值分解为长期趋势、季节变动、循环变动和随机波动，然后进行预测分析。4种变动的数值组合形式不同，有3种模式 乘法模式：Y=T*S*C*I T采用与Y一致的单位，S/C/I均以比率的形式与T相乘 加法模式：Y=T+S+C+I T/S/C/I均采用与原数列Y相同的单位 混合模式：Y=T*S+C*I S采用比率，T/CI采用与原数列相同的单位 11.1 方法概述 3、时间序列预测法分类 确定型的时间序列模型方法 基本思想是用一个确定的时间函数y=f(t)来拟合时间序列，不同的变化采取不同的函数形式来描述，不同变化的叠加采用不同的函数叠加来描述。具体可分为平滑预测法、趋势分析预测法、季节变动预测法等 随机型的时间序列分析方法 随机型时间序列分析法是通过时间序列模型来预测。建立随机时间序列模型需要较深的数学知识和较多的历史数据，方法复杂，计算量大，但它在短期预测方面精度高，因此得到了愈来愈广泛的应用 11.1 方法概述 4、时间序列预测法特点 该方法是根据市场过去的变化趋势预测未来的发展，它的前提是假定事物的过去会同样延续到未来 该方法突出了时间因素在预测中的作用，暂不考虑外界具体因素的影响。实际上是将所有的影响因素归结到时间这一因素上，只承认所有影响因素的综合作用，并在未来对预测对象仍然起作用，并未去分析探讨预测对象和影响因素之间的因果关系 当遇到外界发生较大变化，往往会有较大偏差，时间序列预测法对于中短期预测的效果要比长期预测的效果好 11.2 平滑预测法 定义： 指采用一些数学方法消除时间序列中高低突变的数值，得到一个趋势序列，进而进行估计 特点： 可以对所得数据进行一定程度的修匀处理，消除突变数据带来的误差，提高长期趋势预测的精度 分类： 简单平均法 加权平均法 移动平均法 指数平滑法 11.2 平滑预测法 1、简单平均法 是最简单的时间序列分析预测法，最基本的思路就是把前几个月（或日、周、旬、季、年等）的数值的平均值，作为后一个月（或日、周、旬、季、年等）的预测值 设 为第t月的发生值，t=1,2,……,n。如果我们要求根据前N个月的发生值来预测第(t+1)月的预测值，则可以由下式确定： 11.2 平滑预测法 例已经调查得出某4S店今年前八个月汽车修理数量如表1，现在需要预测估计该4S店9月份的汽车维修数量 表1 某4S店前八个月汽车维修数量 （台次） 分析整个数列，可以看出，它是一个比较稳定变化数列，大致围绕1000台次上下波动，取N＝4，则 11.2 平滑预测法 2、加权平均法 加权平均法就是对于组距中的N个数，根据它们各自对于预测值的重要程度分别设置重要度权数，然后把它们加权平均来求得预测值的预测方法 如果设组距中N个发生值的权数分别为w1、w2、……，则加权平均法的预测值可以用下式求得： 11.2 平滑预测法 例 某汽车销售公司近5个月甲车型销售额的数据是120万元、130万元、128万元、135万元、132万元，用加权平均法预测下一月甲车型的销售额 ?解：(1) 权数取以下数值 11.2 平滑预测法 3、移动平均法 顺序将组距由前往后移动，产生多个移动平均值，根据这些移动平均值来确定预测值的预测方法。分为： 一次移动平均法 二次移动平均法 设实际发生值的时间序列是 ，组距为N，将 顺序以组距N移动求得平均值序列为 ，即 可以用下式表示： 或用加权平均法求 然后可以用两种方法求预测值 11.2 平滑预测法 （1）短序列移动平均法 如果发生值数列 比较短（一般小于20个数），则把 放在t+1的时间位置上，且预测值就等于 。即： 例：某卡车公司2004年前七个月的销售额见表2，