管理经济学人大第四版第五章商业与预测概要.ppt

* （2）幂函数——固定不变的增长率（每期变化的比率为常数） 需要将其转换才能使用最小二乘法， 令 α=lnY0, β=ln(1+g),则得出新方程： 这时可以运用最小二乘法估计参数，但应注意数据的转换。首先将观察（实际）数据转换为对数形式，估计出参数；然后，再将该参数进行转换，求出幂函数的参数。 * 时期数 季度 销售额的自然对数 1 2 3 4 5 6 7 8 9 10 11 12 1996，Ⅰ 1996，Ⅱ 1996，Ⅲ 1996，Ⅳ 1997，Ⅰ 1997，Ⅱ 1997，Ⅲ 1997，Ⅳ 1998，Ⅰ 1998，Ⅱ 1998，Ⅲ 1998，Ⅳ 5.704 5.720 5.753 5.829 5.847 5.864 5.897 5.966 5.984 6.001 6.036 6.098 用最小二乘法估计转换后的方程为： 再求5.662和0.0353的反对数，得到最终函数方程为： * 2．时间序列数据中的季节性变动 这里介绍进行季节性调整的趋势比率法ratio-trend。这种方法的步骤如下： 根据预测方程计算出各年某一季度的预测值，并根据相应的观察（实际）值，求出各实际值与预测值之间的比率。 求出以上各比率的平均比率。该平均比率就是在预测中队季节性误差的测定。 运用该平均比率对根据预测方程求出的该季度预测值进行调整。 * 案例：接例2，对第4季度销售额的预测值进行调整。 某公司销售额的预测方程为 第一步：根据预测方程求出第4季度预测值，并求出各实际值和预测值的比率。 年份 第4季度预测销售额 （百万元） 第4季度实际销售额 （百万元） 第4季度 实际/预测销售额 1996 1997 1998 332.64 383.88 435.13 340 390 445 1.022 1.016 1.023 平均=1.020 第二步：求出平均比率，为1.020。 第三步：运用平均比率进行季节调整。如1998年第4季度预测值为435.13，乘以平均比率1.020，调整后的预测值为443.8，更接近实际值445。 * （三）移动平均数 移动平均数是一种简单的平滑技术。它是指对一系列观察值加以平均得到一个预测值，即选取一定数目观察值，计算其平均值，并将这个平均值作为下一期预测值。其目的在于为尽量减少随机因素在预测中的影响。 注意： N越大，平滑效果越明显。 选择合适的N应当选择使观察值和预测值之间的离差的平方和或RMSE最小的N。 * （四）指数平滑法 指数平滑法exponential smoothing是一种时间序列预测技术，它赋予近期的观察数据以更大的权数。 * 1．指数平滑法的运用 根据指数平滑法，第n+1期的预测值等于第n期的观察值同预测值的加权平均， * 这表明，一个指数加权移动平均数的一般公式，就是对所有的过去观察值的一种加权平均，权数是由几何级数定义的：(1-w)0w, (1-w)1w, (1-w)2w, (1-w)3w, (1-w)4w, (1-w)5w…… 如果w接近1.0，近期的观察数据就有较大的权数； 注意，该公式无法预测 ，因为没有Y0或 。这个问题通常可以通过假定第1期的预测值等于该期的观察值来解决，即 =Y1。在公式中，这就意味着 = Y1。 * 周次t 销售量Yt w=0.20 w=0.40 w=0.60 w=0.80 1 2 3 4 5 6 7 8 9 10 11 400 430 420 440 460 440 470 430 440 420 - 400.00 400.00 406.00 408.80 415.04 424.03 427.23 435.78 434.62 435.70 432.56 400.00 400.00 412.00 415.20 425.12 439.07 439.44 451.67 443.00 441.80 433.08 400.00 400.00 418.00 419.20 431.68 448.67 443.47 459.39 441.76 440.70 428.28 400.00 400.00 424.00 420.80 436.18 455.23 443.05 464.61 436.92 439.38 423.88 * 2．平滑常数的选择 观察值和预测值之间的离差的平方和最小，即w 的选择应当使 或RMSE最小。 例如，根据上表的数据，w的不同取值的情况为： 平滑常数 离差平方和 0.20 0.40 0.60 0.80 6484.23 4683.87 4213.08 4394.52 * 3．对指数平滑法的评价 优点 允许近期数据有较大权数； 增加新的观察数据，使预测适应新情况时较为简便，无需