第3章、第7章时间序列预测法.ppt

第3章 时间序列平滑预测法 §3.1 时间序列及其分解 §3.2 平稳序列的平滑和预测 §3.3 有趋势序列的分析和预测 §3.4 复合型序列的分解 1、时间序列：同一现象在不同时间上的相继观察值排列而成的数列 (1) 平稳序列(stationary series) 基本上不存在趋势的序列，各观察值基本上在某个固定的水平上波动 或虽有波动，但并不存在某种规律，而其波动可以看成是随机的 (2) 非平稳序列 (non-stationary series) 有趋势的序列 线性的，线性的 有趋势、季节性和周期性的复合型序列 时间序列的分类 1、趋势 T (trend) 呈现出某种持续向上或持续下降的状态或规律 2、季节性 S (seasonality) 也称季节变动(Seasonal fluctuation) 时间序列在一年内重复出现的周期性波动 3、周期性 C (cyclity) 也称循环波动(Cyclical fluctuation) 围绕长期趋势的一种波浪形或振荡式变动 4、随机性 I (random) 也称不规则波动(Irregular variations) 除去趋势、周期性和季节性之后的偶然性波动 时间序列的构成要素 1、乘法模型 (常用) Yi=Ti×Si×Ci×Ii 1、发展速度 1、增长率(也称增长速度) (1) 环比增长率 报告期水平与前一期水平之比减1 1、年度化增长率：增长率以年来表示时，称为年度化增长率或年率 【例】已知某地区如下数据，计算年度化增化增长率 1999年1月份的社会商品零售总额为25亿元， 2000年1月份在零售总额为30亿元 1998年3月份财政收入总额为240亿元，2000年6月份的财政收入总额为为300亿元 2000年1季度完成的国内生产总值为500亿元，2季度完成的国内生产总值为510亿元 1997年4季度完成的工业增加值为280亿元，2000年4季度完成的工业增加值为350亿元 解：1)由于是月份数据，所以 m = 12；从1999年一月到2000年一月所跨的月份总数为12，所以 n = 12 解：3) 由于是季度数据，所以 m = 4，从一 季度到二季度所跨的时期总数为1，所以 n = 1 年度化增长率为 当时间序列中的观察值出现0或负数时，不宜计算增长率 例如：假定某企业连续五年的利润额分别为5、2、0、-3、2万元，对这一序列计算增长率，要么不符合数学公理，要么无法解释其实际意义。在这种情况下，适宜直接用绝对数进行分析 在有些情况下，不能单纯就增长率论增长率，要注意增长率与绝对水平的结合分析 增长率每增长一个百分点而增加的绝对量 用于弥补增长率分析中的局限性 计算公式为 (一) 用已有时间序列的观察值预测 1、n+s 期的预测值Fn+s 适合对较为平稳的时间序列进行预测，即当时间序列没有趋势时，用该方法比较好 如果时间序列有趋势或有季节变动时，该方法的预测不够准确 将远期的数值和近期的数值看作对未来同等重要，从预测角度看，近期的数值要比远期的数值对为来有更大的作用。因此简单平均法预测的结果不够准确 (一) 简单移动平均法(simple moving average) 【例】对居民消费价格指数数据，分别取移动间隔k=3和k=5，用Excel计算各期的居民消费价格指数的平滑值(预测值) ，计算出预测误差，并将原序列和预测后的序列绘制成图形进行比较 预测误差用均方误差(MSE) 来衡量 (1) 将每个观察值都给予相同的权数 (2)只使用最近期的数据，在每次计算移动平 均值时，移动的间隔都为k (3) 用于预测时主要适合于较为平稳的时间序列 (二) 加权移动平均法(weighted moving average) 是加权平均的一种特殊形式 对过去的观察值加权平均进行预测的一种方法 观察值时间越远，其权数也跟着呈现指数的下降，因而称为指数平滑 有一次指数平滑、二次指数平滑、三次指数平滑等 1、一次指数平滑值：平滑系数?(阻尼系数1-?) (1) 反映时间序列的趋势：用各期指数平滑值 反映时间序列的趋势。 (2) 用于预测 预测模型：t +1期预测值为 Ft+1 一、线性趋势分析和预测 1、线性方程的形式为 线性模型法 线性模型法 2、配合曲线 ：二次曲线 二次曲线 1、指数趋势：描述以几何级数递增或递减的现象 2、一般形式为 指数曲线与直线的比较 修正指数曲线(modified exponential curve) 在一般指数曲线的基础上增加一个常数K 一般形式为 修正指数曲线(求解k、a、b 的三和法) 修正指数曲线(求解k、a、b 的三和法) 修正指数曲