平滑趋势分析 计量经济学 EVIEWS建模课件教学讲义.pptxVIP

平滑趋势分析;时期扩大法;⑴k阶一次滑动平均的基本方法 M⑴t ＝ (Yt+Yt-1+…+Yt-k+1)/k ＝ (Yt+Yt-1+…+Yt-k+1+Yt-k－Yt-k)/k ＝ (Yt－Yt-k)/k＋M⑴t-1 上式中k为平滑期数，也叫移动项数 ⑵k阶二次滑动平均的基本方法 M⑵t ＝ (M⑴t+M⑴t-1+…+M⑴t-k+1)/k ＝ (M⑴t－M⑴t-k)/k＋M⑵t-1 两次的平滑期都为k时，二次k阶就相当于一次k+1阶的结果。案例如下：;EXCEL说明 A列为原始数据 B列为二项滑动平均值 C列为七项滑动平均值 D列为13项滑动平均值;⒈ 建立工作文件输入序列数据;⑷移动平均法的预测 移动平均模型的预测，一般是在现象的基本趋势围绕某一水平上波动时，才能使用。在第 T 期对其后的 m 期进行的预测模型为： Yft+m = aT + bT m 其中：aT=2M⑴T－M⑵T bT=2(M⑴T－M⑵T)÷(k-1) 预测时k的取值一般要取周期的波长，以平均的方式来消除周期波动，并同时减少了随机干扰。;现实中使用移动平均法预测时，往往以到t期为止的滑动平均值，做为t+1期的预测值。 ⑸平滑期数k的确定 没有公认的最好方法，一般以如下指标进行评价: 平均误差ME = ∑(YT+m-YfT+m)÷N 误差平方和SSE＝∑(YT+m-YfT+m)2 平均绝对误差MAD＝∑|YT+m-YfT+m|÷N 根据上述评价指标的计算，使各指标数值最小的平滑期是最恰当的。;指数平滑法;从上式可见y⑴t是全部历史数据Y的加权平均，其权数分别是α、α(1-α)、α(1-α)2、…；此权重等比数列的和为1，即：α÷(1-(1-α))=α÷α=1。 指数平滑也可以进行多次计算，如p次指数平滑的计算式为：y(P)t = αy(P-1)t +(1-α)y(P)t-1 该方法的基本思想是当期的预测要考虑上期预测误差的调整，调整系数就是α。而α值的确定与波动周期k有关，即经验数为α=2/(k+1); 0.1α0.5 是常见的取值范围，当波动明显时α要小，当数据平滑时α取值要大；一般软件会自动给出α的值。;在Eviews程序中，指数平滑的计算程序的调用过程是，选择某序列的过程菜单(procs)中的exponential smoothing命令，计算平滑指数窗口:;⑴指数平滑法Smoothing Method区域的选项： ①Single单指数平滑方法。这是一种适用于序列值在一个常数均值上下随机波动的情况，无趋势及季节要素。Yt 平滑后的序列yt计算式如下： yt＝αYt+(1-α)yt-1；y1＝αY1；yt＝α∑(1-α)jYt-j 可见y 的预测值是其过去值的加权平均，而权数被定义为以时间为指数的形式。单指数平滑的预测对所有未来的观测值都是常数。这个常数为： YfT+k=yT T 是估计样本的期末值。 EViews估计使预测误差平方和达到最小的α值。 ;②Double双指数平滑法。这种方法是使用相同的参数，将单指数平滑进行两次。公式如下： yt＝αYt+(1-α)yt-1； Dt＝αyt+(1-α)yt-1； 该方法适用于有线性趋势的序列，其中:0???1, yt是单指数平滑后的序列，Dt是双指数平滑序列。注意双指数平滑是阻尼因子为0???1的单指数平滑。其预测公式为： YfT+m =[2+αm/(1-α)]yT-[1+αm(1-α)]DT= aT + bT *m 其中：aT=2yT－DT； bT=α(yT－DT)÷(1-α)； T 是估计样本的期末值。;③Holt-Winters-No seasonal(无季节趋势双系数平滑法)。这种方法适用于具有线性时间趋势无季节变差的情形，它两个参数进行线性描述。平滑公式为： yt+m = at + bt *m 其中：at=αYt+(1-α)(at-1+bt-1)； bt=β(at-at-1)+(1-β)bt-1 这是在线性趋势下，以at为截距，以bt为斜率，在平滑系数? , ? 在0-1之间，进行的两个参数的指数平滑法。以T表示样本的期末时，外推预测式为： YfT+m = aT + bT *m 这是一种带有模拟性质的估计方法。;④Holt-Winters-Additive这是一种适用于具有线性时间趋势和加法模型的季节变差平滑方法。Yt平滑后的序列yt由下式给出： yt+m = at + bt *m + St+m；t=k+1,k+2,…,T 其中：at=α(Yt-St-k)+(1-α)(at-1+bt-1)；bt=β(at-at-1)+(1-β)bt-1；St=γ(Yt-at)+(1-γ)St-k；季节长度常为k=4或k=12等。 在k 0，?，?，? 在0～1之间时，外推预测值由下式决定： YfT+m=aT+