第02 经济时间序列的季节调整分解和平滑方法.pptVIP

* 1.单指数平滑（一个参数） 这种单指数平滑方法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 计算公式如下 , , t =2, 3, …, T 其中: , ? 为平滑因子。? 越小， 越平缓，重复迭代，可得到 由此可知为什么这种方法叫指数平滑，y 的预测值是 y 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 （对所有的k0）, T 是估计样本的期末值。要开始递归，我们需要 和 ? 的初值。EView使用原来观测值的均值来开始递归。Bowermen和O’Connell（1979）建议 ? 值在0.01到0.03之间较好。也可以让EViews估计使一步预测误差平方和最小的 ? 值。 * 2.双指数平滑（一个参数） 这种方法是将单指数平滑进行两次（使用相同的参数）。适用于有线性趋势的序列。序列 y 的双指数平滑以递归形式定义为 其中: 0 ? ? ? 1, St 是单指数平滑后的序列，Dt 是双指数平滑序列。 * 双指数平滑的预测如下 最后一个表达式表明双指数平滑的预测有线性趋势，截距为 2ST ? DT ，斜率为 ? (ST ? DT )/(1 ? ?)， T 是估计样本的期末值。 * 3.Holt-Winters — 无季节趋势（两个参数） 这种方法适用于具有线性时间趋势无季节变差的情形。这种方法与双指数平滑法一样以线性趋势无季节成分进行预测。双指数平滑法只用了一个参数，这种方法用两个参数。yt 平滑后的序列 由下式给出 其中: a 表示截距；b表示斜率, 即趋势。 * 这两个参数由如下递归式定义 其中: k 0 , ? , ? 在0-1之间，为阻尼因子。这是一种有两个参数的指数平滑法。 预测值计算如下 这些预测值具有线性趋势，截距为 aT ，斜率为 bT ， T 是估计样本的期末值。 * 4.Holt-Winter加法模型（三个参数） 该方法适用于具有线性时间趋势和加法模型的季节变差。yt 平滑后的序列 由下式给出 其中：at 表示截距，bt 表示斜率， at + bt k 表示趋势，St 为加法模型的季节因子，s 表示季节周期长度，月度数据 s =12，季度数据 s = 4。需要用简单的方法给出季节因子的第一年的初值，以及截距和斜率的初值。 * 这三个系数由下面的递归式定义 其中：k 0，?，?，? 在0～1之间，为阻尼因子。预测值由下式计算 其中：ST+k-s 用样本数据最后一年的季节因子，T 是估计样本的期末值。 * 5.Holt-winters乘法模型（三个参数） 这种方法适用于序列具有线性趋势和乘法季节变化。yt 的平滑序列 由下式给出 其中：at 表示截距，bt 表示斜率， at + bt k 表示趋势，St 为乘法模型的季节因子，s 表示季节周期长度，月度数据 s =12，季度数据 s = 4。需要用简单的方法给出季节因子的第一年的初值，以及截距和斜率的初值。 * 这三个系数定义如下 其中：k 0，?，?，? 在0～1之间，为阻尼因子。预测值由下式计算 其中：ST+k-s 用样本数据最后一年的季节因子，T 是估计样本的期末值。 * 指数平滑法操作 调入工作文件2_stock, 利用指数平滑法对我国上证收盘指数（时间范围：1991年1月-2003年3月）的月度时间序列 (sh_s) 进行拟合和预测，选择Procs/ Exponential Smoothing 显示如下对话框: * 1．平滑方法 在5种方法中选择一种方法。 2．平滑参数 既可以指定平滑参数也可以让EViews估计它们的值。要估计参数，在填充区内输入字母e，EViews估计使误差平方和最小的参数值。如果估计参数值趋于1，这表明序列趋于随机游走，最近的值对估计将来值最有用。要指定参数值，在填充区内输入参数值，所有参数值在0-1之间，如果输入的参数值超出这一区