市场调查和市场预测第六章 时间序列预测.pptVIP

即下一年度1 月份销售额的加权移动平均预测值为80.1万元。 当市场现象的时间数列反映出近期变化对预测值有较大影响时，采用加权移动平均法可以较好地调节时间数列各数据所起的作用，从而使预测值更接近实际。但是，当时间数列呈现显著的波动时，采用加权移动平均法所得的预测值与实际值的差异较大，这时加权移动平均法的应用价值不大。 二、 二次移动平均法 一次移动平均法是将预测目标时间数列的简单移动平均数或加权移动平均数作为下一时期的预测值。移动平均数代表固定跨越期内数据的平均水平，应该对应每一跨越期中间的某一位次。以简单移动平均为例，移动平均数应该对应每一跨越期的中间位次，如当跨越期n=3时，移动平均数应该对应每一跨越期的第2位；当跨越期n=4时，移动平均数应该对应每一跨越期的第2、3位之间。因此，将这一移动平均数作为下一时期的预测值，具有明显的滞后性。 一般而言，一次移动平均法仅适用于时间数列近似于水平趋势的情形。如果时间数列的变化呈现斜坡型线性趋势时，就应该对第t期的移动平均数作适当调整，增加一个趋势变动单位值，才能作为第t+1期的预测值。具体做法是在一次移动平均数的基础上再作二次移动平均，利用移动平均滞后偏差的规律来建立斜坡型直线趋势的预测模型。 【例6】利用例1的资料，用二次移动平均法预测下一年度1、2、3月份的销售额。 解数据资料及计算过程如表6-5所示。表6-5移动平均数计算表单位：万元 月份 i实际销售额 Xin=3一次移动平均数 M(1)t二次移动平均数 M(2)t16027036565475705707068.367573.371.177372373.49777574108077.375.5117878.376.912828078.5 取最后一期数据作为预测线的起始点，即t=12，由公式可得： A12=2M（1）12-M(2)12=2×80-78.5=81.5 B12=23-1M(1)12-M(2)12=80-78.5=1.5 于是，当t=12时，线性趋势模型为： X^12+k=A12+B12k=81.5+1.5k 分别取k=1，k=2，k=3，得下一年度1、2、3月份销售额的预测值：X^13=X^12+1=81.5+1.5=83(万元) X^14=X^12+2=81.5+2×1.5=84.5(万元) X^15=X^12+3=81.5+3×1.5=86(万元) 第四节指数平滑法 一、 一次指数平滑法 （一）一次指数平滑法的基本形式 一次指数平滑法是指以预测对象的本期实际值和本期预测值为资料，用平滑系数来确定二者的权数，求得本期的平滑值，作为下一时期的预测值。其计算公式为 X^t+1=Ft=αXt+（1-α）Ft-1(613) 式中：X^t+1为第t+1期预测值； Ft为第t期的平滑值； Xt为第t期的实际值； Ft-1为第t-1期的平滑值，即第t期预测值； α为平滑系数，其取值范围为0≤α≤1。 由式(6-13)可见：若取α=0，则X^t+1=Ft-1，而Ft-1是由第t期以前的数据计算得到的，这意味着预测只依赖过去的资料，而不需要最新信息；若取α=1，则X^t+1=Xt，这意味着预测只依赖最新信息，而完全不考虑过去的资料。这些极端的做法是难以作出客观判断的，因此，一般情况下，平滑系数的取值范围为：0＜α＜1。 为了进一步理解指数平滑的实质，将公式(6-13)中的下期预测值Ft进行不断的展开，得：Ft=αXt+（1-α）Ft -1 =αXt+（1-α）［αXt -1+（1-α）Ft -2］ =αXt+α（1-α）Xt -1+（1-α）2Ft -2 =αXt+α（1-α）Xt -1+（1-α）2［αXt -2+（1-α）Ft -3］ =αXt+α（1-α）Xt -1+α（1-α）2Xt -2+（1-α）3Ft -3 =αXt+α（1-α）Xt -1+α（1-α）2Xt -2+α（1-α）3Xt -3+…+(1 -α)tF0=∑t -1k=0α(1-α)kXt -k+(1-α)tF0 式中F0为指数平滑法的初始值。 在实际中，F0无法由公式求得，一般取F0=X1，或取前3期实际值的平均数。由于一般有0＜α＜1,当t→∞时，（１-α）t→0，从而（1-α）tF0→0。因此，上式可以近似表达为： Ft≈αXt+α(1-α)Xt -1+α(1-α)2Xt -2+…+α(1-α)t -1X1 =∑t -1k=0α(1-α)kXt -k(614) （二） 指数平滑法的特点 由公式(6-13)及(6-14)可见，指数平滑法具有以下特点: (1) Ft是t期