时间序列平滑预测法 时间序列概述.ppt

第四章 时间序列平滑预测法 第一节 时间序列概述 第二节 移动平均法 第三节 指数平滑法 第四节 差分指数平滑法 第五节 自适应滤波法 要求掌握以下内容： 概念部分： 1. 时间序列 2. 时间序列预测法 3. 时间序列可分为哪些类型 4. 经济时间序列的变化受到哪些因素的影响 计算部分： 5. 二次移动平均法、二次指数平滑法 第一节 时间序列概述 回归分析预测方法主要研究不同变量之间的线性相关关系，必须找到影响预测目标变化的主要因素，才能建立预测模型。但是，经济现象是错综复杂的，有时要找到影响预测目标变化的主要因素相当困难；有时即使找到了主要因素，由于缺乏必要的统计资料，也不能运用回归分析预测方法，这时可以用时间序列预测法。 本章将介绍几种分析时间序列的方法，这些分析主要是用来描述事物随时间发展变化的规律，并对变量的未来值提供合适的预测。 现在时间序列分析已经用在国民经济宏观控制、区域综合发展规划、企业经营管理、市场潜量预测、气象预报、水文预报、地震前兆预报、农作物病虫灾害预报、环境污染控制、生态平衡、天文学和海洋学等方面。 一、时间序列及其分类 时间序列(time series) ：是指一个变量的观测值按时间顺序排列而成的序列。常表示为 ，Xi 为一定时间段内相等间隔点上记录的预测变量的数值。 它反映了现象动态变化的过程和特点，是研究事物发展趋势、规律以及进行预测的依据。时间序列数据在自然、经济及社会等领域都是很常见的。如：每年的GDP、每天的证券市场指数、每月的物价指数等。 时间序列是时间t的函数，若用Y表示，则有：Y=Y(t)。 时间序列的分类 时间序列按其指标不同，可分为绝对数时间序列、相对数时间序列和平均数时间序列三种。 绝对数时间序列是基本序列。可分为时期序列和时点序列两种。 时期序列是指由反映某种社会经济现象在一段时期内发展过程的总量指标所构成的序列。如各个年度的国民生产总值。 时点序列是指由反映某种社会经济现象在一定时点上的发展状况的指标所构成的序列。如各个年末的人口总数。 举例说明： 表4-1 国内生产总值等时间序列 二、时间序列的组成因素与模型 时间序列预测的一个最基本的假设就是影响着过去和现在时间序列形态的因素将继续以同样的方式作用于未来。所以，时间序列预测的一个重要目标就是识别这些因素，并将其从时间序列中分离出来。 经济时间序列的变化受到长期趋势、季节变动、周期变动和不规则变动这四种因素的影响。 （1）长期趋势因素（T） 经济现象受某种根本性因素的影响，在一个较长时间内其发展方向表现为一种近似直线的持续向上或持续向下或平稳的趋势。 它反映了经济现象的主要变动趋势。 长期趋势变动是时间t的函数，长期趋势变动通常用T表示，T=T（t）。 （2） 季节变动因素（S） 是经济现象受季节变动影响所形成的一种长度和幅 度固定的周期波动。如，农产品加工、节假日食品供应等。 （3） 循环波动因素（C） 是受各种经济因素影响形成的上下起伏不定的波动，即循环波动是具有一定周期和振幅的变动。 （4） 不规则变动因素（I） 不规则变动又称随机变动，它是受各种偶然因素影响所形成的不规则变动。如战争、自然灾害、政策方针的变动。 三、时间序列预测法 第二节 移动平均法 移动平均法有简单移动平均法，加权移动平均法，趋势移动平均法等。分别介绍如下： 一、简单移动平均法（Single Moving Average） 简单移动平均法是将最近的N期数据加以平均，作为下一期的预测值。当时间序列的变动趋势比较平稳近似水平时，可以用简单移动平均法进行分析。简单移动平均法对各元素给的权重都相等。 二、加权移动平均法 加权移动平均的原理是，时间序列过去各期的数据信息对预测未来趋势值的作用是不一样的。除了以N为周期的周期性变化外，远离预测期的观测值的影响力相对较低，故应给予较低的权重。 三、趋势（二次）移动平均法（Double Moving Average） 设时间序列 从t时期开始具有直线趋势，且认为未来时期也按此直线趋势变化，则可设直线趋势预测模型为： T=1，2，…… 式中： t ——当前时期数 T——当前时期至预测期的时