11第十一章节动态时间序列分析解析.pptVIP

1.长期趋势外推预测法 据时间序列长期趋势拟合以时间为自变量，指标特征值为因变量的长期直线（或曲线）方程，然后据时间发展变化进行外推预测。 步骤： ①选趋势模型（散点图，差分值，二阶差分值，相继两期的比值） ②求解模型参数（最小平方法） ③对模型进行检验（自相关系数检验）——杜宾-瓦森检验 ④计算估计标准误（抽样平均误差），确定预测区间。 2.自回归预测法 对自相关系数r1,r2,………rn计算并判断。如果各期数值之间的相关程度都很显著，则可建立时间数列自回归模型，通过前期数值来计算和预测后期数值，这种方法称为自回归预测法。有线性和非线性之分。 参数求解用最小平方法。 3.移动平均法预测 通过取几项移动平均，对原数列修匀成新时间序列，呈现数列的变动趋势。 一般移动平均数列由于首尾两项减少了资料项数，所以存在数据信息的滞后性而不宜用于外推预测。 但对于平稳型时间数列，则可取几项平均值做下期预测值。 4.指数平滑法 对于非线性趋势发展变化的趋势时间序列，除了用直线配合法将其线性化处理求解参数再还原得到曲线方程进行预测外，常采用的有一阶指数平滑法和差分-指数平滑法进行预测。 （1）一阶指数平滑法 思路： ①以时间做权重对指标特征值进行加权平均，时间愈近，其加权重就越大；时间间隔越远，权重越小（0a1）； ②以前期的移动平均值作为本期估计值。 实质：一阶指数平滑预测实质是对前期平滑值