确定性时间序列分析解析方法演示.pptVIP

确定性时间序列分析方法演示 一、指数平滑法 时间序列分析的一个简单和常用的预测模型为指数平滑模型(exponential smoothing) 指数平滑只能用于纯粹时间序列的情况，而不能用于含有独立变量时间序列的因果关系的研究。 指数平滑的原理为：利用过去观测值的加权平均来预测未来的观测值(这个过程称为平滑)，且离现在越近的观测值要给以越重的权。 而“指数”意味着：按历史观测值记录时间离现在的距离远近，其上的权数按指数速度递减。 这一距离通常用数据间隔位置差，也称步数(lag)来表示。 若记时刻 t 的观测值为 Xt 时刻 t 的指数平滑记为 Yt 。 指数平滑的数学模型为 Yt = aXt+a(1-a)Xt -1+a(1-a)2Xt -2+ … +a(1-a)t-1X1, 其中0a1为权重指数。a 越大，表示在加权时给予当前观测值的权重越大，相应地，给予过去观测值的权重就越小。 1、Simple模型 Simple法是在移动平均法基础上发展而来的一次指数平滑法，其假定所研究的时间序列数据集无趋势和季节变化。 计算公式为： Yt = a Xt + (1-a)Yt -1 , t = 2, 3, … a值越接近于1，说明新的预测值包括对前一期的预测误差的全部修正值，反之，则