《预测第五章-时间序列平滑预测法》课件.ppt

时间序列的类型 假定经济变量的时间序列无循环变动的影响 1、水平趋势型 无上升或下降趋势，也无季节影响 2、线性趋势型 时间序列的长期趋势值是时间t的一次函数，无季节影响。 3、二次曲线趋势型 时间序列的长期趋势值是时间t的二次函数，无季节影响 4、水平趋势季节型 时间序列无上升或下降趋势，但受季节影响 5、线性趋势季节型 时间序列的长期趋势值是时间t的一次函数，且受季节影响 6、曲线季节趋势型 时间序列的长期趋势值与时间t的曲线函数成正比，且受季节影响，以指数函数为例。 当数据的随机因素较大时→选用大的N→有利于较大限度的平滑由随机性所带来的严重偏差。 当数据的随机因素较小时→选用小的N→有利于跟踪数据的变化，减少预测值的滞后期数。 数据是纯随机的→全部历史数据的均值是最好的预测值 一、一次移动平均法的基本原理及应用 例1 利用下表数据运用一次移动平均法对12月份的销售额进行预测。 二、一次指数平滑法的基本原理及应用 利用时间序列前t期的观察值 预测第t+1期的值 时，赋予第i期的权重为： 自动取权重的方法：自当前期向前，各期权重按指数规律下降，即第t期，第t-1期，…的权重依次为： 自当前期开始逐渐向前各期权重依次为 这就是指数平滑法的通式，只需要一个最新观测值、最新预测值和α值，就可以进行预测了。 进一步整理得： 二、线性二次移动平均法的应用 下表的数据用来说明线性二次移动平均法的应用 第（2）栏：4个时期的一次移动平均值（5.1) 第（3）栏：二次移动平均值 (5.2) 第（4）栏：a值 (5.3) 第（6）栏：超前一个时期（m=1）的预测 (5.5) 根据表中数据，利用第25期的值来预测26期和27期的库存量？ 初值的确定 两个参数 α 和γ （0＜α γ＜1） 1、用St-1估计St时给St-1加上趋势增量bt-1来修正St，消除了滞后性。－对数据进行平滑 2、估计趋势增量b t时，用γ对相邻两次平滑之差进行修正，并把修正值加上前期估计趋势增量bt-1乘以1－γ。－对趋势进行平滑 初值的确定： 只有一期数据时 S1=x1 b1=0 可以利用前两期数据取值 S1=x1 b1=x2－x1 利用更多的信息，设已有观察值的个数t≥2k(k为自然数) 取前k期数据计算其平均值，记为A1 取后k期数据计算其平均值，记为A2 5.4 布朗二次多项式（三次）指数平滑法 基本原理： 当数据的基本模型具有二次、三次或高次 幂时，则需要用高次平滑形式。从线性平滑过 渡到二次多项式平滑，基本途径是再进行一次 平滑（即三次平滑），并对二次多项式的参数 作出估计。类似，也可以由二次多项式平滑过 渡为三次或高次多项式平滑。 5.5 温特线性和季节性指数平滑法 一、温特线性和季节性指数平滑法的基本原理 温特线性和季节性指数平滑法利用三个方 程式，其中每一个方程式都用于平滑模型的三 个组成部分（平稳的、趋势的和季节性的）， 且都含有一个有关的参数。 5.3 线性二次指数平滑法 一次移动平均法的两个限制因素在线性二 次移动平均法中也存在，线性二次指数 平滑法只利用三个数据和一个α值就可进 行计算； 在大多数情况下，一般更喜欢用线性二次 指数平滑法作为预测方法。 一、布朗单一参数线性指数平滑法 其基本原理与线性二次移动平均法相 似 ，因为当趋势存在时，一次和二次 平滑值都滞后于实际值，将一次和二 次平滑值之差加在一次平滑值上，则 可对趋势进行修正。 计算公式： 为一次指数平滑值； 为二次指数平滑值； m为预测超前期数 下表的数据用来说明线性二次移动平均法的应用 前几期观察值的平均值 根据下表，取α＝0.2，预测第25期和26期的销售量 154 1.772 28 163.164 148.986 156.075 180 10 148 0.720 04 152.974 147.214 150.094 162 9 151 0.155 92 147.741 146.494 147.117 141 8 156 0.577 24 150.956 146.338 148.647 142 7 144 1.136 96