《第四章 时间序列分析》-公开·课件设计.pptVIP

2.应用条件 二、霍尔特双参数线性指数平滑法 其基本原理与布朗线性指数平滑法相 似，只是它不用二次指数平滑，而是对趋 势直接进行平滑。 回总目录 回本章目录 计算公式： （5.5） （5.6） （5.5）式是利用前一期的趋势值 直接修正 （5.6）式用来修正趋势项 ，趋势值用相邻两次平 滑值之差来表示。 回总目录 回本章目录 5.5二次曲线指数平滑法 应用背景： 有的时间序列虽然有增加或减少趋势，但不一定 是线性的，可能按二次曲线的形状增加而减少。 回总目录 回本章目录 基本原理： 对于这种非线性增长的时间序列，采用二次曲线 指数平滑法可能要比线性指数平滑法更为有效。 它的特点是不但考虑了线性增长的因素，而且也 考虑了二次抛物线的增长因素。二次曲线指数平 滑法的计算过程共分七个步骤。 回总目录 回本章目录 回总目录 回本章目录 5.6 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。 回总目录 回本章目录 温特法的基础方程式： 其中，L为季节的长度；I为季节修正系数。 回总目录 回本章目录 使用此方法时，一个重要问题是如何确定α、β和γ的值，以使均方差达到最小。通常确定α、β和γ的最佳方法是反复试验法。 回总目录 回本章目录 加权一次移动平均法的特点 加权一次移动平均法体现了加权的思想，重视了近期数据的作用。由于近期数据的权数较大，加权平均预测值能够比较灵敏地反映原始数据序列的变化趋势，做出比较准确的预测。但是，当原始数据序列具有明显的升降趋势时，一次移动平均法的预测值会出现偏高或滞后的系统性误差，这时，就应该采用其它的预测方法，如，二次移动平均法等。 （二）二次移动平均法 1. 二次移动平均法的预测模型 先求公式再代入 注意n与k含义 【例3.4】某企业1991—2001年甲产品的销售量资料如表3.6所示，试预测2002、2003年的销售量。 2. 二次移动平均预测法的特点 第一，二次移动平均法最适宜对呈直线升降趋势的经济现象进行预测。二次移动平均法是通过建立直线趋势方程进行预测，它比只适宜对呈水平趋势的经济现象进行预测的一次移动平均法更进了一步。 第二，最新数据的获得能够及时地计算出新的系数at和bt，从而能及时改变直线的斜率，调整预测对象的变化趋势，从而做出比较准确的预测。 第三，由于预测模型中和的值并不是长久不变的，因此，它仅仅适宜作短期预测。如果进行中、长期预测，可能会产生较大的误差。 即a、b会变 4.4 指数平滑预测法 指数平滑预测法是一种特殊的，以等比数列为权数的合乎理想的新的加权移动平均法。 指数平滑预测法，根据平滑次数不同可分为： （1）一次指数平滑法 （2）二次指数平滑法 4.4.1 一次指数平滑预测法 一、预测模型 一次指数平滑预测法是以预测对象的本期实际值和本期预测值为基数，分别给两者不同的权数，计算出指数平滑值，作为下期预测值的一种方法。 预测模型为： 二、指数平滑法的特点 与移动平均法相比，指数平滑法有较大的改进和发展，其特点有： 第一，指数平滑法所要存贮的数据达到了最低限度，有时只需两个数据：本期实际值和本期预测值，即可预测下一期的数值——见(3.18)式。 第二，指数平滑值的实质是全部观察值的线性组合，并且，近期数据给予较大权数，远期数据给予较小权数，反映了近期数据比远期数据对未来更重要的思想——见(3.19)和(3.20)式。 即，a越小，包含的以往数据越多，a越大，包含的近期数据和趋势越强 4.4.2 二次指数平滑法 一、二次指数平滑法的概念和预测模型 一次指数平滑法虽然克服了移动平均法的一些缺点，但是，当时间序列的变动呈现直线升降趋势时，用一次指数平滑法进行预测，仍会出现明显的滞后偏差。因此，也必须加以修正。修正的方法之一是：在一次指数平滑的基础上，再作二次指数平滑，利用滞后偏差的规律来建立直线趋势模型,即二次指数平滑法。 二、 二次指数平滑法的应用 此时需要3个数据 三、二次指数平滑法的特点 二次指数平滑法很重视近期数据，当得到了一个新的实际数据，就能很快地计算出直线趋势方程中at和bt的值，及时调整趋势直线的截距和斜率，使得趋势方程比较接近实际。但是，直线趋势方程中at和bt的值也不可能长久不变，因此，利用趋势方程只适宜作短期的直线趋势预测。 4.5 差