指数平滑法分析解析.pptVIP

一次指数平滑法 一次指数平滑法是根据前期的实测数和预测数，以加权因子为权数，进行加权平均，来预测未来时间趋势的方法。其基本公式为： Xt+1=Ft= α Xt+(1- α)Ft-1 某钢铁厂1995年至2006年产量资料如下，试用一次指数平滑法预测2007年的产量. ( α=0.7 F1=11 ) * * 温故 平均分析法 简单算术平均法 加权平均法 几何平均法 移动平均法 一次移动平均法 二次移动平均法 将时间序列的全部过去数据一视同仁，平等看待 考虑到时间序列的各个数据对预测值有不同的影响程度 用于发展速度和增长率的预测 全期预测 适用于时间数列近似于水平趋势 的情形 适用于时间数列呈现斜坡型线性趋势 不考虑固定跨越期以前的数据 知新 指数平滑法是一种特殊的加权平均法，兼容全期平均法和移动平均法所长，既不舍弃远期数据，更看重敏感的近期数据。 指数平滑的原理为：当利用过去观测值的加权平均来预测未来的观测值时（这个过程称为平滑），离得越近的观测值要给以更多的权。 而“指数”意味着：依已有观测值“老”的程度，其权数按指数速度递减。 确定权数的基本规则： 它对各期数据赋予的权数，按照由近及远指数规律递减，随着数据期的远离，权数逐渐收敛于零。 指数平滑法 指以某种指标的本期实际数和本期预测数为基础，引入一个简化的加权因子，即平滑系数，以求得平均数的一种指数平滑预测法 它是加权平均法的一种变化。 平滑系数必须呈大于0、小于1，如0.1、0.4、0.6 计算公式： 下期预测数=本期实际数*平滑系数+本期预测数*（1-平滑系数） 上列公式是由下列公式演变而成： 下期预测数=本期预测数+平滑系数*（本期实际数-本期预测数） 知新 计算公式： 下期预测数=本期实际数*平滑系数+本期预测数*（1-平滑系数） 2007年预测销售量= 例：如某种产品销售量的平滑系数为0.4，2006年实际销售量为31万件，预测销售量为33万件。则2007年的预测销售量为： 特点：预测时所需的资料少，计算方便 知新 利用指数平滑法进行预测，就是对不规则的时间序列数据加以平滑，从而获得其变化规律和趋势，以此对未来的经济数据进行推断和预测。??根据平滑次数的不同，可分为： 一次指数平滑法 二次指数平滑法 多次指数平滑法 Xt+1为第t＋1期的预测值 Ft 为第t期的平滑值 Xt 为第t期的实际值 Ft-1为第t－1期的平滑值，即第t期预测值 α为平滑系数，又称加权因子， 其取值范围为0≦ α ≦ 1 计算公式：下期预测数=本期实际数*平滑系数+本期预测数*（1-平滑系数） Ft= α Xt+(1- α)Ft-1 = α Xt + (1- α)[α Xt-1+(1- α) Ft-2] = α Xt + α(1- α) Xt-1+ (1- α) 2 Ft-2 = α Xt + α(1- α) Xt-1+ (1- α) 2 [α Xt-2 +(1- α) Ft-3] = α Xt + α(1- α) Xt-1+ α(1- α) 2Xt-2 +(1- α)3 Ft-3 ······ = α Xt + α(1- α) Xt-1+ α(1- α) 2Xt-2 +(1- α)3 Ft-3+ ··· +(1- α)t F0 t-1 = ∑ α(1- α)k Xt-k +(1- α)t F0 k=0 从上式中可以看出，一次指数平滑法实际上是 以α(1- α)k 为权数的加权移动平均法。由于k越大， α(1- α)k越小，所以越是远期的实测值对未来时期 平滑值的影响就越小。在展开式中，最后一项F0为初 始平滑值，在通常情况下可用最初几个实测值的平均 值来代替，或直接可用第1期的实测值来代替。 从上式可以看出，新预测值是根据预测误差对原预测值进行修正得到的。α的大小表明了修正的幅度。α值愈大，修正的幅度愈大， α值愈小，修正的幅度愈小。?因此， α值既代表了预测模型对时间序列数据变化的反应速度，又体现了预测模型修匀误差的能力。 在实际应用中， α值是根据时间序列的变化特性来选取的。?若时间序列的波动不大，比较平稳，则α应取小一些，如0.1 ～ 0.3 ；若时间序列具有迅速且明显的变动倾向，?则α应取大一些，如 0.6 ～ 0.9 。实质上， α是一个经验