第四讲 定量息分析方法.pptVIP

α值取值原则 依靠经验，视具体情况而定。范围：0.05-0.60 1、初始值的准确度把握不大时，α取较大值； 2、数据具有迅速且明显的变化倾向，α取较大值（0.30-0.50，甚至0.60），使近期变化倾向对预测有较大影响； 3、总体数据变化趋势接近某一稳定的数值，取较小α（0.05-0.20），使各统计数据权值接近； 4、对变化比较缓慢的数据，α取较小值（0.1-0.4），使远期数据对预测结果也有影响。 5、计算St[1]、2St[2]、St[3]时，α取值一致。 α取值对原时间序列的“修匀”程度的影响 　a值越小，“修匀”效果越显著，反之亦然。与M法中的n相反。 需要注意 移动平均法和指数平滑法都是用于消除白噪声、修匀数据曲线的方法，并不能直接用于研究数据变化的规律，或进行预测。 一般是先利用时间序列法修匀数据，再对所得数据绘出曲线，然后根据时间序列的变化规律，选用适当的数学函数对之进行拟合，建立数学模型。 季节变化预测法 时间序列的基本因素 Y＝T·C·S·I T－长期趋势因素(Trend)：较长时间内的基本变化倾　 　　　向，反映上升或下降的总趋势。 C－周期变动因素(Cycle)：反复发生，周而复始的变 　　　化，通常以数年为一个周期。 S－季节变动因素(Seasonal Variation)：每年会重复出 　　　现的周期性变动。 I－不规则（随机）变动因素(Irregular Variation)：偶 　　　然的随机因素引起的变动。 季节变化预测法 同月平均法：适用于受季节变化影响，而无明显趋势变化的时间序列。 季节系数法：适用于受季节变化影响并存在变化趋势的时间序列。 环比法：适用于除季节变化外还有其他周期变化的时间序列。 同月平均法 分析季节变化最简单的时间序列法。 通过将同月数据的平均值与历年各月平均值相比，求得季节系数，用以对经济活动进行预测。 案例：某百货公司洗衣机销售量 确定预测目标，收集历史数据 计算同季平均值和各季总平均值 同季平均值：总年数除同季数据之和； 各季总平均值：历年总的季数除全部季度销售台数之和。 计算季节系数：fi=同季平均值/各季总平均值 计算预测值，确定预测结果：以最近一年的各季平均值分别乘以各季季节系数，得出来年各季的预测值。 可以看出，同月平均法假设来年的总水平同当年相当， 仅用于趋势变化不明显的时间序列。 季节系数法 是分析具有趋势变化和季节变化的时间序列法。 通过分析数据的趋势变化和季节波动规律，求得季节系数，然后用季节系数（或平均值）去修正反映趋势变化的线性模型。 环比法 用季节修正系数修正趋势线性模型的季节变化预测法。 所谓环比，是将各期实际值连环相比，即每一期实际值与前一期实际值相比。 环比法首先将月或季的历史数据（至少3年连续数据）逐期相比，求出各期环比值，进而计算平均环比值、连锁系数、修正连锁系数及其平均值，最后求得季节系数，用以修正趋势线性模型。 时间序列分析 逐步“修匀” 移动平均方法（M法） 指数平滑方法（S法） 曲线拟合 直线 多项式曲线 指数曲线 生长曲线 包络曲线 珀尔曲线 冈珀兹曲线 饱和指数曲线 季节系数法 同月平均法 季节系数法 环比法 基本样式－预测 时间序列预测方法比较 方法 方法分类 主要适用对象 主要特征及参数 主要适用范围 修 匀 M方法 波动的时间序列 n：移平跨度或跨越周期 短期市场预测对波动数列的加工处理； S方法 a：加权系数或平滑常数 拟 合 指数增长模型 拟合发展中的加速度阶段 高速增长，没有极限 技术的扩散、经济的起飞、产品畅销等阶段的预测 生长模型 拟合单个有极限发展的全过程 有上限，分阶段 技术和商品等的寿命分析和预测 包络曲线模型 拟合依次替代的连续增长过程 由多个a的S曲线构成一个大的S曲线 技术发展的长期预测 还 原 分解法 经济活动中有规律的周期性变化 分解为四个基本因素：T、C、S、I　各有其特征。 短期的市场分析和长期的经济问题分析。特别是用季节指数辅助模型进行短期预测 时间序列各种方法操作上的联系 线性趋势 y=a+bt 指数曲线 y=abt a0 b1 M法 　　　Yt+Yt-1+ ...+Yt-n+1 Mt [1] =─────── n S法 St [1] =ayt+(1-a) St-1 [1] 饱和指数曲线 y=K-abt K,a0 0b1 取n=? 取a=? 珀尔曲线 L y = ─── 1+ ae-bt 冈珀兹曲线 y=Labt 分段求和 L,a,b0 倒数求和 对数求和 修匀 移平 线性化 变换 变换 变换 线性化 * * * * * * * 移动平均法：思路 移动平均法按数据点的时间顺序，逐点推移，每次含有n个数