第6章节时间序列预测法资料.ppt

Market survey Forecast 市场调查与预测(6) 第六章 时间序列预测法 在我们的生活中，有时候需要对未来的经济现象进行预测。而预测的依据就是已经发生的经济现象，当把历史数据按照时间顺序排列进行分析、归纳、总结，就可从中得到一些规律东西，并利用这些规律进行预测。而时间序列预测法是市场预测中一个重要方法之一。 时间序列是指各种各样的社会、经济、自然现象的数量指标依时间秩序排列起来的统计数据(动态)。 例如，XX大学的每年招生人数是依时间变化的，这就是一种时间序列。 时间序列预测法 是根据历史资料和数据，按照时间序列所反映的经济现象的发展过程、方向和趋势、将时间序列外推或延伸，以预测经济现象未来可能达到的水平。 时间序列预测法特点 在时间序列中，数据的大小受到各种因素的影响。数据的变化趋势也表现出各种形状，通常根据这些影响因素将数据的变化趋势分为四大类：长期趋势、季节趋势、循环趋势、和不规则变动。对于前三种数据趋势预测问题，由于数据呈现某种规律性，因此能够将数据进行简化、分析，从而使预测成为可能；而不规则变动是指由某种偶然因素引起的突然变动，如战争的发生、政权的更迭、重大的自然灾害等，预测的难度就大，有的甚至无法预测。 时间序列预测法早在国外应用，国内是在二十世纪60年代初应用于水文预测，随计算机的广泛应用，在许多领域已经应用，并取得了很好的效果。目前，已成为世界各国进行市场预测的基本方法。 第一节 时间序列概述 一、时间序列分析 时间序列一般用：y1,y2,…,yt …;表示，其中t表示时间。 在时间序列中，每个时期变量数值的大小，都受到许多不同因素的影响。例如，手机销售量受到居民的收入、质量，功能、价格等因素的影响。因此，时间序列按性质不同分成一下四类： 3、循环变动(Alternation variety ) 如图6-3所示。 循环变动与季节变动有相似之处，时间序列都会在周期内有波动，而季节波动的时间序列周期长短固定；而循环变动的时间序列波动较长、周期长短不一，少则一两年，多则数年甚至是数十年，周期不好预测。 4、不规则变动(Irregular Variety) 它是由各种偶然性因素引起的无周期变动。又可分为突然变动和随机变动。例如，战争、自然灾害、地震、意外事故的改变所引起的变动都属于突然变动；而随机变动是由随机因素所产生的影响。 二、时间序列的组合形式 时间序列是由长期变动、季节变动、循环变动和不规则变动四类因素组成。四类因素的组合形式，常见的有以下几种类型： 第二节 平均数预测法 平均数法是一种传统的趋势变动分析预测法，它通过计算时间序列一定项数的平均数，来估计模型参数，建立趋势变动分析预测模型进行外推预测。 一、全列算术平均法(Average) 是移动平均法的一种，它含有算术平均法、几何平均法、加权平均法等。 1、算术平均法：设时间序列为： 用此公式应注意： （1）时间序列波动较小的情况下使用； （2）预测值可用最后一年的每月平均值或数年的每月平均值； （3）当观察期的长短不同，预测值也随之不同（误差） 若误差过大，就会使预测失去意义，因此，预测时应确定合理的误差，误差公式为： （4）当时间序列波动较小时，预测期可短一些；反之，可长一些。 补充资料 1、显著性水平（α）—本来正确的数据却被错误的否定掉，即犯弃真错误，犯此错误的概率称为显著性水平。 β—本来错误的数据却被认为是正确的而被保留下来，即犯存伪错误，犯此错误的概率记作β。 (n-m-1)—自由度。 其中：n—时间序列的个数 m—自变量的个数 2、标准差（S）—实质上是平均差，它反映个体与平均值差别的程度。 例1 请你根据食盐在2001年~2004年的每月销售量见表6-1所示，预测2005年的每月销售量。 表6-1 食盐2001-2004的销售量及平均值 单位：千元 方法（2） 以2004年每月的平均值作为2005年的每月预测值 结论:比较 (1)、(2)可知：方法(1)精确度高。 由表可知： （1）1~12月内出现季节波动，特别是在6~8月份，要比淡季高出2~3倍。 （2）汗衫销售量还出现长期变动趋势（每一年的销售量逐年增加） 在这种情况下，用算术平均法求第四年每月的平均值，显然误差较大，就不能用这种方法 ①直接用所求得的环比指数，求平均发展速度 （3）求环比指数几何平均数的简便算法。 以1991年销售额为x0（基数），……，2004年销售额为xn （当前期），那么其环比指数的几何平均数为： ω的选择原则: 由表达式可知, ω的选择不同，近期数据的数据权重选择大一些;远期数据权重选择小一些. 有三种形式: (1)当 xt变动不大时,