第7章时间序列趋势外推预测.pptVIP

7.5 序列有线性趋势和季节波动的外推预测法 一、时间序列的分解 经济时间序列的变化受到长期趋势、季节变动、周期变动和不规则变动这四个因素的影响。其中： （1）长期趋势因素（T） 反映了经济现象在一个较长时间内的发展方向，它可以在一个相当长的时间内表现为一种近似直线的持续向上或持续向下或平稳的趋势。 （2） 季节变动因素（S） 是经济现象受季节变动影响所形成的一种长度和幅度固定的周期波动。 （3） 周期变动因素（C） 周期变动因素也称循环变动因素，它是受各种经济因素影响形成的上下起伏不定的波动。 （4） 不规则变动因素（I） 不规则变动又称随机变动，它是受各种偶然因素影响所形成的不规则变动。 二、时间序列分解模型 时间序列y可以表示为以上四个因素的函数，即： 时间序列分解的方法有很多，较常用的模型有加法模型、乘法模型和混合模型。 7.7 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。该方法既可用于乘法型序列，也可用于加法型序列。这里，我们只针对乘法型序列进行讨论。 平均 1.042 0.862 0.953 1996 1.175 1.048 0.853 0.934 1995 1.181 1.035 0.881 0.937 1994 1.198 1.028 0.861 0.949 1993 1.191 1.063 0.853 0.973 1992 1.143 1.059 1991 冬 秋 夏 春 季度 年份 7.6 不同的滑动平均方法及其在趋势外推预  测中的应用 1.中心化平均法 这样便得到预测公式： 例：设某公司的月销售额如表所示，该序列数据的 变化趋势是由线性上升到线性下降。 现分别求出一次、二次指数的平滑值，并运用 线性趋势方程进修预测，计算结果如表。 由表可以看出，运用二次指数平滑的预测结果 除序列的转折点外，其他点的预测精度都比一次指 数平滑的预测精度高。 15.85 19.17 17.51 14 12 19.03 23.05 21.04 16 11 28.49 27.75 28.12 18 10 29.88 26.902 28.39 28 9 25.83 23.43 24.63 30 8 22.26 20.621 21.44 26 7 18.87 16.71 17.79 23 6 15.78 14.18 14.97 19 5 12.78 12.33 12.55 16 4 11.88 11.11 11.49 13 3 10.39 10.21 10.3 12 2 10 10 10 10 1 实际销量 月份 加法模型为： 乘法模型为： 混合模型为： 三、加法型序列的外推预测法（不考虑 ） 平均值 冬 秋 夏 春 例：某市的啤酒销售量有如下表的数据序列，试 求出第21，22，23，24季度的啤酒销售量的预测 值。 62 74 68 55 52 62 57 44 40 50 销售量 （万瓶） 20 19 18 17 16 15 14 13 12 11 t 冬 秋 夏 春 冬 秋 夏 春 冬 秋 季度 48 36 33 45 42 30 28 35 32 22 销售量 （万瓶） 10 9 8 7 6 5 4 3 2 1 t 夏 春 冬 秋 夏 春 冬 秋 夏 春 季度 解：步骤如下： -6 6.2 4.4 -5.6 平均 -3 11 7 -4 -5 7 4 -7 -9 3 3 -7 -8 6 5 -5 -5 4 3 -5 冬 秋 夏 春 四、乘法型序列的外推预测法（不考虑 ） 104.16 78.73 110.50 111.81 1982 105.60 76.03 109.50 114.78 1981 106.15 75.70 108.61 111.20 1980 103.67 76.54 110.82 115.50 1979 104.03 76.71 1978 冬% 秋% 夏% 春% 季度 年份 例：某地某种服装的销售量有下述季度销售数据， 根据该表，绘制销售量随时间变化的图形，从图形 可以看出，序列呈季节性变化，季节长度为4。此 外，序列有线性长期趋势，按乘法型序列外推预测 法的基本原理，其模式为 试求2000年春、夏、秋、冬各季某种服装的销售量 预测值。 158 24 130 12 138 23 110 11 11