第8章_时间序列分析(2).pdf

第8章 时间序列分析 Time Series Analysis 8.1 时间序列的分解 8.2 指数平滑 8.3 ARIMA模型 8.2 指数平滑 Exponential smoothing  8.2.1 单参数（一次）指数平滑  8.2.2 双参数指数平滑  8.2.3 三参数指数平滑 指数平滑方法的基本原理  指数平滑是一种加权移动平均，既可以用来描述时 间序列的变化趋势，也可以实现时间序列的预测。  指数平滑预测的基本原理是：用时间序列过去取值 的加权平均作为未来的预测值，离当前时刻越近的 取值，其权重越大。 8.2.1 单参数（一次）指数平滑  单参数指数平滑的模型为： ˆ ˆ Y Y (1)Y t 1 t t ˆ ˆ    Y 1 Y (1 )Y t t