课件：三趋势外推预测法.pptVIP

例：已知2000-2008年某省GDP如下表所示，试预测2009年该省GDP。 第一步：判断数据特点。 方式1：统计图 方式2：差分：二阶差分为常数2b0 第二步：确定参数。 方法一： 直接计算公式里面的各个系数。 方法二：添加趋势线。 方法3：利用工具-数据分析-回归 首先计算出t2 注意：时间t,t2的排列顺序。 第二步：带入模型进行预测。 第三步：计算精度指标：MAPE 2、指数增长曲线模型 预测模型： 式中：a,b为参数；t为时间。 指数增长曲线预测模型特点：环比发展速度为一常数。 2、确定参数方法：模型两边取对数，曲线变直线形式。 应用： 参数A、B的确定方法为最小二乘法。 确定A，B后，求反对数，则得a,b的估计值。 例：某市居民储蓄存款余额资料如表，预测2000年该市居民储蓄存款余额。 解：第一，选择预测模型，环比速度大体上 接近。 第二，建立指数曲线预测模型，确定参数。 求反对数，解得a=？b=？。 第三步，预测，将t=13代入模型，可得2000年该市居民储蓄存款余额的预测值。 注意：取对数的时候可以取以10为底的对数，也可以取以自然对数为底的对数。两种情况下求反对数的时候用到的函数分别为：POWER和EXP。 THANK YOU SUCCESS * * 可编辑 Ｍt(2)＝(Ｍt(1)＋Ｍt-1(1)＋…Mt-N+1(1))/N 式中：Ｍt(2)为第t期二次移动平均值；Ｍt(1)为一次移动平均值；N为移动时期数。 设时间序列从某时期t开始具有线性增长趋势，且认为未来时期也按线性趋势变化，则可建立如下趋势直线方程： at=2Mt(1)-Mt(2) bt=2/(N-1)*(Mt(1)-Mt(2) ) Ft+T=at+btT T为预测的长度。 N为移动项数。 注意：输出区域此时的选择 建立预测方程： F11+T=202.75+8.5T 3、指数平滑预测法 指数平滑法是用过去的时间序列的加权平均数作为预测值，是加权移动平均法的一种特殊形式，由美国经济学家布朗（Robert G.Brown）于1959年在其著作《库存管理的统计预测》中提出来的。 优点：克服了移动平均法的缺点，因为（1）指数平滑法只需要确定一个权数，即近期观测值的权数，其他时期的权数可以自动推算出来，而且观测值离预测时期越远时，其权数也变得越小。（2）要储存的数据很少，只需要前一期的实际观测值及前一期的预测值。 （1）一次指数平滑法 适用：适用于无趋势、无季节性变动的平稳时间序列的短期预测。 指数平滑公式：St(1) =aYt+(1-a)St-1 St(1) ：t时期的一次指数平滑值。a平滑系数（0 a1)；Yt为t时期的观察值。 预测公式： St=Ft+1：第t 期的指数平滑值作为第t+1期的预测值。 因此，上式可写成：Ft+1= aYt+(1-a)Ft T=1,2,3,4….n。 模型关键：确定平滑系数和初始值 平滑系数a的确定： （1）当时间序列呈现较稳定的水平趋势时，a应取小一些，如0.1~0.3，以减小修正幅度。（2）当时间序列的波动较大时，应选择居中的a值，如0.3-0.5。 （3）当时间序列波动很大时，并呈现明显的且上升或下降趋势时， a值应取大些，如0.6-0.8，以使预测模型灵敏度高些，能迅速跟上数据的变化。（4）在实际预测值中，可以取几个a值进行试算，比较他们的预测误差，选择误差小的那个a值。 初始平滑值的确定： （1）当原数列的数值个数较多时（n15），由于经过多次平滑运算，初始值对指数平滑值影响逐步减弱到极小的程度，可以忽略不计，所以可以选用第一期观察值作为初始平滑值S0=Y1 （2）当原序列的数值个数较少时，n15，可以选用最初几期的平均数作为初始平滑值,一般是前3-5个数据的算术平均数。 例：假定1993-2008年产品C销售情况如表所示，试用指数平滑法预测2009年的产品销售量。 方法1： 直接计算：先计算指数平滑再进行预测。 假定初始平滑值S0=97，以平滑系数=0.3为例。 方法2: Excel实现： 工具—数据分析——指数平滑 THANK YOU SUCCESS * * 可编辑 注意： （1）默认的初始平滑值是原始数据的第一项。 （2）阻尼系数=1-a （3）最后一期平滑值需要再重新计算一下。 （4）注意输出区域的选择。 比较不同平滑系数下的精确度： 平滑系数=0.1 平滑系数=0.5 平滑系数=0.8 （2）二次指数平滑法 二次指数平滑法是呈现线性趋势的时间序列在一次指数平滑的基础上，再做一次指数平滑，然后利用二次指