管理预测与决策04.pptVIP

国际贸易理论与实务－3 沙颖 第四章 指数平滑预测法 在移动平均法基础上发展形成的一种时间序列预测方法，它通过计算指数平滑值，配合一定的时间序列预测模型进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。 简单的全期平均法是对时间数列的所有数据全部加以同等利用；移动平均法则不考虑较远期的数据，并在加权移动平均法中给予近期资料更大的权重；而指数平滑法兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权重。 一、一次指数平滑法 根据本期观察值和上期一次指数平滑值，计算其加权平均值，将其作为下期预测值的方法。 1.平滑公式和预测模型 即把第t期的一次指数平滑值 作为第t+1期的预测值 一、一次指数平滑法 1.平滑公式和预测模型 一、一次指数平滑法 一、一次指数平滑法 2.平滑系数a的选择 平滑系数a反映了历史各期数据对预测值影响作用大小。a值越大，各期历史数据的影响作用由近及远愈迅速衰减；a值越小，各期历史数据的影响作用由近及远就缓慢减弱。 一、一次指数平滑法 2.平滑系数a的选择 因此，第t+1期的预测值等于第t期的实际值与预测值的加权平均数。a值的大小，体现了预测模型对时间序列实际值的反应速度。 a值越大，预测模型灵敏度越高，越能跟上实际值的变化。 一、一次指数平滑法 2.平滑系数a的选择 第t+1期的预测值等于第t期的预测值加上该期的修正预测误差。a值决定修正预测误差的幅度。a值越大，修正幅度越大；a值越小，修正幅度越小。 一、一次指数平滑法 2.平滑系数a的选择 若时间序列数据不规则波动较大，a宜取较大值（如0.6-0.8），以加大近期数据比重，提高修正误差的幅度，使预测模型能迅速跟上实际值的变化。 若时间序列数据不规则波动较小，a宜取较小值（如0.1-0.3），使各期数据权重由近及远缓慢变小，减小修正误差的幅度，预测模型则不易受不规则变动的影响。 实际应用中，往往同时选用若干个不同的a值进行试验，最终选择误差较小的a值用于预测。 一、一次指数平滑法 3.平滑初始值 的确定 一次指数平滑法应用实例 某服装企业A品牌服装近年来的销售量数据如下表所示（单位：百件）。现用一次指数平滑法进行销售预测。 一次指数平滑法应用实例 1. 选取a值。分别选取a=0.3、0.6、0.9进行测算。 2. 确定初始值。由于n=830，因此 3. 分别计算各期的一次指数平滑值和预测值，如上表所示。 一次指数平滑法应用实例 某地区A商品近年来的销售量数据如下表所示。现用一次指数平滑法进行销售预测。 一次指数平滑法应用实例 4.计算不同a值下的均方误差，确定适宜的a值。 计算结果表明，a=0.3时误差最小，所以选取 a=0.3进行预测。 5. 进行预测。该地区第9年A商品销售量预测值为： 一、一次指数平滑法 一次指数平滑法适用条件与一次移动算术平均法相同，仅适用于各期数据大体呈水平趋势变动的时间序列预测，并且仅能向下作一期预测。这在很多情况下造成了预测的局限性，不能满足市场预测的需要。 二、二次指数平滑法 对市场现象实际观察值测算两次平滑值，在此基础上建立预测模型，对市场现象进行预测的方法 二次指数平滑法解决了一次指数平滑法不能解决的两个问题： 一是解决了一次指数平滑不能用于有明显趋势变动的市场现象的预测。 二是解决了一次指数平滑只能向未来预测一期的不足。 二、二次指数平滑预测法 平滑初始值 的确定 在市场预测实践中， 二次指数平滑预测法应用实例 现有我国某种商品人均年消费量的资料，用二次指数平滑法进行预测。选用不同的α值对一次、二次指数平滑法进行测算。 二次指数平滑预测法应用实例 现有我国某种商品人均年消费量的资料，用二次指数平滑法进行预测。选用不同的α值对一次、二次指数平滑法进行测算。 二次指数平滑预测法应用实例 二次指数平滑预测法应用实例 二次指数平滑预测法应用实例 4.计算预测值 利用此模型对今后三年该商品的人均年消费量进行预测，其预测值为： 二次指数平滑预测法的特点 二次指数平滑法可以解决带趋势变动的市场现象的预测。 二次指数平滑法可用于一期以上预测值的计算。 * * 0a1 0 1 1 二、二次指数平滑预测法 St(1)=αYt + (1–α)St-1(1) St(2)=αSt(1) + (1–α)St-1(2) T b a F t t T t + = + 向未来预测的期数 模型参数 模型参数 at = 2St(1) – St(2) bt = [a/(1–a)](St(1)