市场调查与预测第三篇 市场预测.pptVIP

二、指数平滑法 第一节 时间序列预测法 　　移动平均预测法明显存在两个问题： 　　(1) 计算移动平均预测值需储存多个数据，至少N个。 　　(2)计算未来预测值没有利用全部历史资料，只考虑利用〃期资料做出推测，《期以 前数据对预测值不产生任何影响。 　　为了克服如上的不足，对时间序列做特殊的加权移动平均（或对移动平均法进行改 进），1959年，美国学者布朗在《库存管理的统计预测》一书中，提出了指数平滑法。指数平滑法按平滑次数不同，分为一次、二次和三次指数平滑法等，本章仅介绍一次和二次指数平滑法。通常称三次以上的指数平滑法为高次指数平滑法。如果时间序列为非线性变动趋 势，可用三次或四次指数平滑法预测。 二、指数平滑法 第一节 时间序列预测法 　　(一)—次指数平请法 　　该公式的实际意义是:被研究市场现象某一期的预测值等于它前一期的一次指数平 滑值加上以平滑系数调整后的市场现象前一期的实际观察值与一次指数平滑值的离差。 一次指数平滑法的预测模型为 二、指数平滑法 第一节 时间序列预测法 　　该模型的实际意义是:某一期市场现象预测只等于这一期的一次指数平滑值，等于以 权数α 调整的前一期市场现象实际观察值，加上剩余权数(1 一α)调整的前一期市场现象 一次指数平滑值。 　　第t 期的指数平滑值是全部观察值的加权线性组合。由于加权系数（即平滑系数）符 合指数规律，又具有平滑数据的功能，故称为指数平滑。以这种平滑值进行预测，就是一次 指数平滑法。 二、指数平滑法 第一节 时间序列预测法 　　2.平滑系数的选择 　　平滑系数α 应根据时间序列的具体性质在0?1之间进行选择。具体如何选择一般可遵循这样的原则： 　　(1) 经验法。由于一次指数平滑法是在一次移动平均法基础上发展起来的，它们应该有相同的灵敏度，而平均役令是用来反映某型灵敏度的。对于移动平均法平均役令表示为 (n—l)/2;对一次指数平滑法平均役令p = (1一α)/ α 。因此有（n—l)/2 = (l — α)/α ，所 以 α = 2/(n + 1)。 二、指数平滑法 第一节 时间序列预测法 　　(2)数据分析法。当时间序列波动不大，比较稳定时，应选小一点的α 值。一般可在 0.1?0.4之间取值，使较早的观察值亦能充分反映于指数平滑中，以减少修正幅度，使 预测模型能包含较长时间序列的信息；如果时间序列具有迅速且明显的变动倾向，则α 值 可选稍大的值，常在0. 3?0. 5之间取值；以使预测模型灵敏度高些，能迅速跟上数据的变化；如果时间序列虽然具有不规则变动，但长期趋势接近某一稳定常数时，则应取较小的α 值，一般为0. 05?0. 20，使各观察值在现时指数平滑值中具有大小接近的权值。但对有趋势变动的数列很少用一次指数平滑法。 二、指数平滑法 第一节 时间序列预测法 　　3.初始值的确定 　　运用平滑预测法的目的在于预测未来值，关键在于S⑴ t，t的精确度。由于经过多期平 滑，S⑴1的影响作用就相当小，故在预测实践中，一般采用如下的方法判断处理： 　　(1)当数据个数在20个(有的参考书上认为15个）以上，S⑴ t ，对预测结果影响很小， 可用第一期的观察值代替。 　　(2)当数据个数在20个(有的参考书上认为15个）以内，S(1) t,　对预测结果有一定的影 响，可用前两期或前三期的简单算术平均值代替。 二、指数平滑法 第一节 时间序列预测法 　　4. 一次指数平滑法的适用性和局限性 　　一次指数平滑法适用于时间序列水平变动状态（即没有明显趋势变动）的时间序列短期预测。原因是对有明显上升、下降趋势的时间序列或进行中长期预测时产生滞后偏差。 产生滞后偏差的原因是：由于下一期的预测值是根据当期实际观察值和上一期一次指数 平滑值计算的，在时间上具有一定的滞后性。其局限性表现在这种方法只能外推一期进行预测。 二、指数平滑法 第一节 时间序列预测法 　　（二）二次指数平滑法 　　当时间序列的变动出现直线趋势时，用一次指数平滑法进行预测，仍存在着明显的滞后偏差。因此，也必须加以修正，即对一次指数平滑后的序列数据再做一次指数平滑，利用滞后偏差的规律来建立趋势模型。 　　1. 二次指数平滑法的计算公式 　　二次指数平滑法的计算公式为 　　２.二次指数平滑法的预测模型 　　二次指数平滑法的预测模型为 二、指数平滑法 第一节 时间序列预测法 　　3. α 的确定 　　α 的确定与一次指数平滑法相同。 　　初始值S(2)的确定 　　当数据个数在20个(有的参考书上认为15个）以上，可用第一期的观察值代替。 　　当数据个数在20个(有的参考书上认为15个）以内，在S(1)用前两期或前三期的简单算术平均值代替的同时， 　　二次指数平滑法适用于时间序列有直线趋势变动的情况，但只能作为短期