市场调查与预测 (8).pptVIP

第8章 时间序列预测 【学习目标】 通过本章的学习，明确时间序列预测的原理、步骤及其预测方法，掌握移动平均预测、指数平滑预测、直线趋势预测的原理及应用，理解季节指数预测的基本原理，逐步提高综合分析和定量预测能力。 时间序列又称时间数列，是将某种现象的数量变化，按时间的先后顺序排列而成的数据形式。若以时间为横坐标(时间单位可以为天、周、月、季、年或若干年)，以某 种现象为纵坐标，可以形象地将时间数列区分为水平型、季节型、周期变动型、趋势型和不规则型。这些模式，大体反映了市场供求变动的基本形态。 水平型时间数列中的数据围绕某一水平上下波动，且波动没有规律性。它既不倾向于逐步增加，也不倾向于逐步减少。如某些非季节性的生活必需品的逐月销量。水平型数据模式如图所示。 趋势型时间数列是指数据在较长的时间内呈现出持续上升或持续下降的变动倾向，具有一定的规律性。趋势型数据模式依其特征不同又可分为直线趋势型和曲线趋势型 水平型时间序列模式 季节型时间数列的数据表现出随着季节变换在每一季节内会重复出现有规律波动的形态。周期型时间数列是指数据在较长的周 种形式，如图所示。 直线趋势型时间序列模式 期(3年、 5年或更长时间)内，呈现出有规律的循环变动状态。周期型变动与季节型变动的区别在于，不以一年为固定周期，而是一年以上的并不固定的周期，规律性变化也不很明显。在季节变动模式中， 又可按周期变动发展趋势不同，分为水平型季节变动模式和趋势型季节变动模式两类，水平型季节变动模式如图所示。 水平型季节变动模式 【小思考8.1】 时间数列有哪些形式？哪些市场现象具有时间数列的特征？ 8.1 平均预测法 8.1.1 简单平均法 简单平均法是以一定观察期内预测变量的算术平均数作为下期预测值的预测方法。这种方法适用于趋势比较稳定的时间序列的短期预测。其预测模型为： 将时间数列的各个数据看做对预测值有不同的影响程度，分别给各个数据以不同的权数后计算出加权平均数，并将其作为下期预测值的方法，叫加权平均法。 上式也可简写为： 8.1.2 加权平均法 式中， ——简单平均数(即预测值)； n——数据的个数； xi——各期实际发生数。 式中， ——加权平均数(即预测值)； wi——权数； xi——实际发生数； n——数据的个数。 加权平均法的预测模型为： 上式也可简写为： 8.1.3 几何平均法 对给定的n个历史数据，如把它们相乘，然后把乘积开n次方，则所得的n次方根称为这n个历史数据的几何平均数。几何平均法就是以历史数据的几何平均数作为预测值的方法。其预测模型为： ——连乘符号。 式中， ——预测值的几何平均数； 几何平均数更能消除历史数据的起伏变动，而反映出事物发展的总体水平，因而，几何平均法常被用来计算经济的平均发展速度，进而做出预测。 运用几何平均法进行预测的主要步骤是： (1)计算历史数据的环比发展速度； (2)根据环比发展速度求得几何平均数，作为预测期的发展速度； (3)以本期的历史数据为基数乘以平均发展速度作为预测值。 【实践训练8.2】 现有某地区某商品销售量资料。应用平均发展速度法计算第10，11期的预测值。(结果保留两位小数) 销售量资料 8.1.4 移动平均法 (1)一次移动平均法 一次移动平均法是直接以本期(t期)移动平均值作为下一期(t+1期)预测值的方法，它有3个特点： ①预测值是离预测期最近的一组历史数据(实际值)平均的结果。 ②参加平均的历史数据的个数(即跨越期)是固定不变的。 ③参加平均的一组历史数据是随着预测期的向前推移而不断更新的，每当吸收一个 新的历史数据参加平均的同时，就剔除原来一组历史数据中离预测期最远的那个历史数据，因而具有“移动”的特点。 移动平均值的计算，既可采用简单平均，又可采用加权平均。相应的方法就称为简单移动平均法或加权移动平均法。 1)简单移动平均法。这种方法就是直接以简单平均值数列中的最后一个数值作为预测值。 其计算公式为： 式中，Xt+1——t+1期的预测值； ——t期一次移动平均值； Xt——第t期的实际发生数； n——移动跨越期的期数。 2)加权移动平均法。 3)一次移动平均法的分析应用。 (2)二次移动平均法 1)二次移动平均法的含义及模型。二次移动 平均法是对一次移动平均值再进行移动平 均，并根据