（时间管理）时间序列的指数平滑预测技术.pdfVIP

（时间管理）时间序 列的指数平滑预测技 术 第五章时间序列的指数平滑预测技术 本章重点内容：常数模型的指数平滑法的基本公式 和预测方程，初值对预测值的影响及其选择，基本公式 的误差校正式，霍尔特指数平滑法，布朗二次指数平滑 法，布朗适应性平滑法，各种平滑法之间的关系，比例 模型的指数平滑法。 5.1 常用模型的指数平滑法 5.1.1 基本公式和预测方程 利用时间序列前 t 期的观察值 x ,x ,…,x 预测第 t 1 2 t ＋1 期的值 xt＋1 时，设赋予第 i 期的权重为 wt＋1－ (i=1,2…t),w >w >…>w ,计算诸观察值的加权平均： I 1 2 t 且取第 t+1 期预测值为 这就是所谓加权平均法。 加权平均法的缺点： (1)权重不易确定 ˆ xt 1 W t (2)要记忆的数据太多 (3)计算较繁权重不易确定 自动取权重的方法：自当前期向前，各期权重按指 数规律下降，即第 t 期，第 t-1 期…的权重依次为 由上式见出，为使计算方便，使权数之和等于 1 。我 们使这壹条件当 t 趋近∞时成立，即使得      2  ...1 各期权重依次为 上述办法显然解决了自动选权重的问题，但尚未克 服记忆数据多和计算繁俩个缺点。为此，我们考虑 t 充 分大时的情形，这时得到: 将滞后壹期拿出： 2 Tt  1  xt  1   (1  )xt  2   (1  ) xt  3  ... 得到即: 上式称为指数平滑法的基本公式，这个公式是用递 推公式给出的，α叫做平滑常数，0<α<1 ，其值可由预 测者任意指定。T 称为 T 的(实际上也是x 的)第 t 期的 t 指数平滑值。 指数平滑法的预测方程是： 即把第 t 期的指数平滑值作为第 t+1 期的预测值。 指数平滑法的基本做法用公式的形式表述出来就是： 新的估计值=平滑常数×利用当前期资料的估计值+(1－平滑常数)× ˆ ˆ xt 1  xt (1 )xt 只利用历史资料的估计值 指数平滑法优点：既继承加权平均法重视近期数据 的思想，又能克服之上三个缺点。 例 5-1 某经济变量前 5 期的观察值是 5 ，6 ，4 ，6 ，3 取 T =5 进行预测。 1 利用公式（5-5）和（5-6）逐期计算： 解题过程： ˆ T1  5 x2  5 ˆ T 2  x2  (1  )T1  0.26  0.85  5.2 x3  5.2 ˆ T 3  x3  (1  )T 2  0.24  0.85.2  4 .96 x4  4 .96 把计算结果列入下表 5.1 中： 表 5.1 指数平均法预测 1 5 5