指数平滑-3首经贸.pdf

课程名称：统计学 指数平滑 • 将前期观测值与预测值进行加权平均，作为后期预测值的技术 F Y (1)F t1 t t 注1 ：F表示预测值，Y表示观测值，t表示指标所在时期 注2 ：阿尔法称为平滑指数，取值在0-1之间 • 对同一序列，根据实际需要，指数平滑可以重复进行多次 • 采用指数平滑法，越是近期的观测值对预测值的影响越大 • 平滑指数的取值设定是决定预测效果的关键 • 指数平滑法的意义与移动平均法一样，既是一种传统的短期预测方法， 也可以在更精准的现代分析方法中对序列进行预处理 2 运算规则 1 . 指数平滑法采用的是递推运算，规定 F1 Y (1)F Y 0 0 1 F Y (1)F Y (1)Y Y 2 1 1 1 1 1 2 . 平滑指数值一般也通过试验的方式进行优选 3 . 优选平滑指数仍以误差平方和最小为标准（由于不同平滑系数造 成的新生数据长度是相同的，因此不需要像移动平均法一样计算 2 均方误差对比） （Y F ） i i 3 范例 年份 价格指数 0.5预测 误差平方 0.7预测 误差平方 0.9预测 误差平方 1986 106.5 106.5 0 106.5 0 106.5 0 1987 107.3 106.5 0.6 106.5 0.6 106.5 0.6 1988 118.8 106.9 141.6 107.1 137.8 107.2 134.1 1989 118.0 112.9 26.5 115.3 7.4 117.6 0.1 1990 103.1 115.4 151.9 117.2 198.3 118.0 220.9 1991 103.4 109.3 34.4 107.3 15.4 104.6 1.4 1992 106.4 106.3 0.0 104.6 3.3 103.5 8.3 1993 114.7 106.4 69.5 105.9 78.3 106.1 73.8 1994 124.1 110.5 184.1 112.0 145.3 113.8 105.2 1995 117.1 117.3 0.0 120.5 11.5 123.1 35.7 1996 108.3 117.2 79.4 118.1 96.3 117.7 88.3 1997 102.8 112.8 99.1 111.2 71.3 109.2 41.5 1998 99.2 107.8 787 105.3 765.6 103.4 710 4 范例说明 1 . 原始序列为1986-1997年间