管理预测54差分-指数平滑法.ppt

? 5.4 差分 - 指数平滑法 ? 当时间序列的变动具有直线趋势时，用一次指数平滑法 会出现 滞后偏差 ，原因 —— 数据不满足模型要求 。 ? 从数据变换的角度来考虑改进措施： ? 在运用指数平滑法以前先对数据作一些 技术上的处理 ，使之能 适 合于一次指数平滑模型 。 ? 再对输出结果作技术上的 返回处理 ， 使之恢复为原变量的形态。 ? 5.4.1 一阶差分 - 指数平滑模型 ? 当时间序列呈直线增加时，可运用一阶差分 - 指数平滑模型来预测： ? y t ? y t ? y t ? 1 （ 5-23 ） （ 5-24 ） ? t ? 1 ? ? ? y t ? ? 1 ? ? ? ? y ? t ? y ? t ? 1 ? ? y ? t ? 1 ? y t （ 5-25 ） y ? 式中： 为差分符号。 ? ? 式（ 5-23 ）表示对呈现直线增加的序列做 一阶差分 ， 构成平稳的新序列 ? 式（ 5-25 ）表示把 经过一阶差分后的新序列的指数平滑预测值 与 变量当 前的实际值 叠加，作为变量下一期的预测值。对于这个公式的数学意义 可作如下解释。 ? 因为 y t ? 1 ? y t ? 1 ? y t ? y t ? ? y t ? 1 ? y t （ 5-26 ） ? 但是在 t 为当前期时， y t ? 1 实际上还 没有发生 ，因此不 能按照式（ 5-23 ）来计算 ? y t ? 1 ，而只能进行 估计 。 ? 我们采用按式（ 5-24 ）计算的预测值去估计式（ 5-26 ） y t 中的 也要 改为 ? y t ? 1 ，从而式（ 5-26 ）等号左边的 ? 1 预测值，亦即成为式（ 5-25 ）。 ? 指数平滑值实质上是一种 加权平均数 ? 把序列中逐期增 量的 加权平均数 （指数平滑值）加上 当前值的实际数 进 行预测，比一次指数平滑法只用变量以往取值的加权平 均数作为下一期的预测更合理。从而使预测值 始终围绕 实际值上下波动 ，从根本上解决了在有直线增长趋势的 情况下，用一次指数平滑法所得出的结果始终落后于实 际值的问题。 例 5-7 某淘宝商 2013 年 1 ～ 10 月份一种小食品销售量如表 5-7 所示，取 ? ? 0 . 4 ，初始值为新序列首项值，试预测该 小食品 11 月份的销售量。 解：观察数据可得，销售量增长大体在 2000 件左右，即呈 直线增长，因此可用一阶差分 - 指数平滑模型进行预测。 计算结果列于表 5-8 中。预测 11 月份销售量为 （千件） ? 11 ? 2 . 49 ? 44 ? 46 . 49 y 表 5-7 淘宝商 2013 年 1 ～ 10 月某食品销售量统计差分预测表 （单位：千件） 月份 t 销售量 1 2 3 4 24 26 27 30 2 1 3 2 2 1.6 28 28.60 y t 差分 ? t ? 1 ? y t 差分指数平滑值 ? y ? t ? 1 预测值 y 5 6 7 8 9 10 11 32 33 36 40 41 44 2 1 3 4 1 3 2.16 2.10 1.66 2.19 2.92 2.15 2.49 32.16 34.10 34.66 38.19 42.92 43.15 46.49 ? 5.4.2