教学课件 国际贸易环境分析.ppt

* 一、估算出季节指数F 季节指数FK是实际季节波动值与同趋势线值相比的比值，即 FKi=yt/y’t=yK+(i-1)T/y’k+(i-1)T 式中：k-------季节序数（一般K=1，2，3，4）； i-------周期序数（i=1，2，3，…..） t------ 总时序数，如第三周期第四季节的总时序数 t=4+（3-1）x4=12 T-----每个周期的季节个数（一般T=4或12个月） 先求各周期第K季节指数：Fk1，Fk2，Fk3，…..，Fk=m(K=1，2，3，4) (m为周期个数) 第十一章 预测方法 二、综合趋势方程和季节指数两方面建立预测模型 季节指数法的一餐预测模型表达式为： ^ykt=y’t *Fk (K=1，2，3，…，T) 式中：^ykt----表示属于第K个季节的第t个时序的预测值； y’t表示总第t个时序的趋势值 第十一章 预测方法 操作范例 某食品公司2003年、2004年各季销售统计资料如表3-2所示，试预测2005年4季度该公司的销售额。根据实际数列画图，若呈周期间隔季节变化，则画一条能代表长期变动的趋势直线（如图1-1），并依此直线求出趋势线方程。 第十一章 预测方法 年份 2003 2004 季节 1 2 3 4 1 2 3 4 时序期（t） 1 2 3 4 5 6 7 8 销售额（yt）/万元 180 159 157 191 190 161 158 209 趋势值（y’t）/万元 167 170 172.5 175 177.5 180 182.5 185 季节指数（Fki） 1.07（F1，1） 0.91 （F2，1） 0.91（F3，1） 1.09(F4，1) 1.07(F1，2) 0.89 (F2，2) 0.87(F3，2) 1.13(F4，2) 第十一章 预测方法 注释：图纵轴为yt/万元，横轴为时序期t 设：y’t=a+bt 由t=0，y’t=a，即a为直线在y轴上的截距，显然有截距a=165。 然而（2，170）点也在直线上，故170=165+bx2，得b=2.5 因此趋势线为;y’t=165+2.5t （1）求趋势值 利用y’t=165+2.5t可求得： y’1=167.5， y’2=170，y’3=172.5，y’4=175 y’5=177.5， y’6=180，y’7=182.5，y’8=185 （2）求出各季节指数 {F1，1=180/167.5=1.07，F1，2=190/177.5=1.07}---------F1=1.07 {F2，1=159/170=0.91，F2，2=161/180=0.89} ---------F2=0.90 {F3，1=157/172.5=0.91，F3，2=158/182.5=0.87}---------F3=0.89 {F4，1=191/175=1.09，F4，2=209/185=1.13} -----------F4=1.11 （3）预测 y’12=165+2.5x12=195 4，3=195 x F4=195 x 1.11=216.5 第十一章 预测方法 第六节 平均移动法 一、简单移动平均预测法 定义：取一定数量时期的数据平均，按时间顺序逐次推进，每次推进一次，就舍去前一个数据，同时增加一个后续相邻的数据，再进行平均，依次类推，最后形成一个新的序列。若原时间序列没有明显的不稳定变动的话，则可用最近一次移动平均数作为下一个时间预期值。 例如：y1，y2，y3，…，yt，…若选n期数据移动平均，则 ^yt =yt-1(1)=(yt-1+yt-2+…+yt-n)/n 或^yt +1=yt(1)=(yt+yt-1 +…+yt-n+1)/n 上式是以yt(1)(即第t期的一次移动平均)作为t+1期的预测值。 第十一章 预测方法 此方法特点是： 1.只能用于近期预测，即只能对于后续相邻的那一些预测，比如上列就无法预测1996年及以后各年的利润。 2.n 值较大时计算比较麻烦，此时可用数学变换 ^yt=yt-1(1)=(yt-1+yt-2+…+yt-n)/n=yt-1/n+[( yt-2+yt-3…+yt-n-1)/n ]-^yt-n-1/n =t-1 + (yt-1-yt-n-1)/n= yt-2 (1)+(yt-1-yt-n-1) /n （1）n不同时，预测结果也不同，而且对真实值的变化趋势的反应灵敏性及修匀程度也不同，n值越小，越是灵敏，修匀程度越差。例如n=3比n=4灵敏，但n=4比n=3修匀程度好； n=3相对误差均值3.7%，而n=4相对误差均值4