经济预测与决策（第二版）B06确定型时间序列预测法.pptxVIP

第6章 确定型时间序列预测法;6.1 基本概述;6.1.1 时间序列预测法的基本含义 时间序列，也称时间数列，是将预测目标的历史数据，按时间先后顺序排到所形成的数列。 时间序列预测法就是通过编制和分析时间序列，根据时间序列所反映出来的发展过程、方向和趋势，分析它随时间的变化趋势，并建立数学模型以预测预测目标未来可能达到的水平的预测方法。 ;时间序列预测法以连贯性原理为依据，以假设事物过去和现在的发展变化趋向会继续延续到未来为前提条件。 它撇开对事物发展变化的因果关系的具体分析，直接从时间序列统计数据中找出反映事物发展的演变规律，从而预测目标的未来发展趋势。;时间序列预测法的基本过程包括： 收集与整理预测目标的历史资料； 对这些资料进行检查鉴别，排成数列； 分析时间数列，从中寻找该预测目标随时间变化而变化的规律，得出一定的模式； 以此模式去预测该预测目标将来的情况。;6.1.2 时间序列的影响因素分析 时间序列中每一期数据均是由不同因素相互作用的结果。根据各种因素的特点或影响效果，可将这些因素分为四类： (1)长期趋势； (2)季节变动(S)； (3)循环变动(C)； (4)不规则变动(R)。 ;1．长期趋势（T） 长期趋势是指受某种关键因素的影响，时间序列朝着一定的方向持续上升或下降、或停留在某一水平上的倾向。;2．季节变动（S） 季节变动是指时间序列在一定固定周期（一般为一年）内呈现固定的规则变动。 季节变动主要受到季节的影响与习俗的形成。例如，在夏季空调的销售量多而冬季少﹔“6.1”儿童节前夕玩具的销售量增加；等等。 季节变动一般以S表示。 ?;图6-2 季节变动示意图;3．循环变动（C） 循环变动是指时间序列围绕长期趋势的一种波浪形或振荡式变动。 循环变动的周期大约二至十五年，其变动的原因甚多，而且周期的长短与幅度亦不一致。 通常一个时间序列的循环是由其它多个小的时间序列循环组合而成，;图6-3 循环变动示意图;4．不规则变动（R） 不规则变动是指一些随机性因素所引起的变动。这些随机因素包括自然灾害、人为的意外因素、天气突然改变及政治情势巨大???化等。 在时间序列分析中，不规则变动是将长期趋势，季节变动以及循环变动等成份隔离后所剩下随机状况的部分。 不规则变动一般以R表示。 ;6.1.3 时间序列预测法的步骤 第一步 收集历史资料，加以整理，编成时间序列，并根据时间序列绘成统计图。 第二步 分析时间序列。时间序列中的每一时期的数值都是由许许多多不同的因素同时发生作用后的综合结果。 第三步 求时间序列的长期趋势(T)、季节变动(S)、循环变动(C)和不规则变动(R)的值，并选定近似的数学模式来代表它们。对于数学模式中的未知参数，使用合适的技术方法求出其值。 ;四步 利用时间序列资料求出长期趋势、季节变动和不规则变动的数学模型后，就可以利用它来预测未来的长期趋势值T、季节变动值S和循环变动C，在可能的情况下预测不规则变动值R。然后用以下模型计算出未来的时间序列的预测值Y： 加法模型：Y=T+S+C+R 乘法模型：Y=T×S×C×R ;加法模型通常假定时间序列系基于四种成分相加而成的，各成分彼此间互相独立，无交互影响。 乘法模型通常假定时间序列系基于四种成分相乘之结果，各成分之间明显地存在相互依赖的关系，即假定季节变动与循环变动为长期趋势的函数。 在时间序列分析中，大都采用乘法模型的假设，因为乘法模型比加法模型更能正确地代表时间序列。 ;如果不规则变动的预测值难以求得，就只求长期趋势和季节变动的预测值，以两者相乘之积或相加之和为时间序列的预测值。 如果经济现象本身没有季节变动或不需预测分季分月的资料，则长期趋势的预测值就是时间序列的预测值，即T=Y。 但要注意这个预测值只反映现象未来的发展趋势，即使很准确的趋势线在按时间顺序的观察方面所起的作用，本质上也只是一个平均数的作用，实际值将围绕着它上下波动。;6.2 移动平均法;6.2.1 一次移动平均法 在算术平均法的基础上加以改进的。;一次平均值的递推公式。 ;;【实例6-1】产品A销售情况详见表6-2。;;表6-3 计算结果;图6-4 产品A的一次移动平均预测;从图6-4可知，移动平均的新序列平滑了原来序列的峰谷，即消除了不规则变动的影响。N越大，修匀的程度也越大；如果N值取得越小，则原序列的特征保留得也越多，可能存在的随机干扰也就越大。 因此，N的选择比较重要。数据的随机因素较大时，宜采用较大的N，这样有助于较大限度地平滑由随机性所带来的严重偏差；数据的随机因素较小时，宜采用较小的N，这样有助于跟踪数据的变化，并且预测值滞后的期数也少。;一次移动平均法的预测精度一般采用均方误差MSE来衡量，其计算公式为：;注意事项： （1）一次移动