第七章时间序列分解法和趋势外推法.pptxVIP

第七章 时间序列分解法和趋势外推法 时间序列：就是社会、经济、自然现象的数量指标依时间次序排列起来的统计数据。时间序列就是以月、季、年等按时间顺序排列的时间数列。时间序列的基本特性： 目标函数数值随时间变化而变化，起伏交替，具备某种变化趋势。 哈佛大学珀森斯（Warren Persons) 最早将其用于一般商情预测。 时间序列预测法是市场发展趋势预测中常用的一种方法。　　　 随着时间的推移，市场供求也在不断地发生着变化。市场供求的变化一般受两类因素的影响：一类是对市场供求起主导作用的规律性因素；另一类是对市场供求起辅助性和临时性作用的偶然性因素。　时间序列预测法假定市场供求只受规律性因素的支配，因而与时间序列密切相关。通过对过去市场供求变化与时间变化之间关系的分析，对未来的市场供求作出预测。由于时间序列预测法存在着上述假设，因此它的应用也有一定的前提：首先，假定影响未来市场供求的各种因素，与过去的影响因素大体相似；其次，市场供求的发展过程是渐进的变化过程，而不是跳跃式的变化过程。　　 从这两个前提的要求来看，时间序列预测法最适用于短期预测，在一定条件下也可用于中期预测，而不适合于作较长期的预测。 　　时间序列预测法用于市场预测时，有多种方法，如简单平均数法、移动平均数法、加权移动平均数法、趋势预测法、指数平滑法等。7.1 样本序列具有水平趋势的外推预测1. 朴素预测法所谓朴素预测法，就是以本月的销售量作为下月销售量的预测值。2. 平均数预测法平均数预测法，就是将样本序列值 作算术平均，以此作为序列 的预测值，即:3. 理论模型----常数均值模型平均数预测方法的理论原型，是常数均值模型，即：t是时间,是常数， 是服从 分布的独立随机变量序列。 已知，则未来序列值 的最小均方误差预测是： 未知，则未来序列值 的最小均方误差预测是：4.预测校正 7.2 样本序列具有非水平趋势的外推预测1. 加权滑动平均预测法7.2 样本序列具有非水平趋势的外推预测例17.2 样本序列具有非水平趋势的外推预测例1月实际销售量3个月的滑动平均预测值4个月的滑动平均预测值120　　221　　323　　42421.3 　52522.7 22.0 62724.0 23.3 72625.3 24.8 82526.0 25.5 92626.0 25.8 102825.7 26.0 112726.3 26.3 122927.0 26.5 7.2 样本序列具有非水平趋势的外推预测7.2 样本序列具有非水平趋势的外推预测月实际销售量3个月的滑动平均预测值120　221　323　42421.8 52523.2 62724.3 72625.8 82526.2 92625.7 102825.7 112726.8 122927.2 7.2 样本序列具有非水平趋势的外推预测2. 指数平滑预测法7.2 样本序列具有非水平趋势的外推预测2. 指数平滑预测法7.2 样本序列具有非水平趋势的外推预测2. 指数平滑预测法7.2 样本序列具有非水平趋势的外推预测2. 指数平滑预测法7.2 样本序列具有非水平趋势的外推预测2. 指数平滑预测法7.2 样本序列具有非水平趋势的外推预测 的选取（1）直观法—主观法（2）模拟法---客观法7.2 样本序列具有非水平趋势的外推预测 最优 的求取（1）穷举法 步长（0，1）（2）优选法---0. 618法第一步：取第一个 的值记为 ，7.2 样本序列具有非水平趋势的外推预测7.2 样本序列具有非水平趋势的外推预测（2）优选法---0. 618法第二步，在（0，1）内选取7.2 样本序列具有非水平趋势的外推预测7.3 样本序列具有线性趋势的外推预测线性趋势方程：a, b 是常数，当t增加一个单位时间时， 就有增量b.7.3 样本序列具有线性趋势的外推预测1. 二次滑动平均预测法4.1 时间序列分解法 一、时间序列的分解 经济时间序列的变化受到长期趋势、季节变动、周期变动和不规则变动这四个因素的影响。其中：（1） 长期趋势因素（T） 反映了经济现象在一个较长时间内的发展方向， 它可以在一个相当长的时间内表现为一种近似 直线的持续向上或持续向下或平稳的趋势。（2） 季节变动因素（S） 是经济现象受季节变动影响所形成的一种长 度和幅度固定的周期波动。（3） 周期变动因素（C） 周期变动因素也称循环变动因素，它是受各 种经济因素影响形成的上下起伏不定的波动。（4） 不规则变动因