时间序列平滑预测法.pptVIP

时间序列平滑预测法 ;第一节 移动平均法 ; 第二段：滑动舍去初始的y1,新一组为 y2 ,y3 ,y4 ,y5 ,y6 : y6 = (1/5) ∑ yt = M6 有 y7 = y6 = M6 ? : ? : 第十六段： y16 ,y17 ,y18 ,y19 ,y20 : y20 = (1/5) ∑ yt = M20 可预测 y21 = y20 = M20 ; 一般地： ? Mt⑴ =[yt + yt-1+…… + yt-n+1]/N =(1/N) ∑ yi = ?这个公式就称为一次移动平均公式。 2004/10/18 递推式 Mt(1} =[yt + yt-1+…… + yt-n+1]/N = [ yt-1+…… + yt-n ]/N + [yt－yt-N ]/N = ?Mt-1(1) + [yt－yt-N ]/N = ; 移动平均法基本上是在平均值的基础上进行预测。一般来讲，若经济变量在某一值上下波动情况及升降缓慢预测效果比较好，反之误差比较大. 另外，N的选取也起着较大的作用，N小一些,预测跟踪效果好一些。反映较灵敏。特别地当N=1，则与实际状况相同。 N大一些，平滑特性就好一些，但跟踪能力差。 ; 二、二次移动平均法 1 、 二次移动平均数公式. 二次移动平均是在一次平均移动的基础上再做一次移动平均。 ? Mt(2) =[Mt(1} + Mt-1(1)…. Mt-n+1(1)]/N ? 递推公式 Mt(2) = Mt-1(2)+[Mt(1)－Mt-N(1)]/N Mt(2) 为二次移动平均数 N 分段数据个数 Mt(1) 一次移动平均数 ; 2、线形趋势条件下的一次移动平均数Mt(1) 与二次移动平均数 Mt(2)的关系 一次移动平均预测对于数据变化小，近似于水平变化的数据平滑作用较好。 如果是线形趋势变化，则分析线落后于真实数据变化，形成滞后偏差 yt－ Mt(1} 线形变化如下： bt = yt－yt-1 有： yt-1 = yt－bt ? yt-2 = yt-1－bt= yt-2bt yt-N+1 = yt－(N－1)bt; 考虑到： Mt(1} = (yt + yt-1 +…… + yt-N+1)/N ? ={Nyt－[1+2+……(N－1)]bt}/N 1+2+……(N－1) = [N(N－1)]/2 ∴ Mt(1} = [Nyt－(N/2)(N－1)bt]/N =yt－(N－1)bt/2…① Mt-1(1) = yt-1－(N－1)bt/2 = yt－(N+1)bt/2 ……② ①－② : Mt(1} - Mt-1(1) = yt － yt-1 = bt 即； Mt-1(1) = Mt(1} -bt ; 类推： Mt-2(1) = Mt-1(1) －bt = Mt(1} －2bt ? : : : Mt-n+1(1) = Mt(1} －(N－1)bt ? ∴ Mt(2) = [Mt(1} +Mt-1(1)+…… +Mt-n+1(1)]/N