第五章时间序列趋势预测法课件.pptx

第五章 时间序列趋势预测法;2;第一节 时间序列趋势预测法概述;4; 时间序列按其指标不同，可分为绝对数时间序列、相对数时间序列和平均数时间序列三种。 绝对数时间序列是基本序列。可分为时期序列和时点序列两种。 时期序列是指由反映某种社会经济现象在一段时期内发展过程的总量指标所构成的序列。如各个年度的国民生产总值。 时点序列是指由反映某种社会经济现象在一定时点上的发展状况的指标所构成的序列。如各个年末的人口总数。;2、时间序列分析预测法; 时间序列数据原则; 应用时间序列趋势预测法的前提假设;二、时间序列的影响因素;1、长期趋势变动;图5.1 时间序列数据长期趋势变化曲线;2、季节变动;3、循环变动;图5.3 时间序列数据循环变化曲线;4.不规则变动;三、时间序列因素的组合形式;四、时间序列预测的步骤;第二节 简单平均法;简易平均法，是将一定观察期内预测目标的时间序列的各期数据加总后进行简单平均，以其平均数作为预测期的预测值。 此法适用于静态情况的预测。 这类预测方法是预测技术中比较简易的方法。它个仅易懂、计算方便，而且也容易掌握。 常用的简易平均法有算术平均法、加权平均法和几何平均法。;一、算术平均法;运用算术平均法求平均数，有两种形式：;例5.1：假设食盐最近四年的每月销售量如表5.1所示，预测2008年的每月销售量。 ;月 年; 首先，用下列公式估计出预测标准差。;①以2007年的月平均值339.2千元作为2008年的每月预测值，标准差为：;②以四年的每月平均值335.7干元作为2008年的每月预测值，标准差为：;例5.2：某商店汗衫的销售量如表5.2所示，预测第四年每月的销售量。;二、几何平均法;几何平均数，就是将观察期n个资料数相乘，开n次方，所得的n次方根。 设x1，x2，x3为观察期的资料，则其几何平均数为：;例5.3：某企业1994—2007年的销售额资料如表5.3所示，预测该企业2008年的销售额。 ;预测步骤;观察期;三、加权平均法;例5.4; 很显然，用算术平均法求得的平均数作为预测值过低，不能反映商店 销售的发展趋势。;第三节 移动平均法; 移动平均法是将观察期的数据，按时间先后??序排列，然后由远及近、以一定约跨越期进行移动平均，求得平均值。 每次移动平均总是在上次移动平均的基础上，去掉一个最远期的数据、增加一个紧挨跨越期后面的新数据，保持跨越期不变，每次只向前移动一步，逐项移动，滚动前移。 这种不断“吐故纳新”，远期移动平均的过程，称之为移动平均法。;移动平均法;一、一次移动平均法;例：当n=5时：; N越大，修匀的程度也越大，波动也越小，有利于消除不规则变动的影响，但同时周期变动难于反映出来；反之，N选取得越小，修匀性越差，不规则变动的影响不易消除，趋势变动不明显。 但N应取多大，应根据具体情况作出决定。实践中，通常选用几个N值进行试算，通过比较在不同N值条件下的预测误差，从中选择使预测误差最小的N值作为移动平均的项数。 ;（二）一次移动平均法步骤;预测值=最后一项的一次移动平均值 +最后一项的一次移动平均值距离预测值的间隔数*平均趋势变动值;例5.5：某省公路交通部门1988—1998年货物周转量如表5.6所示。预测1999年的货物周转量。 ;二、加权移动平均法;例5.6：我国1979—1988年原煤生产量如excel表所示。若选择跨越期n＝3，权重分别为1，2，3，试用加权一次移动平均法预测1989、1990年的原煤产量为多少?;第四节 指数平滑法;指数平滑预测方法是移动平均预测方法加以发展的一种持殊加权移动平均预测方法。它可分为一次指数平滑法和多次指数平滑法。 一般常用于时间序列数据资料既有长期趋势变动又有季节波动的场合。;一、一次指数平滑法;（二）一次指数平滑法的特点;（三）平滑系数的确定;（四）初始值的确定;例5.7：某商店l982—1991年销售额资料如excel表所示，试用一次指数平滑法预测1992年销售额为多少万元。己知：?1=0.2，?2=0.5，?3=0.8， S0（1）=x1=400。;二、二次指数平滑法;（二）二次指数平滑法的计算方法;例5.8：某公司l980—1994年销售收入yt资料如excel表所示，试用二次指数平滑法预测1995年和1997年销售收入各为多少万元。;第五节 趋势外推法;趋势外推法是根据经济变量（预测目标）的时间序列数据资料，揭示其发展变化规律，并通过建立适当的预测模型，推断其未来变化的趋势。 趋势外推预测法是研究经济变量的发展变化相对于时间之间的函数关系。 根据函数关系的形态不同，可分为直线趋势外推法、曲线趋势外推法及指数趋势外推法三种。;一、直线趋势外推法;直观判断法;例5.9