5时间序列趋势外推预测.pptxVIP

时间序列趋势外推预测时间序列是指某种经济统计指标的数值，按时间先后顺序排列起来的数列。时间序列是时间t的函数，若用Y表示，则有：Y=Y（t）。时间序列分析预测法时间序列分析预测法是将预测目标的历史数据按照时间的顺序排列成为时间序列，然后分析它随时间的变化趋势,外推预测目标的未来值。我们对以下几种序列进行分析预测：具有水平趋势的数据序列、具有非水平趋势的序列、具有线性趋势的数据序列和具有线性趋势和季节波动的数据序列9.1 具有水平趋势的时间序列的外推预测假设某种商品的销售额在某一水平下上下波动。已知现在的时刻为t，求在t＋1时刻的预测值1、朴素预测法所谓朴素预测法就是直接以本月的销售额做为下月销售额的预测值：L称为预测期朴素预测法的优点是简单，成本低，如果序列的变化稳定，波动小就具有一定的预测精度，缺点就是未能充分使用历史的数据信息，受随机波动影响大2、平均数预测法将样本算术平均数作为预测值。这种方法较朴素预测法具有更高的精度，克服了易受随机干扰的影响，充分使用了历史信息，样本越大，精度越高。3、理论模型－常数均值模型上述方法的理论基础是时间序列的常数均值模型服从经典假设该模型可以分成两种1、 已知，则系列的最小均方差预测值为预测误差为：由于 ，所以预测值为无偏预测。预测方差为预测区间为： 若 未知，那么 可以通过最小二乘法求估。则：预测误差为：方差为：由于 未知，所以 使用估计值代替则统计量服从t分布：则预测区间为： 预测校正：如果得到新的观测值后，要进行新的预测就必须根据新得到的数据信息，对原来的预测结果进行校正，作为新的预测值。假定对时间序列 作出的预测值为现在新增观测值，要在n＋1的基础上对 作出预测，预测值记为或者9.2 有非水平趋势样本序列的趋势外推法如果时间序列是均值缓慢变动的，则使用局部均值模型。1.加权滑动平均预测法滑动平均预测对时间序列 要外推预测值为 记N为滑动平均时段长，预测值随n的变化而变化，称为滑动平均预测值，通过滑动平均可以清除干扰，显示趋势，得到趋势外推预测值。月份t实际销售量3个月移动平均预测值5个月移动平均预测值1423——2358——3434——4445405—5527412—6429469437742646743985024614529480452466103844694731142745644412446430444——419452例1 某市汽车配件销售公司某年1月至12月的化油器销售量如表所示。试用简单移动平均法，预测下年1月的销售量。 化油器销售量及移动平均预测值表 单位：只 解：分别取N=3和N=5，按预测公式：计算3个月和5个月移动平均预测值。当N=3时 当N=5时 计算结果表明：N=5时，MSE较小，故选取N=5。预测下年1月的化油器销售量为452只。 观察期季末库存n=3n=510.610.8————11.1————10.410.830.43——11.210.770.43——1210.91.110.821.1811.811.20.611.10.711.511.670.1711.30.211.911.770.1311.380.521211.730.2711.680.3212.211.80.411.840.3610.712.031.3311.881.1810.411.631.2311.661.2611.211.10.111.440.24例2 某商业企业季末库存的资料如下表，试用简单移动平均法对该企业下一季末的库存进行预测 解：1、分别取n=3，n=5同时计算移动平均预测值，如表所示。 2、计算平均绝对误差：n=3时，n=5时，很明显n=5 时的预测误差大于n=3时的预测误差，所以取移动平均期数n=3。3、对下期库存额进行预测。 设时间序列为： 加权移动平均公式为 式中：Mtw为t期加权移动平均数；Wt为 的权数，它体现了相应的y在加权平均数中的重要性。利用加权移动平均数来作预测，其预测公式为：即以第t期加权平均数作为第t+1期的预测值。 年份t原煤产量三年加权移动平均预测值相对误差（%）例3 我国1979~1988年原煤产量如表所示，试用加权移动平均法预测1989年的产量。 19796.35——19806.20——19816.22——19826.666.246.3119837.156.449.9319847.896.8313.4319858.727.4414.6819868.948.188.5019879.288.696.3619889.