- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
清华大学MBA高级教程2.ppt重复文档请删除重复文档请删除
蒋绍忠 编著;第7章 统计预测
第8章 风险决策和蒙特卡罗模拟
第9章 风险分析工具Crystal Ball
第10章 管理系统模拟
第11章 管理系统优化
第12章 多目标决策;7.1 预测概述
7.2 用回归方程预测
7.3 时间序列预测
7.4 预测工具CB Predictor;许多预测是建立在对历史时间序列数据分析的根底上的。时间序列数据的根本类型:
平稳时间序列:时间序列数据的均值保持不变
线性趋势时间序列:数据的均值平稳地增加或减少
平稳周期性时间序列:数据均值保持不变,呈周期性变化
线性趋势周期性时间序列
非线性趋势或非周期性时间序列;杭州生产总值〔GDP〕指数〔上年为100〕统计数据如下: ;1978年-2004年我国能源消费总量数据 ;旅馆两周入住旅客人数 ;饮料24个月的销售量 ;时间序列预测的根本方法是:
观察实际数据,找出时间序列数据的根本特征
构建时间序列的外推方程〔模型〕,确定方程的初始系数
用局部实际数据进行外推,来测算另一些的实际数据,并检查实际数据的测算值和实际值之间的偏差。这一过程称为拟合〔Fitting〕。
利用拟合误差调整方程参数
利用历史数据预测〔Forecasting〕未来数据;6.2 用回归方程预测;=$F$2+$C$2*C9;利用一元线性回归方程:用电量=0.0791GDP+26768,当“GDP〞值分别为1,000,000万元、1,200,000万元和1,500,000万元时,计算相应的“年用电量〞的预测值如以下图所示。;多元线性回归的预测
利用多元线性回归方程进行预测和一元线性回归预测是类似的。由于多元线性回归有多个自变量,进行预测时,有些自变量在观测值区间内部,而有些自变量可能落在观测值区间以外。这样,对于多元线性回归来说,插值和外推的界限可能难以区分,因此我们对多元线性回归自变量观测值的预测称为拟合,其他情况都称为预测。用以下例子说明多元线性回归的拟合和预测。
对例5.1中的数据,选取“年用电量〞为因变量,“GDP〞、“全社会投资〞两个变量为自变量,用1990-2006年17个样本数据进行多元线性回归得到的回归方程为:;“GDP〞和“全社会投资〞按观测值计算,“年用电量〞的拟合值如下:;;2023年用电量预测值=$A$2+$C$2*C26+$D$2*D26;1990~2006年用电量的拟合值以及2023年的预测值的图形如下:;平稳时间序列预测
如果时间序列的均值保持不变,即数据围绕一条水平线波动,称为平稳时间序列。
平稳时间序列的预测模型有移动平均模型和指数平滑模型。
简单移动平均〔Single Moving Average〕模型
把时间序列x1,x2,x3,x4,x5……中连续k个数据的平均数作为这k个数据后面第一个数据的预测值。例如,对于k=3: ;加权移动平均〔Weighted Moving Average〕模型
对k个数据赋予不同的权重。越近的数据权重越大,越远的数据权重越小。例如,对于k=3,取权重为0.1,0.3,0.6,即:;1978-2005年杭州GDP指数移动平均预测〔k=3和k=5〕;Excel有移动平均预测的菜单工具:“工具数据分析移动平均〞。以表6.4的数据为例,相关操作如下:翻开菜单:“工具数据分析〞:;在“数据分析〞的“分析工具〞窗口中选择“移动平均〞。;输入“输入区域〞、“间隔〞〔即k的数值〕和输出区域,选定“图表输出〞。;得到以下输出结果:;时间序列“GDP指数〞和k=3的移动平均预测值的图形如下:;对于同一时间序列数据,取k=5,用Excel表生成移动平均预测。相应的具体操作如下:输入区域不变,间隔为5,输出区域和第6个输入数据对应,即第一个预测值为y6。;得到以下输出结果:;时间序列“GDP指数〞和k=3、k=5的移动平均预测值的图形如下:;对于k=3,取w1=0.1,w2=0.3,w3=0.6,用加权移动平均对数据进行预测。以上加权移动平均中,最新的数据权重最大,最早的数据权重最小。
计算加权移动平均的Excel表如下:;加权移动平均的图形如下:;简单指数平滑模型〔Single Exponential Smoothing〕
简单指数平滑模型为:;将以下公式中的Ft用Ft-1表示,并再将Ft-1用Ft-2表示,依次进行,得到:;以1978-2005年杭州GDP指数数据为例,对于 ,用指数平滑法对数据进行预测。指数平滑法计算的Excel表如下:;以上预测结果的图形如下:;如果将平滑常数改为α=0.3,得到新的指数平滑预测结果图形如下:;可以看出,随着α的减小,预测结果趋于平缓。因此,如预测需要着重反映历史数据的波动,α应该取得较大,例如α=0.7或0.8,让数据的观测值在下一个预测值中占的比重更大一些。
如不希望预测数据太
文档评论(0)