Winters模型介绍_精品文档.xlsxVIP

1.Winters模型介绍

1）概念

如果数据是平稳或水平型的，则滑动平均或一次指数平滑法是合适的；若数据中表现出线性趋势，则二次滑动平均或二次指数平滑的线性模型即可处理；但是，若数据中隐藏着季节成分，则上述方法就无能为力了。但是，著名的Winters方法可直接处理兼有趋势成分和季节成分的数据。其基本思想是把这种时间序列中的水平因素、趋势因素和季节因素从中分离出来，然后再综合起来进行预测。

Winters方法由下述几个部分构成：

St=αYt/It-p+（1-α）（St-1+bt-1）(整体平滑)（2-10）

bt=γ(St-St-1)+(1-γ)bt-1（趋势平滑）(2-11)

It=βYt/St+（1-β）It-p(季节平滑)（2-12）

Yt+m=（St+btm）It-p+m(预测)（2-13）

此处，P有季节长度，α，β和γ均为（0，1）中的平滑常数。由式（2-13）可以看出，未来的预测值是一个线性趋势和季节因子的乘积。

为了应用Winters方法进行预测，必须事先获得至少两的周期内的所有观测值

Y1，Y2，Y3…，Yp，Yp+1，…，Y2p

才能得到上述递推公式中的St-1,bt-1,It-p。然后才可根据取定的平滑参数α，β和γ，对St,bt,It进行调整，或直接对第三周期内的各期值进行初步预测。Winters方法的实施过程如下：

⑴计算前两个周期的期内均值

M1=∑Yi/P，M2=∑Yp+i/P(2-14)

⑵计算两周期之间的平均增量

bo=(M2-M1)/P(2-15)

⑶计算初始平滑值

S0=M2+(P-1)b0/2(2-16)

⑷计算前两个周期内各期的季节因子

It′=Yt/[M1-（（P+1）/2–t）b0]，

Ip+t′=Yp+t/[M2-（（P+1）/2–t）b0]，(t=1,2,…，P)（2-17）

⑸求两周期各季节因子的均值

Ip+t″=（It′+Ip+t′）/2(2-18)

⑹进行初估季节因子的归一化处理

Ip+t=（Ip+t″/∑i=1Ip+t″）P(t=1,2,…，p)(2-19)

⑺进行第三周期内各期值的初步预测

Yt+m=（S0+b0m）It-p+m(2-20)

其中t=2p，m=1,2,…,p，从而它表示p个预测值Y2p+1，Y2p+2，Y2p+3…，Y3p

⑻随着时间的推移，必然会得到新的观测值Yt（t=2p+1,2p+2,……）。于是可令St-1=S0，bt-1=bo，It-p=It-p,利用式（2-10）--（2-12）对St，bt和It进行更新。因此，如果在上一步不做全周期内各期值的预测，就可以利用的St，bt和It更新值进行下一期的预测。这样作的预测效果一般会好些。

⑼待下一个周期内的p个因子全部更新后，重复第⑹步，作归一化处理，作为下一周期预测时的季节因子。

2）参数说明

衰减因子：表示以前历史数据变化趋势对预测的影响，如果历史数据增长较快，即衰减较小，因子取值适当调高；反之适当调低。选择项中值10～值100分别表示10％～100％，一般取值为90％。

结果因子：表示一种对预测的结果调整，效果是对预测结果加上适当的调节，可结合经验用于对结果校正。

2.

一元线性回归

1）概念

任何事物都不可能孤立地存在，其变化和发展往往会受到许多因素地制约或影响。例如，商品地需求量取决于消费者地可支配收入、商品地价格和其代用品地价格；生产费用由所生产的产品数量及各种投入要素的单位成本构成；产品的产量取决于投入的资金、劳力、各种原材料乃至市场的需求，等等。如果能对其间的因果关系进行定量描述，自然是最具有吸引力的。所谓因果关系模型正是