时间序列分析与预测.ppt

移动平均对数列具有平滑修匀作用，移动项数越多，平滑修匀作用越强；由移动平均数组成的趋势值数列，较原数列的项数少，n为奇数时，趋势值数列首尾各少项；n为偶数时，首尾各少项；局限：不能完整地反映原数列的长期趋势，不便于直接根据修匀后的数列进行预测。移动平均法的特点第86页,共114页，星期六，2024年，5月例题：分析预测我国平板玻璃月产量。下表是我国1980-1981年平板玻璃月产量，试选用N=3和N=5用一次移动平均法进行预测。计算结果列入表中。时间序号实际观测值三个月移动平均值五个月移动平均值1980.11980.21980.31980.41980.51980.61980.71980.81980.91980.101980.111980.12123456789101112203.8214.1229.9223.7220.7198.4207.8228.5206.5226.8247.8259.5---215.9222.6224.8214.6209.0211.6214.3220.6227.0-----218.4217.4216.1215.8212.4213.6223.5第87页,共114页，星期六，2024年，5月二、指数平滑法(exponentialsmoothing)此方法是加权平均的一种特殊形式是对过去的观察值加权平均进行预测的一种方法观察值时间越远，其权数也跟着呈现指数的下降，因而称为指数平滑有一次指数平滑、二次指数平滑、三次指数平滑等一次指数平滑法也可用于对时间序列进行修匀，以消除随机波动，找出序列的变化趋势第88页,共114页，星期六，2024年，5月指数平滑法的基本思想通过指数平滑值消除不规则变动，揭示(预测)现象基本趋势。t期的指数平滑值是在t-1期指数平滑值的基础上加上t期实际观测值与t-1期指数平滑值（作为t期趋势估计值）的误差的一部分组合而成对第t期趋势估计值与第t期实际值的误差由两部分组成：●不规则随机误差●现象从第t-1期到第t期的实质性变化合理估计趋势值要求剔除不规则随机误差，反映实质性变化。误差中属于现象实质性变化部分的比例由平滑系数α决定:α的值越大,误差中现象实质性变化的比例越大α的值取得越小，误差中不规则随机误差所占比例越大第89页,共114页，星期六，2024年，5月一次指数平滑

(singleexponentialsmoothing)只有一个平滑系数观察值离预测时期越久远，权数变得越小以一段时期的预测值与观察值的线性组合作为t+1的预测值，其预测模型为Yt为t期的实际观察值Ft为t期的预测值?为平滑系数(0?1)第90页,共114页，星期六，2024年，5月一次指数平滑在开始计算时，没有第1个时期的预测值F1，通常可以设F1等于1期的实际观察值，即F1=Y1第2期的预测值为第3期的预测值为第4期的预测值为 ……,……第91页,共114页，星期六，2024年，5月一次指数平滑(预测误差)预测精度，用误差均方来衡量Ft+1是t期的预测值Ft加上用?调整的t期的预测误差(Yt-Ft)第92页,共114页，星期六，2024年，5月一次指数平滑(?的确定)不同的?会对预测结果产生不同的影响一般而言，当时间序列有较大的随机波动时，宜选较大的?，以便能很快跟上近期的变化当时间序列比较平稳时，宜选较小的?选择?时，还应考虑预测误差用误差均方来衡量预测误差的大小确定?时，可选择几个?进行预测，然后找出预测误差最小的作为最后的值设n个测量值的误差为E1、E2……En，则这组测量值的标准误差（误差均方）σ等于：其中，E=Xi?T，式中：E－误差；Xi－测定值；T－真实值。第93页,共114页，星期六，2024年，5月一次指数平滑(例题分析)用Excel进行指数平滑预测第1步：选择“工具”下拉菜单第2步：选择“数据分析”选项，并选择“指数平滑”，然后确定第3步：当对话框出现时在“输入区域”中输入数据区域在“阻尼系数”（注意：阻尼系数=1-?）输入1-?的值选择“确定”【例】对居民消费价格指数数据，选择适当的平滑系数?，采用Excel进行指数平滑预测，计算出预测误差，并将原序列