时间序列趋势预测法.pptVIP

例5.9：某家用电器厂1985—1995年的利润总额如表5.7所示，试用直观法预测l996、1997年的利润总额各为多少万元?年份8586878889909192939495利润额2003003504005006307007508509501020表5.7某家用电器厂1985—1995年利润额数据表单位：万元第62页，共95页，星期日，2025年，2月5日图5.4直观绘制直线图第63页，共95页，星期日，2025年，2月5日拟合直线方程法模型当时间序列的发展趋势呈线性时，可采用直线趋势模型进行预测。直线趋势模型为：第64页，共95页，星期日，2025年，2月5日特点拟合直线方程的一阶差分为一常数。即：拟合直线对时间序列内各数据不论其远近都同等看待。拟合直线消除了不规则变动因子的影响，反映了预测目标长期发展过程的平均变化趋势。第65页，共95页，星期日，2025年，2月5日方法用最小二乘法建立拟合直线进行预测。图5.5拟合直线方程法原理图第66页，共95页，星期日，2025年，2月5日在拟合直线外推法中自变量t代表时间序列的时间编号。所以，我们可以通过对时间序列的编号技巧使计算过程更加简便。第67页，共95页，星期日，2025年，2月5日例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。观察期9495969798990001020304050607销售额718183908987929610095145105120142表5.3某企业1994-2007的销售额单位：万元第30页，共95页，星期日，2025年，2月5日预测步骤（1）以上年度为基期分别求各年的环比指数。（2）求环比指数的几何平均数，即发展速度。（3）利用平均发展速度进行预测。或第31页，共95页，星期日，2025年，2月5日观察期实际销售额环比指数（x）lgx199471.00199581.00114.002.057199683.00102.002.011199790.00108.002.035199889.0099.001.995199987.0098.001.990200092.00106.002.024200196.00104.002.0182002100.00104.002.018200395.0095.001.9782004145.00153.002.1842005105.0072.001.8602006120.00114.002.0582007142.00118.002.073Σ/n2.023表5.4年销售额及几何发展速度单位：万元第32页，共95页，星期日，2025年，2月5日三、加权平均法加权平均法，就是在求平均数时，根据观察期各资料重要性的不同，分别给以不同的杖数后加以平均的方法。其特点是：所求得的平均数，已包含了长期趋势变动。公式：第33页，共95页，星期日，2025年，2月5日例5.4观察期销售额xi权数wixiwi2003401402004602120200555316520067543002007855425Σ315151050表5.5某商店2003—2007年销售额及加权值单位：万元第34页，共95页，星期日，2025年，2月5日很显然，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35页，共95页，星期日，2025年，2月5日第三节

移动平均法第36页，共95页，星期日，2025年，2月5日移动平均法是将观察期的数据，按时间先后顺序排列，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。第37页，共95页，星期日，2025年，2月5日移动平均法简单移动平均法加权移动平均法一次移动平均法多次移动平均法第38页，共95页，星期日，2025年，2月5日一、一次移动平均法（一）一次移动平均法原理第39页，共95页，星期日，2025年，2月5日例：当n