第四章 时间序列平滑预测法.pptVIP

1）一次移动平均法一般只适应于平稳模式，当被预测的变量的基本模式发生变化时，一次移动平均法的适应性比较差。2）一次移动平均法一般只适用于下一时期的预测，即第t+1期的值。3）一次移动平均法预测时只考虑最近N期的数据，而且各个数据的权重相等，把现实简单化了。加权移动平均法虽然弥补了这一不足，但是预测仍然存在滞后性。一次移动平均法应用时应注意第29页，共79页，星期日，2025年，2月5日二、加权移动平均法加权移动平均的原理是，时间序列过去各期的数据信息对预测未来趋势值的作用是不一样的。除了以N为周期的周期性变化外，远离预测期的观测值的影响力相对较低，故应给予较低的权重。第30页，共79页，星期日，2025年，2月5日基本思想：对近期数据给以较大的权重。例如更看重最近发生的事实第31页，共79页，星期日，2025年，2月5日三、趋势（二次）移动平均法（DoubleMovingAverage）简单移动平均法和加权移动平均法，在时间序列没有明显的趋势变动时，能够准确反映实际情况。但当时间序列出现直线增加或减少的变动趋势时，用简单移动平均法和加权移动平均法来预测就会出现滞后偏差，需要进行修正，修正的方法是作二次移动平均。构造二次移动平均数第32页，共79页，星期日，2025年，2月5日设时间序列从t时期开始具有直线趋势，且认为未来时期也按此直线趋势变化，则可设直线趋势预测模型为：T=1，2，……式中：t——当前时期数T——当前时期至预测期的时期数at——对应于当前时期的线性方程的截距系数bt——对应于当前时期的线性方程的斜率系数第33页，共79页，星期日，2025年，2月5日平滑系数的计算公式为;根据上式就可以通过一次移动平均数和二次移动平均数求出线性预测模型的参数，建立线性趋势预测模型。第34页，共79页，星期日，2025年，2月5日例4.2已知某产品前15个月的销售量下表所示。试预测下个月的产品销售量。时间序号t123456789101112131415销售量Xt10158201016182022242026272929有明显的线性趋势，不宜用一次移动平均法预测。利用二次移动平均模型进行预测。预测步骤：选取N作一次移动平均序列作二次移动平均序列建立预测模型进行预测第35页，共79页，星期日，2025年，2月5日（1）N的选取：用对过去数据预测的均方误差S来作为选取N的准则。取N=3.（2）作一次移动平均序列时间序号t123456789101112131415销售量Xt1015820101618202224202627292911.014.312.715.314.718.020.022.022.023.324.327.328.3第36页，共79页，星期日，2025年，2月5日3)作二次移动平均序列时间序号t123456789101112131415销售量Xt1015820101618202224202627292911.014.312.715.314.718.020.022.022.023.324.327.328.312.613.814.416.817.22020.822.423.825.226.2第37页，共79页，星期日，2025年，2月5日（4）建立预测模型当前期的序号为15，将第15期的一次、二次移动平均值代入上式，得得线性预测模型为第38页，共79页，星期日，2025年，2月5日（5）预测求下个月的销售量预测值。下个月的周期序号为16，T=1，于是，第39页，共79页，星期日，2025年，2月5日移动平均法存在的一些问题（1）加大移动平均法的期数（即加大N值）会使平滑波动效果更好，但会使预测值对时间序列数据的实际变动更不敏感；（2）移动平均值并不总是很好地反映出趋势，由于是平均值，预测值总是停留在过去的水平上，从而不能预测将来的波动性；（3）移动平均法还需要有大量过去数据的记录，如果缺少历史数据，移动平均法就无法使用。第40页，共79页，星期日，2025年，2月5日第三节指数平滑法