第十五章 时间序列.pptVIP

二次移动平均法局限适用于：线性变动趋势的时间序列预测T=1时，可用于非线性变动趋势的预测,但有滞后注意事项：移动平均期数应取同一个值。实际应用中多用二次指数平滑法第29页，共47页，星期日，2025年，2月5日3、指数平滑法移动平均法忽略了t-n以前的观测值。指数平滑值：本期实际观察值和本期预测值的加权平均。一次指数平滑预测，是把预测目标的本期实际观察值和本期预测值的加权平均直接作为下期预测值的预测方法。第30页，共47页，星期日，2025年，2月5日α[0，1]第31页，共47页，星期日，2025年，2月5日加权性质和特点α[0，1]第32页，共47页，星期日，2025年，2月5日实质上是预测对象的所有历史数据的加权平均数，其权数是一个等比数列，是一种指数形式的权数，指数平滑法的名称由此而来。权数特点：给近期观察值以较大权重，远期观察值以递减权重。克服了移动平均法对远期数据不加权的缺陷。第33页，共47页，星期日，2025年，2月5日第1页，共47页，星期日，2025年，2月5日一、含义1、时间序列：时间序列是指同一变量的历史数据按照发生时间的先后顺序排列起来的一组观察值，如某超市每周的销售额数据。它反应出经济现象的变动规律：过程、方向、趋势等第2页，共47页，星期日，2025年，2月5日2、时间序列分析预测时间序列预测假定销售额是时间的函数，根据该时间序列本身的变化模式（即所反映出该销售额的发展过程、方向、趋势），将其外推或延伸，以预测该销售额在未来可能达到的水平。它是连续性预测原理的直接应用。第3页，共47页，星期日，2025年，2月5日二、时间序列构成因素每个时间序列是由多种因素共同作用形成的，正是这些因素的共同作用，才使得时间序列表现出其外在的趋势等特征。反之，也可以将一个时间序列分解成几个变动因素。构成时间序列的因素按照性质分类可以分为以下四种：第4页，共47页，星期日，2025年，2月5日长期趋势因素（T)、季节变动因素、(S)循环变动因素、(C)随机和偶发的不规则变动因素:(I)第5页，共47页，星期日，2025年，2月5日1、长期趋势变动（T)、是指由于某种根本性原因的影响，预测变量在相当长的一段时期内，持续上升或持续下降的变动形态。分为：直线型趋势变动：水平变动、增减变动曲线型趋势变动第6页，共47页，星期日，2025年，2月5日2、季节变动因素、(S)是指由于自然条件、社会条件的影响，预测变量在一年内随季节的转变而引起的周期性波动第7页，共47页，星期日，2025年，2月5日3、周期变动因素（循环变动）C经济周期的变动以及由其所影响的预测变量的变动。（危机、萧条、复苏、高涨）特点：每次变动周期的长短不同，上下波动幅度也不一致。周期通常在一年以上。不同于季节变动。循环变动是涨落起伏相间的变动，不同于朝单一方向发展的长期趋势。第8页，共47页，星期日，2025年，2月5日4、不规则变动I剔除趋势变动、季节变动、循环变动之后的剩余变动。是指由于意外的、偶然性因素引起的，突然的、不规则的、无周期的随机波动。第9页，共47页，星期日，2025年，2月5日三、传统时间序列分析的基本假设乘法型Y=T*S*C*I加法型Y=T+S+C+I混合型Y=T*S+C*I第10页，共47页，星期日，2025年，2月5日四、常用时间序列预测方法1、长期趋势预测：直线、曲线2、季节变动预测3、循环变动预测第11页，共47页，星期日，2025年，2月5日（一）长期趋势预测常用的较简便方法有：平均数法、移动平均法、指数平滑法、直线趋势法、第12页，共47页，星期日，2025年，2月5日1、算术平均数法简单平均：以前n期的算术均值，作为第n+1期的预测值。第13页，共47页，星期日，2025年，2月5日加权平均：根据各期数据的重要程度分别给予不同的权值之后平均，作为下一期的预测值。一般近期的权值重，远期的权值轻，以增强预测值的随动性。第14页，共47页，星期日，2025年，2月5日2、移动平均法移动平均法：使用时间序列中最近几期时期数据的平均数作为下一个时期的预测值第15页，共47页，星期日，2025年，2月5日第16页，共47页，星期日，2025年，2月5日注意：分母是对权求和第17页，共47页，星期日，2025年，2月5日移动平均法举例第18页，共47页，星期日，2025年，2月5日实际值和预测值比较第19页，共47页，星期日，2025年，2月5日一次移动平均法在预测中适用于：水平型时间序列能较好地修匀历