时间序列预测法11.doc

第十一章 时间序列预测法 定量预测方法： 定量预测对所占有的资料和数据主要采用数学统计分析方法，因此定量预测又叫做统计预测。 定量预测法要求有充分的关于预测目标的历史资料，并且在保证对预测目标有明显影响作用的各种因素、特征值保持相对稳定的前提下，获得比较满意的预测结果。 定量分析的种类： 时间序列预测法 因果关系预测法 时间序列预测法： 时间序列各数据之间的时间间隔应保持一致。 时间序列反映的是某一类经济现象随时间而发展变化，但这种变化是由众多因素共同作用的结果，不同因素的作用不同，形成的结果相应也不同，形成的时间数列呈现出来的变动趋势也不可能完全一致，通常情况下，时间数列变动一般可以分解为几种形式： 长期趋势变动 季节趋势变动 循环变动 不规则变动 平均预测法： 简单算术平均法 加权算术平均法 增长量平均法 发展速度平均法（几何平均法） 移动平均法 简单算术平均法 某百货公司一柜台2003年下半年的销售额分别为18、17、19、20、17、19万元，试预测2004年一月分该柜台的销售额。 月份 7 8 9 10 11 12 预测值 销售额 18 17 19 20 17 19 Y=（18+17+19+20+17+19）/6=18.33(万元) Y=（20+17+19）/3=18.667(万元) 结论： 观察期不同，预测值不同；时间序列数据变化小，观察期可以短些，时间序列数据变化大，观察期应长些。 此法简便、灵活迅速、花费少。一般适用于短期或近期预测。当对预测值的精度要求不高，且预测时间较短时，常常使用此法。 当时间序列有较大或较少的不均衡数据时，用简单算术平均数代替预测值，其代表性会受到影响。 加权算术平均法：（见P197） 权数的确定： 此法的关键是确定权数，权数的确定是个人经验的判断。一般而言，离预测期越近的数据对预测值影响越大，应确定较大的权数；离预测期越远的数据，对预测值的影响越小，应确定较小的权数。 当时间序列数据变动幅度较大时，可由远及近选取等比数列作为权数。 当时间序列数据变动幅度较小时，可由远及近选取等差数列作为权数。 结论： 简单算术平均法将时间序列各数据对预测值的影响视为相同，对于较稳定的时间序列，其预测值较准确。 加权算术平均法把观察期内的各数据予以不同程度的重视，考虑了预测目标随时间变化呈现出的长期发展趋势。因此，当时间序列各数据呈现长期发展趋势或历史数据随时间变化有周期性规律时，“加权平均”优于“简单平均”。 权数不能相等，如果权数相等就是“简单平均”了。 增长量平均法 适用范围：观察期数列呈稳步增长，预测结果较好；观察期数列增长极不稳定，预测结果稍差；观察期数列其中一个下跌，不宜用此法。通常预测值比实际值偏高。 案例P198 某企业近几年产品销售利润表 年份 年销售利润 逐期增长量 趋势值 1995 410 ------------- ---------- 1996 470 60 475.83 1997 535 65 541.67 1998 600 65 607.50 1999 670 70 673.33 2000 735 65 739.17 2001 805 70 805.00 ？ 几何平均法P199 案例 某旅行社近几年接待游客人数资料 年份 游客人数Y 环比发展速度G 趋势值 1995 4820 1996 5400 112.03 5396 1997 6030 111.67 6041 1998 6750 111.94 6763 1999 7570 112.15 7571 2000 8480 112.02 8476 2001 9490 111.91 9488 总结： 几何平均法比增长量平均法计算更复杂，但准确率更高，尤其适合中长期预测。 移动平均法P193——194 案例 某市1992——2001的人均粮食需求量资料 年份 粮食需求量 N=3 误差 N=5 误差 1992 206 1993 214 1994 208 209.33 1995 220 214.00 1996 230 219.33 215.6 1997 212 220.67 216.8 1998 202 214.67 214.4 1999 210 208.00 214.8 2000 218 210.00 214.4 2001 206 211.33 209.6 总结： N取值不同，预测值也不同。 如果时间序列观察值越多，则时间序列具有较明显的长期变动趋势，N的取值应大些。 如果时间序列各个观察值具有周期性波动，可将时间序列的循环周期作为N的取值。 在实际的预测中，考虑到预测精