时序列预测法.ppt

时序列分析预测法 第一节 概述 第二节 平均预测法 第三节 指数平滑法 第四节 趋势延伸法 第五节 季节变动分析预测法 第一节 概述 一、时间序列预测法 1、时间序列（动态序列或时间数列）——将某个经济变量的观测值，按时间先后顺序排列而形成的一组数据形式。 2、时间序列预测法（趋势外推法）——对某一市场现象编制时间序列，通过统计分析和建立数学模型，使其向外延伸或外推，预计其未来的发展变化趋势，确定市场预测值的方法。 图9-1 历次调查上网计算机总数（万台） 图9-3 历次调查网民婚姻状况分布（%） 3、优缺点 1）优点 查明未来和现在、过去的联系 处理数据资料时，方法较为简单 2）缺点 仅仅反映对象与时间的联系 仅能预测稳定的、在时空方面延续的过程，以及与之相应的趋势 不适合用于长期预测 二、时间序列的数据分布类型 1、长期变动趋势T 长期趋势是指现象在较长时期内的总的变化趋向 按照线性或非线性变动，呈上升趋势；按照线性或非线性变动，呈下降趋势；水平变动趋势 2、季节性变动S 指一年或更短的时间内现象受自然条件和社会因素的影响而引起的周期性变动 3、循环变动C 循环变动是指现象以若干年为周期的变动 4、随机变动I 指受意外和偶然因素影响而引起的无规律可循的变动。 三、预测步骤 1、搜集、整理市场现象的历史资料，5~10年 2、编制时间序列，绘制散点图； 3、选择预测方法，建立预测模型 4、测算预测误差，确定预测结果 第二节 平均预测法 一、观察值预测 Xt＋1＝Xt 二、固定平均数预测 1、用研究期的全部观察值的总平均值作为下一期的预测值。 适应对象：没有明显增加变动趋势的情况。 某企业历年销售额统计数据 2、加权平均数 将时间数列的各个数据看做对预测值有不同的影响程度，分别给各个数据不同的权数，然后计算出加权平均数，将其作为下期预测值。 加权平均法较能真实反映时间序列的规律 三、移动平均数预测 依次取时间序列的N个观察值进行平均，并依次往下移动，得到一个新的平均数序列。以最后一个移动平均数作为预测值的基础来进行预测 (一)简单移动平均 简单移动平均法是直接以最后一次简单算术平均数作为下期预测值的方法。 【例题】某地1990至2009年棉花播种面积统计数据入下表。 现用移动平均法预测2010年的播种面积。 (三)二次移动平均 a2008＝2×101－92.6＝109.4 b2008＝2（101－92.6）÷（5－1）＝4.2 X2008＋T＝ a2008 + b2008×T ＝109.4＋4.2T 所以 X2009＝ X2008＋1 ＝109.4＋4.2×1＝113.6（亩） X2012 ＝ X2008＋4 ＝109.4＋4.2×4＝126.2（亩） 在一个时间数列中，可以用本期与前期观察值的增加量调整本期观察值，作为下期的预测值。 Xt＋1＝ Xt ＋Δt ＝Xt ＋（ Xt － Xt－1 ） ＝2 Xt － Xt－1 假定：下期与本期指标值的增减变动，与本期和前期的增减变动相同。 五、平均增减量预测 用一个时间数列全时期平均增减量作为下期的增减量。 六、增减速度预测 用本期比前期的增长速度调整本期数值，作为下期的预测值。 七、平均发展速度预测 用一个数列全时期的平均发展速度作为下期的发展速度。 第三节 指数平滑预测法 一、指数平滑法 指数平滑法是指通过对预测目标历史统计数列的逐层的平滑计算，消除随机因素造成的影响，找出预测目标的基本变化趋势，并以此预测未来的方法。 二、一次指数平滑法 1、对第t期的预测值和观测值用平滑系数加权平均，算出第t期的平滑值，并以此作为下期预测值。 三、一次指数平滑法的应用 1、初始预测值的确定 如果在平滑开始时，有过去的数据，用这些数据或其中的部分数据的算术平均数做X1(1) 如果没有过去的数据，可采用专家评估法进行估计。 1）样本容量n≥ 50时，直接选第一期的观测值为初始预测值。 2）当10≤ n≤ 50时，选第一期观测值或最初几期的观测值的平均数作为初始预测值。 3）当t10时，可以用最初几期的观测值作为初始预测值 2、平滑系数α（1）的确定 α（1）值越大，则近期资料影响越大； α（1）值越小，则近期资料影响越小。 四、一次指数平滑法的优缺点 优点： 需要的数据精简到最少——上期对本期的预测值 合理加权 调控α（1）可适当控制预测结果的准确性 缺点： 外推预测 逐期预测，不能作远期预测 没有充分考虑时间数列中的长期趋势和季节变动 初始预测值和α（1）的确定存在误差 五、二次指数平滑法 第四节 趋势延伸法 一、趋势延伸法 1、通过建立一定的数学模型，对时间序列拟