时间序剖析预测法.ppt

第九章时间序列分析预测法 时间序列分析概念 ■移动平均法概念与应用 ■指数平滑法概念与应用 马尔可夫预测法与季节分析预测法概念与应用 定量预测概述 定量预测又称数学模型预测法。它是运用 定的统计和数学方法,通过建立数学分 析模型来描述和预测事物变化发展规律的 一种预测方法 ■因此有两个明显的特点:受人的主观因素 钐响较小,结果比较客观;对数据的要求 预测者专业能力的要求比较高 由时间序列预测方法和回归分析预测方法 两大类组成。 算术平均预测(简单、移动、指数平滑 时间序季节分析预测(水平、趋势变动) 预测法 马尔可夫预测(市场占有率预测) 定量预测 趋势预测(直线拟合、指数曲线拟合) 方法 元线型回归预测 多元线型回归预测 回归分析 预测法 非线性回归预测 自相关回归预测 9.1时间序列预测法概述 最早的时间序列分析可以追溯到700年前的古埃 及。古埃及人把尼罗河涨落的情况逐天记录下来, 就构成所谓的时间序列。对这个时间序列长期的 观察使他们发现尼罗河的涨落非常有规律。由于 掌握了尼罗河泛滥的规律,使得古埃及的农业迅 速发展,从而创建了埃及灿烂的史前文明。 按照时间的顺序把随机事件变化发展的过程记录 下来就构成了一个时间序列。对时间序列进行观 察、研究,找寻它变化发展的规律,预测它将来 的走势就是时间序列分析 时间序列预测方法,是把统计资料按时间发生的 先后进行排序得出的一连串数据,利用该数据序 列外推到预测对象未来的发展趋势。一般可分为 确定性时间序列预测法和随机时间序列预测法。 确定性时间序列法有:移动平均法、指数平滑法、 差分指数平滑法、自适应过漶法、直线模型预测 法、成长曲线模型预测和季节变动预测法等等 随机时间序列是通过建立随机时间序列模型来预 测,方法和数据要求都很高,精度也很高,应用 非常广泛。 时间序列预测法的优缺 优点 在分析现在、过去、未来的联系时,以及未来 的结果与过去、现在的各种因素之间的关系时, 效果比较好。 数据处理时,并不十分复杂 缺点 反映了对象线性的、单向的联系 预测稳定的、在时间方面稳定延续的过程 并不适合进行长期预测 9.2移动平均预测法 ■9.2.1算术平均数法( Method of Simple Average) 大前前昨今明 已知 未知 ■预测模型 (=1,2,3,A,n) 适用范围 测对象的历史数据呈水平型变动状态,逐期增长量大体 同的情况; 短期预测; 可推广应用趋势型变动的历史数据 案例 1999~2006年我国水电消费量在能源消费总量中所占的比 重如下表所示,使用算术平均法预测2007年水电消费量 在能源消费总量中所占的比重。 年份19920002001200 2006 比重o)4.9514849 5.9 解:根据预测模型 x,=49+51+48+49+52+57+61+59 42.6 5.3% 即我国2007年水电消费在能源消费总量中所占比重为5.3% 9.2.2简单移动平均预测 移动平均预测( Method of Sing le Moving Average)是 利用过去若干期实际的平均值,来预测当期的值。方法上 与算术平均法类似。 ■比如,199219%6年我国市镇人口在总人口所占的比重如 表所示,试推广应用移动平均法预测1997年我国市镇人口 在总人口中所占的比重 1993 1994 比重(∞o)27.6328.142862290429.37 199219%6年市镇人口在总人口中所占比重分别为27.63% 8.14%、28.62%、29.04%和29.37%,平均比重为 x,=2763+28.14+2862+2904+20937 则1997年市镇人口在总人口中所占比重为:28.56% 一般可以通过比较预测均方差(MSE)和绝 对均差(MAE),来分析预测的误差。 简单移动平均预测的明显缺点是:它假设 平均数内的各项观察值对于未来都具有相 同的影响,但一般在实际中,往往是越接 近预测期的观察值对未来的影响越大,因 此又有其它方法来修正。