市场调查与预测（第3版） 课件 第9--11章 时间序列预测方法、 马尔科夫预测方法、 回归分析预测方法.pptx

市场调查与预测;第九章时间序列预测方法;9.1.1时间序列（数据）及分析目的;9.1.2时间序列的分类;9.1.3编制时间序列应遵循的原则;9.1.4时间序列的基本变动趋势;9.2简单平均值预测方法;9.2.1算术平均法

算术平均法，就是以观察期数据之和除以求和时使用的数据个数（或资料期数)，求得平均数。设为n期拟求算术平均数的资料，则算术平均数可依下列公式求得：

;;;;（2）以观察期的同月份平均值作为预测期对应月份的预测值

当时间序列资料在年度内变动显著，或呈季节性变化时，如果用前面方法求得预测值，其精确度难以保证，为提高精确度，可用下面的方法求预测值。

;;由表9-2可以看出，观察期资料在年度内呈现出季节性的波动。

如果再用全期（36个月）平均的方法，就不能显示出不同季节的市场需求变动情况。;9.2.2几何平均法

;例9-3某企业2002～2015年的销售额（单位为万元）资料如表9-4所示，试预测该企业2016年的销售额为多少万元。

;预测步骤如下：

1、以上年度为基期分别求各年的环比指数。

如此类推，求出各年环比指数，见表9-4第（3）列所示。

2、求环比指数的几何平均数，即发展速度。可用三种方法：

（1）直接用所求得的环比指数，求平均发展速度。;（2）采用对数运算，求得环比指数的几何平均数，如表9-4第（4）列。

（3）求环比指数几何平均数的简便算法。若2002年销售额为(基期），……，2015年销售额为(当前期)，那么，其环比指数的几何平均数为

;?;;9.2.3加权平均法

;例9-4某商店2011～2015年的销售额（单位为万元），权数资料如表9-5所示。试用算术平均数、加权平均数方法预测2016年的销售额。

;;9.3移动平均预测方法

;9.3.1一次移动平均法

;;9.3.1.2一次移动平均值的位置;9.3.1.3跨越期间隔数n的确定

;9.3.1.4一次移动平均法预测步骤;;;（4）计算趋势变动值

;在确定预测用的趋势变动值时，可根据该值的情况分别进行处理：

（1）当构成时间序列的各年趋势值变动比较平稳时，可直接用最后一年的趋势变动值进行预测；

（2）当各年趋势变动值变化较大时，可采用算术平均法求平均趋???变动值m，用平均趋势变动值m进行预测。

平均趋势变动值的计算方法为：

;;（5）计算绝对误差、平均绝对误差

绝对误差=∣移动平均值-观察值∣

当n=3时，

1996年绝对误差=∣758.33-825∣=66.67

1997年绝对误差=∣771.67-774∣=2.33

……

其余依此类推。而平均绝对误差计算方法为：

;（6）建立模型求预测值;可以看出，不管是2016年还是2017年，n=5时的预测值都比n=3时的预测值要小，而从表9-6所给出的2015年的实际观察值为4107万元，与n=3时的预测值更为接近，这再次证明前述结论：平均绝对误差值小时对应的跨越期间隔数求得的预测值误差小的结论。;9.3.2二次移动平均法;9.3.2.2二次移动平均值计算方法;;9.3.2.3二次移动平均法预测步骤;;预测步骤如下：

;依此类推，只是每次计算所得的一次移动平均值都置于跨越期期末的位置上（见表9-7第四列），这是与前面的一次移动平均法的不同之处。;

依此类推，每次计算所得的二次移动平均值也置于跨越期期末的位置上（见表9-7第五列）

;（4）建立二次移动平均法预测模型

根据公式（9-20）和（9-21）以及上述已经计算出的最后一项一次移动平均值和二次移动平均值，可计算出模型公式（9-19）中的待定系数。

;

（5）计算预测值

由于二次移动平均法中，一次、二次移动平均值均置于跨越期的最后一期位置上，即最后一期的一次和二次移动平均值在2015年，所以2016年、2017年与2015年的间隔期数T分别为1和2，则2016年和2017年的销售额预测值分别为：;9.4指数平滑预测方法

;9.4.1一次指数平滑法

一次指数平滑法是以一次指数平滑值为基础，确定市场预测值的一种特殊的加权平均法。

;;;;9.4.1.2一次指数平滑法的预测步骤;;;;;;9.4.2二次指数平滑法

;9.4.2.2二次指数平滑值的计算方法

;;9.4.2.3二次指数平滑法预测步骤;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;市场调查与预测;

第十章马尔科夫