時間序列趨勢外推預測_第1頁
時間序列趨勢外推預測_第2頁
時間序列趨勢外推預測_第3頁
時間序列趨勢外推預測_第4頁
時間序列趨勢外推預測_第5頁
已閱讀5頁,還剩34頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

時間序列趨勢外推預測一、概念:時間序列時間序列是指某種經濟統(tǒng)計指標的數(shù)值,按時間先后順序排列起來的數(shù)列。時間序列是時間t的函數(shù),若用Y表示,則有:Y=Y(t)二、時間序列的影響因素一個時間序列是多種因素綜合作用的結果。這些因素可以分為四種:長期趨勢變動季節(jié)變動循環(huán)變動不規(guī)則變動2.循環(huán)變動循環(huán)變動是圍繞于長期趨勢變動周圍的周期性變動。即循環(huán)變動是具有一定周期和振幅的變動。循環(huán)變動是時間的函數(shù),通常用C表示,C=C(t)。4.不規(guī)則變動不規(guī)則變動是指由各種偶然因素引起的隨機性變動。不規(guī)則變動通常用I表示,I=I(t)。四、時間序列預測的步驟時間序列預測的一般步驟是:1.根據已知時間序列,分解各變動因素,并找出其隨時間變動的規(guī)律。2.根據各變動因素的規(guī)律,組合分析,求得時間序列的變動規(guī)律。3.根據時間序列的變動規(guī)律進行預測。一、一次移動平均法設時間序列為:Y1Y2Yt。一次移動平均數(shù)的計算公式為:一次移動平均法預測公式為:即以第t期的一次移動平均數(shù)作為下一期(t+1期)的預測值。均方誤差預測誤差可以通過均方誤差MSE來度量。式中:K——時間序列的項數(shù)表9-1一次移動平均數(shù)計算表單位:件月份數(shù)t實際銷售量Yt一次移動平均數(shù)MtN=3N=5142323583434405444541255274694376429467439742646145285024524669480469473103844554441142743044412446419448二、二次移動平均法當時間序列沒有明顯的趨勢變動時,可以采用一次移動平均法進行短期預測。當時間序列出現(xiàn)線性變動趨勢時,可以采用二次移動平均法進行預測。2.二次移動平均法預測公式若時間序列具有線性趨勢變動,并預測未來亦按此趨勢變動,則可建立線性趨勢預測模型:式中:t——當前時期數(shù)T——當前時期至預測期的時期數(shù)at——對應于當前時期的線性方程的截距系數(shù)bt——對應于當前時期的線性方程的斜率系數(shù)at、bt的估計式由于已知的時間序列具有線性變動規(guī)律,所以有:Why?例9-2:已知某商品連續(xù)12個月的市場需求量如表9-3所示,試用二次移動平均法預測5個月后的市場需求量。(取N=5)表9-3某商品市場需求量單位:千噸時期數(shù)t需求量Yt一次移動平均數(shù)二次移動平均數(shù)150

250

353

456

55954

66256

76559

86862

9716559107468621177716512807468解:分別計算當前時期t=12的一次移動平均數(shù)Mt(1)和二次移動平均數(shù)Mt(2)。得:M12(1)=74,M12(2)=68由式(9-12)、(9-13)得:9-3指數(shù)平滑法移動平均法具有簡便易行的優(yōu)點,但受N的大小影響較大,對于早期的歷史資料較少考慮或根本不加以利用。指數(shù)平滑法改進了這一缺點,它充分利用了歷史資料,又考慮到各期數(shù)據的重要性,是目前應用較為廣泛的預測方法之一。一、一次指數(shù)平滑法1.一次指數(shù)平滑值2.一次指數(shù)平滑法預測模型3.平滑系數(shù)4.初始值的確定1.一次指數(shù)平滑值對一次移動平均數(shù)的遞推公式(9-3)加以改進,用Mt-1(1)代替Yt-N,同時用St(1)表示Mt(1),則:式中:——平滑系數(shù),且01。2.一次指數(shù)平滑法預測模型一次指數(shù)平滑法的預測模型為:由式(9-18)可見,利用一次指數(shù)平滑法進行預測,其值的大小受前一期的觀測值和預測值的影響,這兩部分所占的比重由平滑系數(shù)加以調整。4.初始值的確定式中S0(1)稱為初始值,不能通過式(9-15)求得,一般是事先指定或估計。指定或估計的方法有兩種:當時間序列的項數(shù)較多時,初始值對最終的預測結果影響相對小一些,可以指定第一項的值為初始值,即S0(1)=Y1;當時間序列的項數(shù)較少時,初始值的大小對最終預測結果的影響就不容忽視,通常是選取前幾項的平均值作為初始值。例9-3已知某企業(yè)2000年1至12月利潤額,試取平滑系數(shù)=0.1,0.5,0.9,分別求出該企業(yè)每月利潤的指數(shù)平滑值,并預測2001年1月的利潤額。(指定初始值S0(1)=Y1)

表9-4各月利潤額及指數(shù)平滑值單位:千元月份利潤額指數(shù)平滑值tYta=0.1a=0.5a=0.9151.351.351.351.3235.749.743.537.3327.947.635.728.8432.3463432548.246.241.146.6654.647.147.953.875247.649.952.2847.547.648.748942.34745.542.91045.846.945.745.51143.946.644.844.11247.246.74646.9預測與一次移動平均法類時,一次指數(shù)平滑法僅適用于近期預測。2001年1月的預測值可根據2000年12月的一次指數(shù)平滑值估計。即:當取=0.1時,估計2001年1月的利潤額為46.7(千元);當取=0.5時,估計2001年1月的利潤額為46.0(千元);當取=0.9時,估計2001年1月的利潤額為46.9(千元)。二次指數(shù)平滑值計算式:參照一次指數(shù)平滑值的計算,二次指數(shù)平滑值可采用下式計算:線性趨勢預測模型:若時間序列具有線性趨勢變動,并預測未來亦按此趨勢變動,則可以建立線性趨勢預測模型:at、bt的估計式解:根據式(9-15)計算各一次指數(shù)平滑值列于表9-5的第三列,根據式(9-19)計算各二次指數(shù)平滑值列于表9-5的第四列。表9-5某商品的需求量及指數(shù)平滑值單位:萬噸月份市場需求量一次指數(shù)平滑值二次指數(shù)平滑值tYtSt(1)St(2)150505025250.650.1834749.5249.9845149.9649.9754949.6749.8864849.1749.6775149.7249.6884046.848.8294847.1648.32105248.6148.41115149.3348.68125952.2349.75預測建立二次指數(shù)平滑法預測模型為:預測6個月后的需求量為:三、三次指數(shù)平滑法當時間序列的變動呈現(xiàn)為二次曲線趨勢時,則需要用三次指數(shù)平滑法進行預測。三次指數(shù)平滑法是在二次指數(shù)平滑的基礎上再進行一次指數(shù)平滑。參照一次指數(shù)平滑值和二次指數(shù)平滑值的計算,三次指數(shù)平滑值采用下式計算:at、bt、ct的估計式例9-5某地區(qū)近年來國有企業(yè)固定資產投資總額列于表9-6,試用三次指數(shù)平滑法預測2002年固定資產投資總額。(取=0.3)表9-6固定資產投資總額及指數(shù)平滑值單位:億元年份時期數(shù)投資總額一次指數(shù)平滑值二次指數(shù)平滑值三次指數(shù)平滑值YtYtSt(1)St(2)St(3)1990120.0421.3721.7721.891991220.0620.9821.5321.781992325.7222.421.7921.781993434.6126.0623.0722.171994551.7733.7826.2823.41995655.9240.4230.5325.541996780.6552.4937.1129.0119978131.1176.0748.834.9519989148.5897.8363.5143.52199910162.67117.2879.6454.35200011232.26151.77101.2868.43預測由式(9-24

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論