时间序列趋势外推预测1

《时间序列趋势外推预测1》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、7.1时间序列具有水平趋势的外推预测法7.2一次移动平均法和一次指数平滑法7.3线性二次移动平均法7.4线性二次指数平滑法7.5序列有线性趋势和季节波动的外推预测法7.6不同的滑动平均方法及其在趋势外推预测中的应用7.7温特线性和季节性指数平滑法第7章时间序列趋势外推预测法7.1样本序列具有水平趋势的外推预测一、朴素预测法或者优点：简单方便；成本低。缺点：未能充分利用历史信息，易受随机波动影响。二、平均数预测法相对于朴素预测法来说，有更高的精度，克服了易受随机干扰的影响，能充分利用历史信息。三、常数均值模型且相互独立。1.已知预测误差为即为无偏预测。2.未知预测误差同样是无偏的，

2、且预测误差的方差为用最小二乘估计法得到故预测公式为四、预测校正设现有样本序列，要增加观测值，则预测值变为也可表示成预测误差修正系数7.2一次移动平均法和一次指数平滑法一、一次移动平均法一次移动平均方法是收集一组观察值，计算这组观察值的均值，利用这一均值作为下一期的预测值。在移动平均值的计算中包括的过去观察值的实际个数，必须一开始就明确规定。每出现一个新观察值，就要从移动平均中减去一个最早观察值，再加上一个最新观察值，计算移动平均值，这一新的移动平均值就作为下一期的预测值。（1）移动平均法有两种极端情况在移动平均值的计算中包括的过去观察值的实际个数N=1，这时利用最新的观察值作为下

3、一期的预测值；N=n，这时利用全部n个观察值的算术平均值作为预测值。当数据的随机因素较大时，宜选用较大的N，这样有利于较大限度地平滑由随机性所带来的严重偏差；反之，当数据的随机因素较小时，宜选用较小的N，这有利于跟踪数据的变化，并且预测值滞后的期数也少。由移动平均法计算公式可以看出，每一新预测值是对前一移动平均预测值的修正，N越大平滑效果愈好。设时间序列为,移动平均法可以表示为：式中：为最新观察值；为下一期预测值；（2）移动平均法的优点计算量少；移动平均线能较好地反映时间序列的趋势及其变化。（3）移动平均法的两个主要限制限制一：计算移动平均必须具有N个过去观察值，当需要预测大量的

4、数值时，就必须存储大量数据；限制二：N个过去观察值中每一个权数都相等，而早于（t-N+1）期的观察值的权数等于0，而实际上往往是最新观察值包含更多信息，应具有更大权重。•例1分析预测我国平板玻璃月产量。时间实际观测值三个月移动平均值五个月移动平均值123456789101112203.8214.1229.9223.7220.7198.4207.8228.5206.5226.8247.8259.5---215.9222.6224.8214.6209.0211.6214.3220.6227.0-----218.4217.4216.1215.8212.4213.6223.5下表是我国某

5、年平板玻璃月产量，试选用N=3和N=5用一次移动平均法进行预测。计算结果列入表中。二、一次指数平滑法一次指数平滑法是利用前一期的预测值代替得到预测的通式，即：或一次指数平滑法是一种加权预测，权数为α。它既不需要存储全部历史数据，也不需要存储一组数据，从而可以大大减少数据存储问题，甚至有时只需一个最新观察值、最新预测值和α值，就可以进行预测。它提供的预测值是前一期预测值加上前期预测值中产生的误差的修正值。由一次指数平滑法的通式可见：一次指数平滑法的初值的确定有几种方法：取第一期的实际值为初值；取最初几期的平均值为初值；取的反向预测值，即运用反向平滑公式若序列长度充分大，则初始值可任

6、意确定。一次指数平滑法比较简单，但也有问题。问题之一便是力图找到最佳的值，以使均方差最小，这需要通过反复试验确定。直观法/主观法；序列变化缓慢，用较小的，否则用较大的。模拟法/客观法；具体操作方法：穷举法和0.618法。•例2利用下表数据运用一次指数平滑法对1981年1月我国平板玻璃月产量进行预测（取=0.3，0.5，0.7）。并计算均方误差选择使其最小的进行预测。拟选用试预测。结果列入下表：时间序号实际观测值指数平滑法123456789101112123456789101112203.8214.1229.9223.7220.7198.4207.8228.5206.5226.82

7、47.8259.5—203.8206.9213.8216.8218.0212.1210.8216.1213.2217.3226.5—203.8209.0230.0226.9223.8211.1209.5219.0212.8219.8233.8—203.8211.0224.2223.9221.7205.4207.1222.1211.2222.1240.1α=0.3，α=0.5，α=0.7时，均方误差分别为：MSE=287.1MSE=297.43MSE=233.36因此可选α=0.7