时间序列预测法(PPT 页)

1、第四章 时间序列预测法历史往往重复过去的故事主要内容第一节 时间序列预测综述第二节 平滑预测方法第三节 趋势方程拟合法第四节 季节变动预测法第一节 时间序列预测综述时间序列时间序列 是指同一变量按照发生时间的先后顺序排列起来的一组观察值时间序列预测法时间序列预测法 利用变量本身的历史数据进行预测的方法。通过确定变量的历史模式，并认为在将来这一模式同样有效来推断将来。是连续性原理的直接运用。几个实践案例理解理解预测很容易，谁都可以做。关键的问题是谁做得准，如何评价预测结果很重要。明确数据模式的用处，不同模式使用不同的方法通过误差大小判断预测结果的准确性时间序列预测的步骤时间序列预测的步骤搜集数据

2、 时间序列数据分析数据模式 散点图，定性分析，数据特征分析按照模式进行预测 建立适当的预测模型时间序列基本模式时间序列基本模式长期趋势变动 是指由于某种根本性原因的影响，预测变量在相当长的一段时期内，持续上升或持续下降的变动形态。 分为：水平型模式；趋势型模式季节变动模式 是指由于自然条件、社会条件的影响，预测变量在一年内随季节的转变而引起的周期性波动时间序列基本模式（续）周期变动模式（循环变动模式） 经济周期的变动以及由其所影响的预测变量的变动。（危机、萧条、复苏、高涨） 特点：每次变动周期的长短不同，上下波动幅度也不一致。周期通常在一年以上。不同于季节变动。循环变动是涨落起伏相间的变动，不

3、同于朝单一方向发展的长期趋势。不规则模式 是指由于意外的、偶然性因素引起的，突然的、不规则的、无周期的随机波动。实际时间序列模式分析案例分析一个实际时间序列往往是以上几个模式的综合， 一般来说，事物变动都有长期趋势； 以季月周为时期的时间序列往往包含季节变动； 循环变动周期和幅度都不定,难以辨别； 不规则变动不易测定，把它作为残差处理。实际时间序列由哪几个基本模式组成，要依实际情况而定。时间序列预测举例时间序列预测思路时间序列Y包含以上四种基本模式：T, S, C, I. 乘法型 Y=T*S*C*I 加法型 Y=T+S+C+I 混合型 Y=T*S*C+I预测思路：先求出各个因子，再把各种因子按

4、照上述方式进行组合，得到预测结果。 如先求出长期趋势T，然后用T除时间序列Y，即可得到消除长期趋势影响的时间序列 思考时间序列的基本模式有几种？如何分析时间序列的模式？ 散点图观察分析分析时间序列模式有何作用？ 便于选择预测方法 对学习预测方法的要求对于各种方法，应掌握： 是什么？ 怎么做？ 特点，包括优缺点 适用范围及注意事项第二节第二节 平滑预测法平滑预测法 1.平均法、2.移动平均法、3.指数平滑法。目的都是要“消除”有时间序列的不规则成分引起的随机波动。所以它们被称为平滑方法。1.算术平均法11niinyynniiniiinwwyy111简单算术平均法：加权算术平均法：2.移动平均法1

5、111121112.ttt ktttt kntkyyyykyyyy 简单移动平均法加权移动平均法移动平均法移动平均法使用时间序列中最近几期时期数据的平均数作为下一个时期的预测值 移动平均法举例一次移动平均 移动平均法的使用在预测中适用于：水平型时间序列能较好地修匀历史数据,消除随机波动的影响,揭示变动趋势常用来进行预测，或在统计分析中用于修匀历史数据，揭示变动趋势。移动平均法对时间序列的修匀移动平均法对时间序列的修匀作用4550556005101520253035销售额( 万元)移动平均值k的选取k越大，修匀效果越明显，但反映新变化的效果差，易落后于实际；k越小，适应新变化的能力越强，但对异常

6、数据的敏感性高，容易造成错觉。一般根据经验、具体情况和需要确定，也可进行试算，选择误差较小者。3.指数平滑法是把预测目标的本期实际观察值和本期预测值的加权平均直接作为下期预测值的预测方法。指数平滑值：本期实际观察值和本期预测值的加权平均。111)1 ()1 ()1 (ttttttttttsysyyysyyy加权性质和特点 权数特点：给近期观察值以较大权重，远期观察值以递减权重。克服了移动平均法对远期数据不加权的缺陷。111231230(1)(1)(1)(1)(1)(1). (1)tttttttttttYYYYYYYYYYY 观测值的权重依的不同而不同 初始值S0的设定 11110(1)t1,(

7、1)ttttysyssys当时lS0=y1，当s0影响较小时；lS0=Y1、Y2、Ym的平均（m=3or4or5），历史数据少于15个，S0影响较大时。lS0=所有观察值的平均平滑系数的选择0，1凭经验定，大时，敏感反映新情况；小时，反映长期趋势，可消除季节变动和不规则变动的影响。选择若干做试算，选出误差较小的值。一次指数平滑法举例平滑预测法的特点适应于水平变化水平变化的时间序列的预测。很容易使用，近期预测，精度较高。指数平滑预测法，要求资料少。对大量项目预测时，它是合适的方法。收益管理中的应用案例平滑方法具有消除时间序列不规则变动的作用，常用平滑方法消除随机变动的影响。4.二次移动平均法将一

8、次移动平均值再进行移动平均，利用一次移动平均值和二次移动平均值的滞后偏差演变规律建立模型进行预测的方法。1112111212.221tttkttTttttttttMMMMkyab TaMMbMMk1111.ttt kttyyyMyk 二次移动平均法举例二次移动平均法几点说明适用于： 线性变动趋势的时间序列注意事项： 一次移动平均值和二次移动平均值不能直接用于预测； 移动平均期数应取同一个值。5.二次指数平滑法将一次指数平滑值再进行指数平滑，利用一次指数平滑值和二次指数平滑值的滞后偏差演变规律建立模型进行预测的方法。1 2 1 2 21tTttttttttyab TaSSbSS1111(1)(1

9、)ttttttsYYYYs2121(1)tttSSS 二次指数平滑法举例一次指数平滑值的初始值=二次指数平滑的初始值平滑系数取同一个值二次指数平滑法适用于： 线性变动趋势的时间序列6.Holt6.Holt双双参数指数平滑法参数指数平滑法其中反映长期趋势的公式为：其中反映长期趋势的公式为：反映长期趋势增量的公式为：反映长期趋势增量的公式为：预测模型为：预测模型为：11(1)()ttttTYTb11()(1)ttttbTTbt XttYTb X时间序列案例7.Winters7.Winters的三参数指数平滑法的三参数指数平滑法反映长期趋势的公式：反映长期趋势增量的公式：反映季节变动的公式：预测公式

10、：11(1)()ttttt lYTTbS11()(1)ttttbTTb(1)tttltYSST()t Xttt X lYTb X S航线预测案例Winters法举例050000100000150000200000250000300000350000400000929496980002040608ZZTZZTSM06本节总结平滑预测法 简单算术平均法 加权算术平均法 一次移动平均预测法 一次指数平滑二次移动平均二次指数平滑双参数指数平滑法三参数指数平滑法 第三节第三节 趋势方程拟合法趋势方程拟合法把预测目标的时间序列所揭示的发展变化规律拟合成一个趋势方程，并使用拟合方程进行预测的方法。直线方程拟

11、合法曲线方程拟合法直线方程拟合法直线方程拟合法把具有线性变动趋势的历史时间序列拟合成直线方程进行预测的方法模型：模型识别：散点图呈线性；逐期增长量（一阶差分）大致为常数。直线方程拟合举例tbayt参数求法最小二乘法偏差平方和最小时参数的取值，理论值和观察值之差的平方和最小时a, b的取值。问题转化为：欲使 222()a, 2()( 1)02()()0()tttttttGyybGyabtaGyabttbntytybnttaybt 最小，求的值求得：曲线方程拟合法曲线方程拟合法的步骤：使用散点图分析及定性分析来判别时间序列模式选择合适的曲线模型求解模型参数模型拟合效果分析利用模型进行预测常用曲线模

12、型的判别与估计多项式模型 模型判别方法 参数估计：最小二乘法指数曲线模型 环比发展速度大致接近、 或者散点图呈指数曲线样式 参数估计：对数最小二乘法插入：几何平均预测法 GDP案例2tYabtctttYab11TTTttxx常用曲线模型的判别与估计续简单修正指数曲线 其逐期增长量（一阶差分）按等比级数递减，第一阶差分的环比发展速度近似一个常数，曲线样式 使用三和法求参数。3n个观察值，分为三组，ttYKab10 1tytn 2 21tytnn 32 31tytnn 3221bnyyyy则：2211()(1)nbayyb21321132()111()12nyyybkyanbnyyy ， 常用曲线

13、模型的判别与估计续成长曲线逻辑生长曲线曲线样式倒数三和法龚帕兹曲线曲线样式对数三和法tbtyka( )1tf tkyef(t)1tatkybe若为一次多项式，曲线模型的选择其他曲线：三次曲线模型，幂函数曲线模型，双曲线模型等模型的选择 我国航空运输年度周转量数据分析Excel中的添加趋势线工具 人口及城镇人口变化 GDP的发展变化第四节第四节 季节变动预测法季节变动预测法季节变动的时间序列举例同期预测法，使用同季数据进行预测水平趋势时间序列的季节指数调整法趋势方程拟合配合季节指数调整法三参数指数平滑法温特斯法季节调整数据与时间序列的分解水平趋势季节指数调整法季节指数季节指数是一种以相对数表示的季节变动变化大小的衡量指标，是指各季数值和各季平均值的相对比例。趋势方程拟合配合季节指数调整法某航线各季度航线客运量1、估计的趋势变