第四章时间序列分析法ppt课件

1、市场预测与管理决策Forecasting Market and Decision Making冯燕1862 7016 225: 6326 48182本章构造 时间序列分析法的特点与步骤1.简易平均法2.挪动平均法3.指数平滑法4.趋势延伸法5.4.1 定义、特点与步骤什么是时间序列分析法？时间序列分析法的特点：根据过去变化趋势，预测未来开展时间序列数据变动存在着规律性和不规律性撇开市场开展的因果关系时间序列市场预测法的步骤什么是时间序列分析法？时间序列：市场景象的统计目的数值，按时间先后顺序陈列而成的数列。时间序列分析法：分析和研讨，建立预测模型，预测编制时间序列要

2、做到：总体范围一致；代表的时间单位长短一致；统计数值的计算方法和计量单位一致。 Time Series Analysisuse past data to forecast futurepast data should be availableuseful for short termuseful for stable datauseful for forecasting for large number of itemscan not predict turning points (lag effect)时间序列分析法的特点一、前提是假定事物的过去会延续到未来。 未来开展过去历史的简单反复 短

3、期市场预测 中长期市场预测 时间序列分析法的特点二、时间序列数据变动存在着规律性与不规律性 长期趋势变动T 季节变动S 循环变动C 不规那么变动I 乘法模型：时间序列分析法的特点三、撇开因果关系 将一切的影响要素归结到时间这一要素上，只成认一切影响要素的综协作用 时间序列分析法的步骤搜集、整理时间序列，绘制图形对时间序列进展分析选择预测方法，建立预测模型测算预测误差误差度量绝对相对平均平均绝对均方差百分平均百分平均绝对百分4.2 简易平均法简单算术平均法加权平均法几何平均法Example:Forecasting at FastchipsFastchips is a leading produc

4、er of microprocessors.Six months ago, it launched the sales of its latest microprocessor.Month-by-month sales (in thousands) over the initial six months have been172524263028Question: What is the forecast for next months sales?The Last-Value Forecasting MethodThe last-value forecasting method ignore

5、s all data points in a time series except the last one.Forecast = Last valueFastchips: Month-by-month sales (in thousands) over the initial six months:172524263028Forecast = 28Reasonable when conditions tend to change so quickly that sales before the last months are not a reliable of future sales. 简

6、单算术平均法将察看期内预测目的时间序列值加总平均，求得算术平均数，作为下期预测值。时间序列数据方差越小，简单平均数作为预测值的代表性越好。缺陷：一切察看值不论新旧在预测中一概同等对待，这不符合市场开展的实践情况。 The Averaging Forecasting MethodThe averaging forecasting method uses all the data points in the time series and simply averages these points.Forecast = Average of all data to dateFastchips: Mo

7、nth-by-month sales (in thousands) over the initial six months:172524263028Forecast = (17+25+24+26+30+28) / 6 = 25Reasonable when conditions tend to remain so stable that even the earliest sales reliable indicator.加权平均法根据察看值重要性不同对影响大的近期察看值给予较大的权数，对影响小的远期察看值那么给予较小的权数，分别给予相应的权数，再计算加权平均数作为建立预测模型的方法。权数确实

8、定：距预测期的远近，动摇幅度大小缺陷：对于趋势变动明显的时间序列，无论怎样的加大权数， 也跟不上实践值的变动，它小于后期的实践察看值，更不能作为预测值。 几何平均法 计算出一定时期内预测目的时间序列的开展速度或逐期增长率，然后在此根底上进展预测。适用于趋势变动规律表现为开展速度一样的时间序列。4.3 挪动平均法挪动平均法的概念和特点一次挪动平均法加权挪动平均法挪动平均法的概念和特点对时间序列察看值由远到近按一定跨越期计算平均值的预测方法。适宜于既有趋势变动，又有动摇的时间序列。一次挪动平均法由延续挪动构成的各组数据，用算术平均法计算各组数据的挪动平均值。缺陷：只能向未来预测一期对于有明显趋势变

9、动的市场景象时间序列不适宜。由于一次挪动平均值大大滞后于实践察看值。The Moving-Average Forecasting MethodThe moving-average forecasting method averages the data for only the most recent time periods.n = Number of recent periods to consider as relevant for forecastingForecast = Average of last n valuesFastchips: Month-by-month sales

10、(in thousands) over the initial six months:172524263028Forecast (n=3) = (26+30+28) / 3 = 28 17252426302828Forecast (n=3) = (30+28+28) / 3 = 29Reasonable when conditions tend to change occasionally but not extremely rapidly.加权挪动平均法对市场景象察看值按距预测期的远近给予不同的权数，并按其加权计算出挪动平均值。The Weighted Moving-Average Fore

11、casting MethodThe weighted moving-average forecasting method averages the data for only the most recent time periods with weighted.n = Number of recent periods to consider as relevant for forecastingForecast = Weighted Average of last n valuesFastchips: Month-by-month sales (in thousands) over the i

12、nitial six months:172524263028Forecast (n=3, w1=0.2, w2=0.3, w3=0.5) = (26*0.2+30*0.3+28*0.5) = 28.217252426302828.2Forecast (n=3 , w1=0.2, w2=0.3, w3=0.5) = (30*0.2+28*0.3+28.2*0.5) = 28.54.4 指数平滑法指数平滑法的概念和特点一次指数平滑法指数平滑法的概念和特点特殊的加权挪动平均法。特点：离预测期最近的察看值给予最大的权数察看值对预测值的影响由远及近按等比数列减小，其首项是 ，公比为 。预测值可以经过调整

13、 的大小来调理近期察看值和远期察看值对预测值的不同影响程度。 The Exponential Smoothing Forecasting MethodThe exponential smoothing forecasting method places the greatest weight on the last value in the time series and then progressively smaller weights on the older values.Forecast = a (Last value) + (1 a) (Last forecast)a is the

14、 smoothing constant between 0 and 1.The choice of the value of the smoothing constant a has a substantial effect on the forecast.A small value (say, 0.1) if conditions are relatively stable.A larger value (say, 0.5) if significant changes occur frequently.ESFt = Ft-1 + (Dt-1 - Ft-1)Example: = 0.2, L

15、et F1 = 1000F2 = 1000 + 0 = 1000F3 = 1000 + 40 = 1040F4 = 1040 + 172 = 1212F5 = 1212 - 82.4 = 1129.6Periods12345678Actual Demand10001200190080011201350?FtF1F2F3F4F5F6F7F8ESFt = Ft-1 + (Dt-1 - Ft-1)Example: = 0.2, Let F1 = 1000F6 = 1129.6 - 1.92 = 1127.68F7 = 1127.68 -44.46 = 1172.14Similar to weight

16、ed moving average exponentially decreasing weights for all previousperiodsPeriods12345678Actual Demand10001200190080011201350?FtF1F2F3F4F5F6F7F8Forecast ErrorMean Absolute Error (MAE)Root Mean Square Error(RMSE)二次挪动平均法二次挪动平均法是对时间序列一次挪动平均值再进展第二次挪动平均，利用第一次挪动平均值和二次挪动平均值构成时间序列的最后一个数据为根据建立线性模型进展预测。二次挪动平均

17、法二次挪动平均法的特点：二次挪动平均法与一次挪动平均法相比，其优点是大大减少了滞后偏向，使预测准确性提高。二次挪动平均只适用于短期预测，并且时间序列数据呈现线性趋势变化的预测。二次挪动平均法比一次挪动平均法适用面更广，在实际中运用较多。二次挪动平均法例7-4 由于历史数据根本呈线性趋势，且又有动摇，为灵敏反映其变动趋势，挪动平均的跨越期宜短一些，设n=3两次挪动的n应取值一致 1.计算一次和二次挪动平均值一次挪动平均值：二次挪动平均值：2.计算各期a，b 值3.计算察看期内估计值4.运用预测模型计算预测值应该留意的是，察看期内各期估计值的a，b值不同，而在预测期各预测值的a，b值是一致的，即最后一个察看期的a，b值。上例中a