应用Excel进行时间序列分析

数据预测分析的两个主要方面：时间序列预测回归分析预测第1页/共56页第一页，共57页。内容简介时间序列的概念和组成时间序列预测的步骤衡量预测准确性的指标移动平均模型和指数平滑模型趋势预测模型季节指数模型第2页/共56页第二页，共57页。一、时间序列预测概述

1.时间序列时间序列就是一个变量在一定时间段内不同时间点上观测值的集合。这些观测值是按时间顺序排列的，时间点之间的间隔是相等的。可以是年、季度、月、周、日或其它时间段。常见的时间序列有：按年、季度、月、周、日统计的商品销量、销售额或库存量，按年统计的一个省市或国家的国民生产总值、人口出生率等。第3页/共56页第三页，共57页。第4页/共56页第四页，共57页。一、时间序列预测概述2.时间序列预测方法定性分析方法定量分析方法外推法：找出时间序列观测值中的变化规律与趋势，然后通过对这些规律或趋势的外推来确定未来的预测值。包括：移动平均和指数平滑法趋势预测法季节指数法因果法：寻找时间序列因变量观测值与自变量观测值之间的函数依赖关系（因果关系/回归分析），然后利用这种函数关系和自变量的预计值来确定因变量的预测值。第5页/共56页第五页，共57页。一、时间序列预测概述无趋势线性趋势非线性趋势季节成分3.时间序列成分趋势成分：显示一个时间序列在较长时期的变化趋势季节成分：反映时间序列在一年中有规律的变化循环成分：反映时间序列在超过一年的时间内有规律的变化不规则成分：不能归因于上述三种成分的时间序列的变化第6页/共56页第六页，共57页。二、时间序列的预测步骤

第一步，确定时间序列的类型

即分析时间序列的组成成分（趋势成分/季节成分/循环成分）。第二步，选择合适的方法建立预测模型

如果时间序列没有趋势和季节成分，可选择移动平均或指数平滑法如果时间序列含有趋势成分，可选择趋势预测法如果时间序列含有季节成分，可选择季节指数法第三步，评价模型准确性，确定最优模型参数

第四步，按要求进行预测第7页/共56页第七页，共57页。三、移动平均模型和指数平滑模型

适用于围绕一个稳定水平上下波动的时间序列。1.移动平均模型利用平均使各个时间点上的观测值中的随机因素互相抵消掉，以获得关于稳定水平的预测将包括当前时刻在内的N个时间点上的观测值的平均值作为对于下一时刻的预测值（N应选择得使MSE极小化）第8页/共56页第八页，共57页。【例1】某汽油批发商在过去12周内汽油的销售数量如表所示：试在Excel工作表中建立一个移动平均预测模型来预测第13周的汽油销量。实例：移动平均模型第9页/共56页第九页，共57页。三、移动平均模型和指数平滑模型第10页/共56页第十页，共57页。三、移动平均模型和指数平滑模型2.指数平滑模型（改进移动平均预测模型），将计算平均值时对于不同时期观测值的权数设置得不同：近期的权数较大，远期的权数较小第11页/共56页第十一页，共57页。三、移动平均模型和指数平滑模型指数平滑的叠代算法时间序列观测值时间序列预测值时间序列观测值时间序列预测值第12页/共56页第十二页，共57页。【例2】利用例1的数据在Excel工作表中建立一个指数平滑预测模型来预测第13周的汽油销量。实例：指数平滑模型第13页/共56页第十三页，共57页。实例：

使用控件求解最优跨度和最优平滑指数【例4/例5】利用例1的数据在Excel工作表中建立一个利用函数和控件来控制移动跨度、平滑指数的移动平均模型和指数平滑预测模型来预测第13周的汽油销量。试探索共有几种利用MSE求最优跨度和平滑系数的途径？第14页/共56页第十四页，共57页。四、趋势预测模型

对于含有线性趋势成分的时间序列，可以将预测变量在每一个时期的值和其对应时期之间的线性依赖关系表示为：利用使均方误差MSE极小的原则确定系数a与b，就可得到直线趋势方程。以此求得每一个Xi所对应的预测值:第15页/共56页第十五页，共57页。四、趋势预测模型求解a和b的三种方法：利用Excel内建函数INTERCEPT()和SLOPE()利用数组函数LINEST()利用规划求解工具求解预测值的四种方法：利用线性趋势方程直接计算利用Excel内建函数TREND()利用Excel内建函数FORECAST()用特殊方法拖动观测值所在范围第16页/共56页第十六页，共57页。实例：趋势预测模型【例3】针对NorthwindTraders公司月销售额时间序列，建立趋势预测模型，并预测该公司未来3个月的销售额。

第17页/共56页第十七页，共57页。五、Holt模型第18页/共56页第十八页，共57页。实例：Holt预测模型【例6】某商场两年内各个月份的空调机销售额数据如下表所示。假定商场空调机前年最后一个月的销售额为42，前年销售额的平均月增长幅度为2.93。试建立一个Holt模型对商场未来的销售额进行预测。月份144月份757月份1379月份1996月份248月份867月份1482月份20100月份351月份972月份1580月份21100月份452月份1068月份1685月份22105月份558月份1172月份1794月份23110月份655月份1269月份1889月份24111商场各个月份空调销售额第19页/共56页第十九页，共57页。六、季节指数模型对于既含有线性趋势成分又含有季节成分的时间序列，须对其成分进行分解，这种分解建立在以下乘法模型的基础上：其中，Tt表示趋势成分，St表示季节成分，It表示不规则成分。由于不规则成分的不可预测，因此预测值就可表示为趋势成分和季节成分的乘积。第20页/共56页第二十页，共57页。六、季节指数模型建立季节指数模型的一般步骤：第一步，计算每一季（每季度，每月等等）的季节指数St

。第二步，用时间序列的每一个观测值除以适当的季节指数，消除季节影响。第三步，为消除了季节影响的时间序列建立适当的趋势模型并用这个模型进行预测。第四步，用预测值乘以季节指数，计算出最终的带季节影响的预测值。

第21页/共56页第二十一页，共57页。实例：季节指数模型【例7】某工厂过去4年的空调机销量如下表所示，这些数据有明显的季节性波动，试建立一个季节指数模型来预测第5年每个季度的空调机销量。

四年内每季度的电视机销量表

第22页/共56页第二十二页，共57页。实例：季节指数模型第23页/共56页第二十三页，共57页。实例：季节指数模型【例8】某工厂过去四个5年的纳税情况如右表所示，这些数据有明显的季节性波动，试建立一个季节指数模型来预测下一个5年的纳税情况。周期年纳税额(万元)119864.819874.119885.61989619906.5219915.819925.219936.419946.819957.431996619975.619987.119997.520007.8420016.320025.920037.52004820058.4第24页/共56页第二十四页，共57页。本章小结本章重点是时间序列的四种EXCEL工作表预测模型移动平均模型指数平滑模型趋势预测模型季节指数模型主要函数和EXCEL技术OFFSET()、SUMXMY2()、INDEX()、MATCH()、INTERCEPT()、SLOPE()、LINEST()、TREND()、FORECAST()

“规划求解”工具、“数据分析”工具、可调图形的制作

第25页/共56页第二十五页，共57页。26应用Excel进行时间序列分析第26页/共56页第二十六页，共57页。zfzf重点1、Excel进行移动平均分析的操作步骤2、Excel进行指数平滑分析的操作步骤3、Excel进行趋势外推预测法的操作步骤4、Excel进行时间序列分解法的操作步骤第27页/共56页第二十七页，共57页。28

移动平均法是一种简单平滑预测技术，它的基本思想是：根据时间序列资料、逐项推移，依次计算包含一定项数的序时平均值，以反映长期趋势的方法。因此，当时间序列的数值由于受周期变动和随机波动的影响，起伏较大，不易显示出事件的发展趋势时，使用移动平均法可以消除这些因素的影响，显示出事件的发展方向与趋势（即趋势线），然后依趋势线分析预测序列的长期趋势。第28页/共56页第二十八页，共57页。29§1

Excel进行移动平均分析的操作步骤简单移动平均法

公式表明当t向前移动一个时期，就增加一个新近数据，去掉一个远期数据，得到一个新的平均数。由于它不断地“吐故纳新”，逐期向前移动，所以称为移动平均法。

由于移动平均可以平滑数据，消除周期变动和不规则变动的影响，使得长期趋势显示出来，因而可以用于预测。其预测公式为：

即以第t周期的一次移动平均数作为第t+1周期的预测值。

第29页/共56页第二十九页，共57页。30趋势移动平均法(线性二次移动平均法)

当时间序列没有明显的趋势变动时，使用一次移动平均就能够准确地反映实际情况，直接用第t周期的一次移动平均数就可预测第t+1周期之值。但当时间序列出现线性变动趋势时，用一次移动平均数来预测就会出现滞后偏差。因此，需要进行修正，修正的方法是在一次移动平均的基础上再做二次移动平均，利用移动平均滞后偏差的规律找出曲线的发展方向和发展趋势，然后才建立直线趋势的预测模型。故称为趋势移动平均法。

第30页/共56页第三十页，共57页。31

应用举例

已知某商场1978～1998年的年销售额如下表所示，试预测1999年该商场的年销售额。

年份

销售额

年份

销售额

1978

32

1989

76

1979

41

1990

73

1980

48

1991

79

1981

53

1992

84

1982

51

1993

86

1983

58

1994

87

1984

57

1995

92

1985

64

1996

95

1986

69

1997

101

1987

67

1998

107

1988

69

第31页/共56页第三十一页，共57页。32下面使用移动平均工具进行预测，具体操作步骤如下：

1.选择工具菜单中的数据分析命令，此时弹出数据分析对话框。

在分析工具列表框中，选择移动平均工具。

下面使用移动平均工具进行预测，具体操作步骤如下：

选择工具菜单中的数据分析命令，此时弹出数据分析对话框。

在分析工具列表框中，选择移动平均工具。

第32页/共56页第三十二页，共57页。33第33页/共56页第三十三页，共57页。34第34页/共56页第三十四页，共57页。35从图可以看出，该商场的年销售额具有明显的线性增长趋势。因此要进行预测，还必须先作二次移动平均，再建立直线趋势的预测模型。而利用Excel2000提供的移动平均工具只能作一次移动平均，所以在一次移动平均的基础上再进行移动平均即可。

二次移动平均的方法同上，求出的二次移动平均值及实际值与二次移动平均值的拟合曲线，如下图所示。

再利用前面所讲的截距和斜率计算公式可得：

第35页/共56页第三十五页，共57页。36于是可得t=21时的直线趋势预测模型为：

预测1999年该商场的年销售额为：

第36页/共56页第三十六页，共57页。37§2

Excel进行指数平滑分析的操作步骤

移动平均法的预测值实质上是以前观测值的加权和，且对不同时期的数据给予相同的加权。这往往不符合实际情况。指数平滑法则对移动平均法进行了改进和发展，其应用较为广泛。

指数平滑法的基本理论

根据平滑次数不同，指数平滑法分为：一次指数平滑法、二次指数平滑法和三次指数平滑法等。但它们的基本思想都是：预测值是以前观测值的加权和，且对不同的数据给予不同的权，新数据给较大的权，旧数据给较小的权。

第37页/共56页第三十七页，共57页。38

一次指数平滑法

设时间序列为，则一次指数平滑公式为：

式中为第t周期的一次指数平滑值；为加权系数，0＜＜1。

为了弄清指数平滑的实质，将上述公式依次展开，可得：

因为加权系数符合指数规律，且又具有平滑数据的功能，所以称为指数平滑。

用上述平滑值进行预测，就是一次指数平滑法。其预测模型为：

即以第t周期的一次指数平滑值作为第t+1期的预测值。

第38页/共56页第三十八页，共57页。39二次指数平滑法

当时间序列没有明显的趋势变动时，使用第t周期一次指数平滑就能直接预测第t+1期之值。但当时间序列的变动出现直线趋势时，用一次指数平滑法来预测仍存在着明显的滞后偏差。因此，也需要进行修正。修正的方法也是在一次指数平滑的基础上再作二次指数平滑，利用滞后偏差的规律找出曲线的发展方向和发展趋势，然后建立直线趋势预测模型。故称为二次指数平滑法。

第39页/共56页第三十九页，共57页。40

应用举例

已知某厂1978～1998年的钢产量如下表所示，试预测1999年该厂的钢产量。年份

钢产量

年份

钢产量

1978

676

1989

2031

1979

825

1990

2234

1980

774

1991

2566

1981

716

1992

2820

1982

940

1993

3006

1983

1159

1994

3093

1984

1384

1995

3277

1985

1524

1996

3514

1986

1668

1997

3770

1987

1688

1998

4107

1988

1958

第40页/共56页第四十页，共57页。41下面利用指数平滑工具进行预测，具体步骤如下：

选择工具菜单中的数据分析命令，此时弹出数据分析对话框。

在分析工具列表框中，选择指数平滑工具。

这时将出现指数平滑对话框，如图所示。

第41页/共56页第四十一页，共57页。42在输入框中指定输入参数。在输入区域指定数据所在的单元格区域B1:B22；因指定的输入区域包含标志行，所以选中标志复选框；在阻尼系数指定加权系数0.3。注:阻尼系数不是平滑常数(阻尼系数=1-平滑常数

)

在输出选项框中指定输出选项。本例选择输出区域，并指定输出到当前工作表以C2为左上角的单元格区域；选中图表输出复选框。单击确定按钮。

这时，Excel给出一次指数平滑值，如下图所示。

第42页/共56页第四十二页，共57页。43

从图可以看出，钢产量具有明显的线性增长趋势。因此需使用二次指数平滑法，即在一次指数平滑的基础上再进行指数平滑。所得结果如下图所示。

第43页/共56页第四十三页，共57页。44第44页/共56页第四十四页，共57页。45§3.Excel进行趋势外推预测法的操作步骤

统计资料表明,大量社会经济现象的发展主要是渐进的,其发展相对于时间具有一定的规律性.因此,预测对象依时间变化呈现某种上升或下降的趋势,并且无明显的季节波动,又能找到一条合适的函数曲线反映这种变化趋势时,就可以用时间t为自变量,时序数值y为因变量,建立回归趋势模型,当有理由相信这种趋势能够延伸到未来时,赋予变量t所需要的值,可以得到相应时刻的时间序列未来值,即趋势外推预测法适用于有长期趋势的时间序列。选择工具菜单中的数据分析命令，弹出数据分析对话框。

在分析工具列表框中，选回归工具。

这时，将弹出回归对话框，如图所示。

第45页/共56页第四十五页，共57页。46第46页/共56页第四十六页，共57页。47