时间序列预测法.docx

《时间序列预测法.docx》由会员分享，可在线阅读，更多相关《时间序列预测法.docx（9页珍藏版）》请在优知文库上搜索。

1、什么是时间序列预测法?一种历史资料延伸预测，也称历史引伸预测法。是以时间数列所能反映的社会经济现象的发展过程和规律性，进行引伸外推，预测其发展趋势的方法。时间序列，也叫时间数列、历史复数或动态数列。它是将某种统计指标的数值，按时间先后顺序排到所形成的数列。时间序列预测法就是通过编制和分析时间序列，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平。其内容包括：收集与整理某种社会现象的历史资料；对这些资料进行检查鉴别，排成数列；分析时间数列，从中寻找该社会现象随时间变化而变化的规律，得出一定的模式；以此模式去预测该社会现象将来的情况。时间

2、序列预测法的步骤第一步收集历史资料，加以整理，编成时间序列，并根据时间序列绘成统计图。时间序列分析通常是把各种可能发生作用的因素进行分类，传统的分类方法是按各种因素的特点或影响效果分为四大类：（1）长期趋势；（2）季节变动；（3）循环变动；（4）不规则变动。第二步分析时间序列。时间序列中的每一时期的数值都是由许许多多不同的因素同时发生作用后的综合结果。第三步求时间序列的长期趋势（T）季节变动和不规则变动（I）的值，并选定近似的数学模式来代表它们。对于数学模式中的诸未知参数，使用合适的技术方法求出其值。第四步利用时间序列资料求出长期趋势、季节变动和不规则变动的数学模型后，就可以利用它来预测未来的

3、长期趋势值T和季节变动值s,在可能的情况下预测不规则变动值I。然后用以下模式计算出未来的时间序列的预测值Y：加法模式TSI=Y乘法模式TXSXl=Y如果不规则变动的预测值难以求得，就只求长期趋势和季节变动的预测值，以两者相乘之积或相加之和为时间序列的预测值。如果经济现象本身没有季节变动或不需预测分季分月的资料，则长期趋势的预测值就是时间序列的预测值，即T=Y。但要注意这个预测值只反映现象未来的发展趋势，即使很准确的趋势线在按时间顺序的观察方面所起的作用，本质上也只是一个平均数的作用，实际值将围绕着它上下波动。时间序列预测法的分类时间序列预测法可用于短期、中期和长期预测。根据对资料分析方法的不同

4、，又可分为：简单序时平均数法、加权序时平均数法、移动平均法、加权移动平均法、趋势预测法、指数平滑法、季节性趋势预测法、市场寿命周期预测法等。简单序时平均数法也称算术平均法。即把若干历史时期的统计数值作为观察值，求出算术平均数作为下期预测值。这种方法基于下列假设：“过去这样，今后也将这样”，把近期和远期数据等同化和平均化，因此只能适用于事物变化不大的趋势预测。如果事物呈现某种上升或下降的趋势，就不宜采用此法。加权序时平均数法就是把各个时期的历史数据按近期和远期影响程度进行加权，求出平均值，作为下期预测值。简单移动平均法就是相继移动计算若干时期的算术平均数作为下期预测值。加权移动平均法即将简单移动

5、平均数进行加权计算。在确定权数时，近期观察值的权数应该大些，远期观察值的权数应该小些。上述几种方法虽然简便，能迅速求出预测值，但由于没有考虑整个社会经济发展的新动向和其他因素的影响，所以准确性较差。应根据新的情况，对预测结果作必要的修正。指数平滑法即根据历史资料的上期实际数和预测值，用指数加权的办法进行预测。此法实质是由内加权移动平均法演变而来的一种方法，优点是只要有上期实际数和上期预测值，就可计算下期的预测值，这样可以节省很多数据和处理数据的时间，减少数据的存储量，方法简便。是国外广泛使用的一种短期预测方法。季节趋势预测法根据经济事物每年重复出现的周期性季节变动指数，预测其季节性变动趋势。推

6、算季节性指数可采用不同的方法，常用的方法有季（月）别平均法和移动平均法两种：a.季（月）别平均法。就是把各年度的数值分季（或月）加以平均，除以各年季（或月）的总平均数，得出各季（月）指数。这种方法可以用来分析生产、销售、原材料储备、预计资金周转需要量等方面的经济事物的季节性变动；b.移动平均法。即应用移动平均数计算比例求典型季节指数。市场寿命周期预测法就是对产品市场寿命周期的分析研究。例如对处于成长期的产品预测其销售量，最常用的一种方法就是根据统计资料，按时间序列画成曲线图，再将曲线外延，即得到未来销售发展趋势。最简单的外延方法是直线外延法，适用于对耐用消费品的预测。这种方法简单、直观、易于掌

7、握。时间序列预测法的运用例子某一城市从1984年到1994年中，每年参加体育锻炼的入口数,排列起来，共有10个数据构成一个时间序列。我们希望用某个数学模型，根据这10个历史数据，来预测1995年或以后若干年中每年的体育锻炼人数是多少，以便于该城市领导人制订一个有关体育健身的发展战略或整个工作计划。不同的时间序列有不同的特征，例如一个人在一年中每天消耗的粮食基本上是相同的，把这365个数字排列起来。发现它所构成的时间序列总保持在一定水平，上下相差不太大，我们称它是“平稳”时间序列。它的取值和具体是哪个时期无关，只和时期的长短有关。一般来说.只有属于平稳过程的时间序列.才是可以被预测的。加权移动平

8、均法力口权移动平均法(Weightedmovingaveragemethod/weightedmovingaverage)(建筑经济学中定量预测方法之一)加权移动平均法概述加权移动平均法就是根据同一个移动段内不同时间的数据对预测值的影响程度，分别给予不同的权数，然后再进行平均移动以预测未来值。加权移动平均法不像简单移动平均法那样，在计算平均值时对移动期内的数据同等看待，而是根据愈是近期数据对预测值影响愈大这一特点，不同地对待移动期内的各个数据。对近期数据给予较大的权数，对较远的数据给予较小的权数，这样来弥补简单移动平均法的不足Q加权移动平均法的计算公式加权平均法的计算公式如下：Yn+1=*-1

9、n*j占尹式中：Yn+1第n+1期加权平均值；Yi第i期实际值；xi第i期的权数（权数的和等于1）；n本期数；用加权移动平均法求预测值，对近期的趋势反映较敏感，但如果一组数据有明显的季节性影响时，用加权移动平均法所得到的预测值可能会出现偏差。因此，有明显的季节性变化因素存在时，最好不要加权。指数平滑法什么是指数平滑法指数平滑法是布朗(RObertGErown)所提出，布朗(RObertGErown)认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会持续到最近的未来，所以将较大的权数放在最近的资料。指数平滑法是生产预测中常用的一种方法。也用

10、于中短期经济发展趋势预测，所有预测方法中，指数平滑是用得最多的一种。简单的全期平均法是对时间数列的过去数据一个不漏地全部加以同等利用；移动平均法则不考虑较远期的数据，并在加权移动平均法中给予近期资料更大的权重；而指数平滑法则兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。也就是说指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。指数平滑法的基本公式指数平滑法的基本公

11、式是：St=ayt+(1-a)St-1式中，Sj时间t的平滑值;yt-时间t的实际值；Stl-时间7的实际值;a-平滑常数，其取值范围为0,1；由该公式可知：1.St是yt和St-1的加权算数平均数，随着a取值的大小变化，决定yt和SM对St的影响程度，当a取1时，St=yt；当a取。时,St=St-1o2.St具有逐期追溯性质，可探源至Stt+1为止，包括全部数据。其过程中，平滑常数以指数形式递减，故称之为指数平滑法。指数平滑常数取值至关重要。平滑常数决定了平滑水平以及对预测值与实际结果之间差异的响应速度。平滑常数a越接近于1,远期实际值对本期平滑值的下降越迅速；平滑常数a越接近于0,远期实

12、际值对本期平滑值影响程度的下降越缓慢。由此，当时间数列相对平稳时，可取较大的a；当时间数列波动较大时，应取较小的a,以不忽略远期实际值的影响。生产预测中，平滑常数的值取决于产品本身和管理者对良好响应率内涵的理解。3 .尽管St包含有全期数据的影响，但实际计算时，仅需要两个数值，即yt和St-1,再加上一个常数a,这就使指数滑动平均具逐期递推性质，从而给预测带来了极大的方便。4 .根据公式S1=ay1(1-a)S0,当欲用指数平滑法时才开始收集数据，则不存在y0。无从产生SO,自然无法据指数平滑公式求出S1,指数平滑法定义Sl为初始值。初始值的确定也是指数平滑过程的一个重要条件。如果能够找到yi

13、以前的历史资料，那么，初始值Sl的确定是不成问题的。数据较少时可用全期平均、移动平均法；数据较多时，可用最小二乘法。但不能使用指数平滑法本身确定初始值，因为数据必会枯竭。如果仅有从yi开始的数据，那么确定初始值的方法有：1)取Sl等于y1；2)待积累若干数据后，取Sl等于前面若干数据的简单算术平均数,如：S1=(y1+y2+y3)/3等等。指数平滑的预测公式据平滑次数不同，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。(一)一次指数平滑预测当时间数列无明显的趋势变化，可用一次指数平滑预测。其预测公式为：yt+=ayt+(1-a)yt式中，yt+1-t1期的预测值，即本期(t

14、期)的平滑值St；yt-1期的实际值；yt-t期的预测值，即上期的平滑值St1。该公式又可以写作：yt+1=yt+a(ytyf)可见，下期预测值又是本期预测值与以a为折扣的本期实际值与预测值误差之和。(二)二次指数平滑预测二次指数平滑是对一次指数平滑的再平滑。它适用于具线性趋势的时间数列。其预测公式为：yt+m=(2+am(1-a)yt,-(1+am(1-a)yt=(2yt,-yt)+m(yt-yt)a(1-a)式中，yt=ayt-1+(1-a)yt-1显然，二次指数平滑是一直线方程，其截距为：(2yyt),斜率为：(ytyt)a(1a),自变量为预测天数。(三)三次指数平滑预测三次指数平滑预

15、测是二次平滑基础上的再平滑。其预测公式是：yt+m=(3yt,-3yt+yt)+(6-5a)yt-(10-8a)yt+(4-3a)yt*am2(1-a)2+(yt,-2yt+yf)*a2m22(1-a)2式中，yt=ayt-1+(1-a)yt-1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。指数平滑法的趋势调整一段时间内收集到的数据所呈现的上升或下降趋势将导致指数预测滞后于实际需求。通过趋势调整，添加趋势修正值，可以在一定程度上改进指数平滑预测结果。调整后的指数平滑法的公式为：包含趋势预测(YE)=新预测(Yt)+趋势校正(Tt)进行趋势调整的指数平滑预测有三个步骤：1、利用前面介绍的方法计算第t期的简单指数平滑预测(Yt);2、计算趋势。其公式为：Tt=(1-b)Tt-1+b(YtYt1)其中,Tt=第t期经过平滑的趋势；Tt-I=第t期上期经过平滑的趋势；b=选择的趋势平滑系数；Yt=对第t期简单指数平滑预测；Yt-1=对第t期上期简单指数平滑预测。3、计算趋势调整后的指数平滑预测值(Yrn).计算公式为:YITt=Yt+Tto