经济预测与决策时间序列平滑预测法推荐.pptVIP

第六章 时间序列平滑预测法 当数据的随机性较大时，宜选用较大的n. 这有利于平滑由随机性所带来的严重偏差。当数据的随机性较小时，宜选用较小的n.这有利于跟踪数据的变化。若数据时纯随机的，则全部历史数据的均值是最好的预测值。 第七章 非线性趋势预测 设n为奇数， 为正中项， ，则有 把 代入多项式方程可解得： 判断时序数据可用二次多项式拟合的方法： 1. 作散点图 2. 逐期求二阶差分，若各期的二阶差分接近于一个常数或二阶差分比较稳定，则可用二次多项式曲线。 例1：某市1993~2001年某种农作物产量如下表，试预测2002年这种农作物的产量 3.6 2.2 3.1 3.1 2.5 3.6 2.7 △2yt 30.4 26.8 24.6 21.5 18.4 15.9 12.3 9.6 △yt 214.0 183.6 156.8 132.2 110.7 92.3 76.4 64.1 54.5 yt 2001 2000 1999 1998 1997 1996 1995 1994 1993 年份 单位：万吨 解：取3项加权平均，得预测模型 所以 三点法比较简单，但不能充分利用样本信息。 三次多项式曲线趋势预测 估计方法：1. 最小二乘法 2. 四点法。取5项加权平均，将样本分为初期、中前期、中后期、近期四段 若 ，则中项分别为 第二节 对数曲线趋势预测 估计方法：最小二乘法，二点法，分段方程相加法 二点法：设 ，可分两部分求平均值，或分别抽取一定量的项求加权平均值 分段方程相加法： 以 代入（1）式得 由以上两式可解出 a 和 b 例：已知近8年来的某种产品的产量如下表，试预测今年该产品的产量。 17.1 12 8.4 5.9 4.1 2.9 2 1.4 产量Yt万吨 8 7 6 5 4 3 2 1 年度t 解：先画散点图，可以看出Yt 和 t 之间可用模型 1. 最小二乘法 来描述。 2. 分段方程相加法 究竟采用哪种方法好，需用预测误差进行评估和选择。 第三节 指数曲线和修正指数曲线趋势预测 两边取自然对数，可化为对数曲线模型 指数曲线 特点：环比为一常数，即 某些经济变量。如某产品的历年销售量，开始增长较快，随后减慢，逐渐达到某一稳定状态，这种经济发展趋势可用修正指数曲线模型描述。 特点：一阶差分的环比为一常数 估计方法：三点法，分阶段相加法 设 由上可解出 * 一、时间序列分析 时间序列中的每一时期的数值，都是由很多不同的因素同时发生作用后的综合结果，时间序列分析，实质上就是对各种可能发生影响的因素的分析，通常把这些因素分为四类： 1. 长期趋势（T） 2. 季节变动（S） 3. 循环变动（C） 4. 不规则变动（I） 二、时间序列的组合形式 用Y表示时间序列的值，各因素对时间序列的综合作用方式一般有两种： 乘法模型：Y=T×S×C×I （1） 加法模型：Y=T+S+C+I （2） 在实际进行时间序列分析时，通常把C与I合并为I，即 乘法模型：Y=T×S×I 加法模型：Y=T+S+I 选什么模型，由序列的性质和我们的研究目的而定。 三、时间序列预测 时间序列预测是通过对预测对象的时间序列分析，以某种方法对时间发展的趋势进行外推或延伸，借以预测下一期或以后若干期预测对象的可能值，一般分为趋势变化预测、季节变化预测、随机变化预测。 第二节 移动平均预测法 该方法是考虑时间序列的长期趋势变动的作用而建立的外推预测。应用移动平均法，样本值得到修匀，从而可以消除原序列的周期变动和随机变动，显示出趋势变动。 一、简单移动平均数法 局限：1. 该方法只能对后续相邻的那一项进行预测。 2. 只适用于序列值变化不大的情况。当时间序列呈上升趋势 时，预测值偏低，当时间序列呈下降趋势时，预测值偏高。 第t+1期的预测值： n取值越大，其修匀程序越好，但对真实值变化趋势反应也越迟钝。n到底取多大值为好？一般地，可同时用几个n值计算，然