时间序列预测分析方法_精品文档.ppt
《时间序列预测分析方法_精品文档.ppt》由会员分享，可在线阅读，更多相关《时间序列预测分析方法_精品文档.ppt（124页珍藏版）》请在冰豆网上搜索。
第7章时间序列预测法,7.1时间序列预测法7.2平均数预测法7.3指数平滑法7.4季节变动预测法7.5趋势外推预测法,7.1时间序列预测法,7.1.1时间序列预测法的概念时间序列，又称动态数列，是指将某种经济变量的一组观察值，按时间先后顺序排列而成的数列。
时间间隔可以是天、周、月、季、年等。
例如，某种商品的销售量按月份顺序排列、某公司的销售收人按年度顺序排列形成的数据序列等，都是时间序列。
下一页,返回,7.1时间序列预测法,时间序列预测法是通过对时间序列数据的分析，掌握经济现象随时间的变化规律，从而预测其未来，它被广泛地应用在天文、气象、水文、生物和社会经济等方面的预测。
基本原理是根据预测对象的时间序列数据，依据事物发展的连续性规律，通过统计分析或建立数学模型进行趋势外推，对预测对象的未来可能值作出定量分析的方法。
时间序列预测法也叫时间序列分析法、历史外推法或外推法。
上一页,下一页,返回,7.1时间序列预测法,时间序列预测法将影响预测目标的一切因素都由时间综合起来描述，是根据市场过去的变化趋势预测未来的发展，它的前提是假定事物的过去会同样延续到未来。
时间序列预测法撇开了市场发展的因果关系，直接从时间序列统计数据中找事物发展的演变规律，建立模型，预测未来。
上一页,下一页,返回,7.1时间序列预测法,阅读材料时间序列在经济和管理中，占有极其重要位置，在市场预测中处于核心位置，市场预测离不开时间概念，各种预测方法比较起来，时间序列分析法最成熟、简便、实用、有说服力，因而用得最多。
市场调查后整理数据时，往往首先是用时间序列方法进行运算和预测。
上一页,下一页,返回,7.1时间序列预测法,运用时间序列法进行预测，要求必须以准确、完整的时间序列数据为前提。
为了让时间序列中的各个数值正确地反映研究预测对象的发展规律，各数值间具有可比性，编制时间序列要做到:
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。
上一页,下一页,返回,7.1时间序列预测法,需要指出的是，时间序列分析法因其假设时间序列不讲因果，不受外界因素影响，存在着预测误差大的缺陷，当遇到外界发生较大变化，如国家大正方针变化时，根据过去已发生的数据进行预测往往会有较大偏差。
在时间序列中，每个时期数据的变化都是由许多不同因素同时发生作用的综合结果。
从各因素的特点或影响效果来看，主要有以下四类。
上一页,下一页,返回,7.1时间序列预测法,1.长期趋势变动长期趋势是指与现象长期直接联系的基本规律作用，使现象在较长时间内稳定持续地按照一定方向变化，在生产经营过程中的表现使经济变量在长时间内表现出的总趋势，它是经济现象的本质在数量方面的反映，也是时间序列分析和预测的重点。
长期趋势的具体表现有基本增长趋向、基本下降趋向和平稳发展趋向，即从长期看时间序列中变量数值连续不断地增加或减少或平稳的趋向。
上一页,下一页,返回,7.1时间序列预测法,2.季节变动它是由于季节更换的固定规律作用而发生的周期性变动。
周期季节变动是指经济变量随季节变化而变化的周期性变动。
这种周期比较稳定，通常为一年。
在这里，季节还可以广泛地描述为以小时、星期、月或季度为单位的循环往复的变动形式。
它与气候、假期或贸易习俗有关，可用作短期预测基准。
如冷饮销售最高峰是在每年夏季，商品零售额达到最高峰往往在每年的春节等。
上一页,下一页,返回,7.1时间序列预测法,3.周期波动周期波动又称循环变动，是指时间序列在为期较长的时间内（一年以上至数年），呈现出涨落起伏。
它与长期趋势不同，不是朝一个方向持续变动而是呈涨落相间的波浪式起伏变动。
如资本主义经济危济的变动周期就表现为危机、复苏、高涨、萧条等循环往复的周期变动。
它与季节变动也不一样，季节变动有固定的周期，周期效应可以预见;而循环变动一般没有固定周期，上次出现后，下次何时出现较难预料。
此外，季节变动的周期较短，一般为一年，而循环变动周期较长，一般数年乃至数十年才完成一个周期。
通过对循环变动的分析和测定，可以预测社会经济现象发展变化的转折点。
上一页,下一页,返回,7.1时间序列预测法,4.不规则变动不规则变动又称随机变动，是指偶发事件导致时间序列中出现数值忽高忽低、时升日才降的无规则可循的变动，如自然灾害、罢工、战争、动乱、政策调整等都会造成不规则变动。
有时，它对经济现象影响较大。
对于呈现不规则变动趋势的时间序列，很难用时间序列分析法预测。
这种不规则变动，在预测中往往容易形成随机误差。
如进出口公司的营业额，常常受交易国之间关系的影响，往往是关系好时，营业额呈现上升趋势;反之，则下降。
由于这种情况是无法预计的，应将其从以前的数据中剔除，以便能确定正常的变化。
上一页,下一页,返回,7.1时间序列预测法,7.1.2时间序列预测法的特点1.根据市场过去的变化趋势预测未来的发展时间序列分析预测法的前提是假定事物的过去同样会延续到未来。
事物的现实是历史发展的结果，而事物的未来又是现实的外推，事物的过去和未来是有联系的。
市场预测中的时间序列分析法，正是根据客观事物发展的这种连续规律性，运用过去的历史数据，通过统计分析，进一步推测市场未来的发展趋势。
市场预测中，事物的过去会同样延续到未来，其意思是说，市场未来不会发生突然跳跃式变化，而是渐进变化的。
上一页,下一页,返回,7.1时间序列预测法,时间序列分析预测法的哲学依据，是唯物辩证法中的基本观点，即认为一切事物都是发展变化的，事物的发展变化在时间上具有连续性，市场现象也是这样。
市场现象过去和现在的发展变化规律和发展水平，会影响到市场现象未来的发展变化规律和规模水平;市场现象未来的变化规律和水平，是市场现象过去和现在变化规律和发展水平的结果。
上一页,下一页,返回,7.1时间序列预测法,2.时间越长预测的精确度将会逐渐降低时间序列分析法是根据市场过去的变化趋势预测未来的发展，它的前提是假定事物的过去会同样延续到未来。
根据客观事物发展的这种连续规律性，运用过去的历史数据，通过统计分析，进一步推测市场未来的发展趋势，但同时，市场的未来发展变化趋势肯定要受多种因素的影响，而各种影响因素又在不断发展变化，因此市场的未来发展也不可能是过去历史的简单重复，特别是某些事物，由于某些因素的影响或其发展过程中止，或其发展过程出现质的转折，事物的未来与原先就不再遵循同一发展规律。
上一页,下一页,返回,7.1时间序列预测法,对这种事物发展过程规律性出现质的变化，显然用时间序列分析法进行预测就失去了效果。
随着时间的推移，环境变化是客观存在的，而且时间推移越长，环境变化会越大。
因此，时间序列分析预测法用于短期预测的精确度最高，中期预测其次，长期预测最低。
上一页,下一页,返回,7.1时间序列预测法,3.时间序列分析法是一种统计定量分析方法运用时间序列预测未来，实际上是将所有因素归结到时间这一因素上，它虽然承认事物受多种因素影响，但在实际具体分析中，着重对长期趋势和季节变动的定量分析，没有分析探讨预测对象和影响因素之间的因果关系，定性分析不够，撇开了市场发展的因果关系来分析市场的过去和未来的联系。
因此，为了使预测的精确度和时效性提高，就要定量分析与定性分析相结合。
上一页,返回,7.2平均数预测法,7.2.1简易平均法简易平均法是一种简便的时间序列法。
它根据一定观察期的数据求得平均数，并以所求平均数为基础，预测未来时期的预测值。
这种方法简便易行，不需要进行复杂的模型设计和数学运用，是市场预测中常用的方法。
简易平均法中的具体方法很多，其中，最常用的是算术平均法。
算术平均法，就是以观察期数据之和除以求和时使用的数据个数（或期数），求得平均数的方法。
下一页,返回,7.2平均数预测法,设x1、X2、x3、Xn为观察期的n个资料，求得n个资料的算术平均数的公式为其中，-平均数;xi-观察期资料;i-资料编号;n-数据个数或期数。
利用简单平均法进行预测的思路是，以观察期每月平均值作为预测期对应月份的预测值。
上一页,下一页,返回,7.2平均数预测法,例7-1某商场却10年1至6月份的商品销售额分别是52万元、54万元、48万元、56万元、52万元、50万元，以1至6月份商品销售额的简单算术平均数作为预测值，预测7月份的商品销售额。
即该商场2010年7月份的商品销售额预计为52万元。
上一页,下一页,返回,7.2平均数预测法,7.2.2加权平均法加权平均法，就是在求平均数时，根据观察期各资料重要性的不同，分别给予不同的权数后加以平均的方法。
其特点是所求得的平均数，已包含了长期趋势变动。
设x1、X2、x3、Xn为观察期的资料，w1、w2、w3、wn为观察期的资料相对应的权数。
求加权平均数的计算公式为,上一页,下一页,返回,7.2平均数预测法,例7-2以上例商场的资料为例，假定1至6月份的权数分别为1,2,3,4,5,6，用加权算术平均法预测7月份的商品销售额为即该商场2005年7月份的商品销售额为51.81万元。
上一页,下一页,返回,7.2平均数预测法,加权平均法比简易平均法有一定的优越性。
它没有把观察期的历史数据简单地等同对待，而是对各个数据具体分析，区别对待，给予不同程度的重视。
这种方法能较真实地反映时间序列的规律，考虑了事件的长期发展趋势。
加权平均法的关键是确定权数。
对于权数的确定没有统一的标准，完全凭预测者在对时间序列资料分析的基础上，做出经验判断。
一般而言，在剔除一些特殊的影响因素后，距离预测期越近的观察期数据对预测值的影响越大，所以对其数据给定的权数就越大;而距离预测期越远的观察期数据对预测值的影响越小，所给定的权数就越小。
上一页,下一页,返回,7.2平均数预测法,所以，在给定权数时，可由距离预测期较远到较近逐步递增，递增的幅度可依据具体情况而定。
如果历史数据变动幅度不大，可采用等有效期数列形式，如1、2、3、,n+1。
就是公差为1的等差数列;如果历史数据变动幅度较大，则可采用等比数列的形式给定权数，如,2,4,8，2n，就是公比为2的等比数列。
对于历史数据波动不定的情况，可视具体情况，分别给予不同的权数，并使权数之和等于1，如给定权数0.2、0.5、0.3。
另外，还可以根据需要采用不规定给定权数。
上一页,下一页,返回,7.2平均数预测法,7.2.3移动平均法移动平均法，是对时间序列观察值由远及近按一定跨越期计算平均值的一种预测方法。
随观察值向后推移，平均值也向后移动，形成一个由平均值组成的新的时间序列。
对新时间序列中的平均值加以调整，可作为观察期内的估计值。
最后一个平均值是预测值计算的依据。
移动平均法能够较好地修匀时间序列，消除不规则变动和季节变动，因而得到了广泛应用。
常用的移动平均法有如下两种。
上一页,下一页,返回,7.2平均数预测法,1.一次移动手均法设xi为时间序列中时间为t的观察值，Mt为时间序列中时间为t的一次移动平均数，n为每一移动平均数的跨越期，则一次移动平均数Mt的公式为如果n=3，即为3年移动平均，n=5即为五年移动平均。
t的取值须n，当n=t时,上一页,下一页,返回,7.2平均数预测法,2.二次移动平均法二次移动平均法是运用移动平均的方式在一次移动平均法的基础上对一次移动平均值进行二次移动平均，并在此基础上求得预测值。
二次移动平均法是利用一次移动平均值落后于实际数据变化的滞后偏差演变规律，求得移动系数，建立线性时间关系的数学模型而进行市场预测的方法。
求二次移动平均值的公式为,上一页,下一页,返回,7.2平均数预测法,其中，Mt-一次移动平均值;Mt-二次移动平均值;t-移动平均数的时间;n-移动平均数的跨越期。
上一页,下一页,返回,7.2平均数预测法,求预测值的公式为其中，Yt+T-t+T个时间周期的预测值;at-截距，即目前的数据水平;bt-斜率，即单位周期的变化量。
上一页,下一页,返回,7.2平均数预测法,求解at和bt的公式为:
例7-3设n=3，其有关计算结果如表7-1所示。
表7-1某公司销售额及移动平均分析表,上一页,下一页,返回,7.2平均数预测法,将表7-1的有关数据代入有关公式，
升级会员 