首页 理论教育 时间序列预测方法及应用

时间序列预测方法及应用

时间:2023-05-23 理论教育 版权反馈
【摘要】:(一)移动平均法移动平均法是将最近时期数据的平均值作为预测值的一种预测方法。若时间序列观测值围绕某一水平做随机变动,可使用一次指数平滑法;若时间序列呈明显的线性增长或下降趋势,可使用二次指数平滑法;若时间序列呈非线性趋势,则运用三次指数平滑法。

时间序列预测方法及应用

(一)移动平均法

移动平均法是将最近时期数据的平均值作为预测值的一种预测方法。设移动间隔为k(1<k<t),则t期的移动平均值为

式3 27是对时间序列的平滑结果,通这些平滑值可以描述出时间序列的变化形态和趋势。实际运用中,对于(t+1)期的简单移动平均预测值为

鉴于移动平均法仅对近期的数据进行分析,因而其主要适用于对较为平稳的时间序列进行短期预测。事实上,移动平均法对原数列有修匀和平滑的作用,k越大,对数据的修匀作用越强,但同时也会使原序列的信息减少,因而确定合理的移动间隔在实际操作中十分重要。

【例3-2】 已知某公司2010年报告期内的货物销售量如表3-8所示,分别取移动间隔k=3和k=5,请利用Excel计算各期的货物销售量的预测值及预测误差,并对下一时期的数据进行预测。

表3-8 某公司2010年货物销售量数据变化

解:采用Excel进行移动平均时,单击【数据分析】按钮,在【分析工具】下拉列表框中,选择【移动平均】选项,单击【确定】按钮,并在【移动平均】对话框中输入数据区域和移动间隔即可。输出结果如表3-9所示。

表3-9 某公司的销售量的移动平均预测

以3项移动平均为例,表3-9中142就是2010年1月、2月、3月三个月的平均值,用它作为4月的预测值。其他数据同理。从预测结果来看,3项移动平均的均方误差为201,而5项移动平均的均方误差为339.94。因此,就本序列而言,3项移动平均比5项移动平均的效果略好一些。各时期的实际观测值与模型拟合值的图形,如图3-3所示。

图3-3 某公司的货物销售量的移动平均预测

(二)指数平滑法

指数平滑法是短期预测中最有效的方法,它是对过去的观察值加权平均进行预测的一种方法。该方法操作简单,只需获得很小的数据量便能连续使用。通过本期观察值和预测值即可预测下期预测值,当预测数据发生变化时还可以进行适当的自我调整。观察值时间越远,其权数也随之呈现指数的下降,因而称为指数平滑。指数平滑分为一次指数平滑、二次指数平滑和三次指数平滑。

1.一次指数平滑法

当时间序列观察值的发展趋势围绕某一水平作随机运动,可运用一次指数平滑法进行预测分析,其计算公式为

式中,S为t期的一次指数平滑预测值;Xt为t期的实际观察值;α为平滑系数(0<α<1),其一般取值为0.3—0.7。

注意,当时间序列有较大的随机波动时,宜选较大的α,以便迅速跟上近期的变化,当时间序列比较平稳时,宜选择较小的α。

【例3-3】 试根据表3-8中某公司2010年的销售量数据,选择适当的平滑系数α,利用Excel进行简单指数平滑预测,计算出预测误差,并选择适当的平滑系数进行预测。

解:采用Excel进行指数平滑预测时,单击【数据分析】按钮,在【分析工具】下拉列表框中,选择【指数平滑】选项,单击【确定】按钮,并在【指数平滑】对话框中输入数据区域,在【阻尼系数】中输入1-α的值。表3-10是选择α=0.3、α=0.5进行指数平滑预测的输出结果。

表3-10 某公司2010年货物销售量指数平滑预测

(www.xing528.com)

从预测结果来看,平滑系数=0.3时的均方误差为362.75,平滑系数=0.5时的均方误差为197.27。因此,就本题而言,当平滑系数取0.5时的效果略好于0.3。从两组数据的结果可以看出,对于一次指数平滑法而言,平滑系数的取值对预测误差的影响很大。因而确定平滑系数的实际取值相当重要。

该例中各时期的实际观测值与模型拟合值的图形,如图3-4所示。

图3-4 某公司2010年货物销售量的指数平滑预测

2.二次指数平滑法

当时间序列观察值的发展趋势包含某种线性持续增长或下降趋势时,则应采用二次平滑预测模型。其计算公式为

式中,S为第t期的二次指数平滑值。

3.三次指数平滑法

当时间序列观察值的发展趋势出现较大曲率时,应采用三次指数平滑法。它是在二次指数平滑法的基础上进行的。其计算公式为

式中,S为第t期的三次指数平滑值。

【例3-4】 某产品的销售量见表3-11,试计算该产品销售量的一次指数平滑值、二次指数平滑值和三次指数平滑值,α取0.3,并进行分析。

表3-11 某产品销售量

解:利用上述公式分别计算一次、二次、三次指数平滑值,取初始值为第一期销售量。计算结果如表3-12所示。

表3-12 指数平滑法预测表

由计算结果看出,一次、二次、三次指数平滑值都会呈现滞后于实际观察值的现象,在库存需求预测中,一般不直接将指数平滑值作为需求预测值,而是对其进行修正。

通常,确定指数平滑方法时,应根据时间序列不同的趋势,合理选择相应的指数平滑方法。若时间序列观测值围绕某一水平做随机变动,可使用一次指数平滑法;若时间序列呈明显的线性增长或下降趋势,可使用二次指数平滑法;若时间序列呈非线性趋势,则运用三次指数平滑法。具体趋势如图3-5—图3-7所示。

图3-5 一次指数平滑趋势例图

图3-6 二次指数平滑趋势例图

图3-7 三次指数平滑趋势例图

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈