时间序列预测.pdfVIP

时间序列预测

什么是时间序列预测

时间序列预测的常用方法

时间序列预测法的优缺点分析

时间序列预测的概述

时间序列预测的概念

时间序列预测的原理与依据

时间序列预测的概念

时间序列预测法是一种定量分析方法，它是在时间序列变量分析

的基础上，运用一定的数学方法建立预测模型，使时间趋势向外延伸，

从而预测未来市场的发展变化趋势，确定变量预测值。

时间序列预测法也叫历史延伸法或外推法。

时间序列预测法的基本特点是：

假定事物的过去趋势会延伸到未来；

预测所依据的数据具有不规则性；

撇开了市场发展之间的因果关系。

时间序列预测的原理与依据

时间序列是指同一变量按事件发生的先后顺序排列起来的一组

观察值或记录值。构成时间序列的要素有两个：其一是时间，其二是

与时间相对应的变量水平。实际数据的时间序列能够展示研究对象在

一定时期内的发展变化趋势与规律，因而可以从时间序列中找出变量

变化的特征、趋势以及发展规律，从而对变量的未来变化进行有效地

预测。

时间序列的变动形态一般分为四种：长期趋势变动，a

name=baidusnap0/a季节/B变动，循环变动，不规则变动。

平均数预测

平均数预测是最简单的定量预测方法。平均数预测法的运算过程

简单，常在市场的近期、短期预测中使用。

最常用的平均数预测法有：

简单算术平均数法

加权算术平均数法

几何平均数法

简单算术平均数法（1）

简单平均数法是用一定观察期内预测目标的时间序列的各期数

据的简单平均数作为预测期的预测值的预测方法。

在简单平均数法中，极差越小、方差越小，简单平均数作为预测

值的代表性越好。

简单平均数法的预测模型是：

简单算术平均数法（2）

例

加权算术平均数法（1）

加权算术平均数法是简单算术平均数法的改进。它根据观察期各

个时间序列数据的重要程度，分别对各个数据进行加权，以加权平均

数作为下期的预测值。

对于离预测期越近的数据，可以赋予越大的权重。

加权算术平均数法的预测模型是：

加权算术平均数法（2）

例

几何平均数法（1）

几何平均数法是以一定观察期内预测目标的时间序列的几何平

均数作为某个未来时期的预测值的预测方法。

几何平均数法一般用于观察期有显著长期变动趋势的预测。

几何平均数法的预测模型是：

几何平均数法（2）

例（本例中几何平均增长速度为3.87[%]。）

移动平均数预测

移动平均法根据时间序列逐项移动，依次计算包含一定项数的平

均数，形成平均数时间序列，并据此对预测对象进行预测。

移动平均可以消除或减少时间序列数据受偶然性因素干扰而产

生的随机变动影响。

移动平均法在短期预测中较准确，长期预测中效果较差。

移动平均法可以分为：

一次移动平均法

二次移动平均法

一次移动平均法（1）

一次移动平均法适用于具有明显线性趋势的时间序列数据的预

测。

一次移动平均法只能用来对下一期进行预测，不能用于长期预

测。

必须选择合理的移动跨期，跨期越大对预测的平滑影响也越大，

移动平均数滞后于实际数据的偏差也越大。跨期太小则又不能有效消

除偶然因素的影响。跨期取值可在3~20间选取。

一次移动平均法（2）

一次移动平均数的计算公式如下：

一次移动平均法（3）

例

二次移动平均法（1）

二次移动平均法是对一次移动平均数再次进行移动平均，并在两

次移动平均的基础上建立预测模型对预测对象进行预测。

二次移动平均法与一次移动平均法相比，其优点是大大减少了滞

后偏差，使预测准确性提高。

二次移动平均只适用于短期预测。而且只用于的情形。

二