【正文】 景氣指標(biāo)是從眾多的經(jīng)濟指標(biāo)中挑選出來的，分為先行指標(biāo)、同步指標(biāo)和滯后指標(biāo)三類。 回總目錄 回本章目錄 第三節(jié) 干預(yù)分析模型的應(yīng)用實例 回總目錄 回本章目錄 t 1 2 3 4 5 6 7 8 9 10 11 12 xt 100 t 13 14 15 16 17 18 19 20 21 22 23 24 xt t 25 26 27 28 29 30 31 32 33 34 35 xt t 36 37 38 39 40 41 42 xt 第三節(jié) 干預(yù)分析模型的應(yīng)用實例 ? [解答 ] ? 根據(jù) 1952~1977年的數(shù)據(jù)建立一個時間序列模型如下： 其中， t為自變量， xt表示時間， Zt為因變量，表示干預(yù)事件對因變量的影響，它的確定是整個模型的關(guān)鍵。利用此模型進行外推預(yù)測，得到的預(yù)測值作為不受干預(yù)影響的數(shù)值 。 ? [解答 ] YuleWalker方程為： 即： 且： t t tX X X ???? ? ? 回總目錄 回本章目錄 ? ? ~ ( 0 , 1 )t WN?? ?tX? ?k?0?1?1?2? 1?21?2? 0 1 ? ? ?? ? ?1 0 ? ? ?? 20 1 1? ? ? ?? ? ? ?第四節(jié) ARMA模型的建模 ? [解答 ] 聯(lián)合上面三個方程，解出： 回總目錄 回本章目錄 第四節(jié) ARMA模型的建模 0 100 / 63? ?1 50 / 63? ??2 55 / 63? ? k k? ? ???? ? ?1k?第四節(jié) ARMA模型的建模 ? [例 ] 考慮如下 AR（ 2） 序列： 若已知觀測值 ： （ 1）試預(yù)報 。 回總目錄 回本章目錄 第三節(jié) 單位根檢驗和協(xié)整檢驗 一、單位根檢驗 ? 如果在一個隨機過程中， 的每一次變化均來自于一個均值為零的獨立同分布，即隨機過程 滿足： 其中 , 獨立同分布，并且： 稱這個隨機過程是隨機游動。 ? ?ty 回總目錄 回本章目錄 11 ...t t t q t qy ? ? ? ? ???? ? ? ?t第一節(jié) 概述 三 、 ARMA（ p， q） 模型 ? 如果時間序列 滿足 則稱時間序列 服從（ p , q） 階自回歸移動平均模型?，F(xiàn)在把新的權(quán)數(shù)作為新的初始權(quán)數(shù)，重新開始新一輪 t=2的預(yù)測過程。 回總目錄 回本章目錄 ? ? ? ?111tt t ttLxS S bI?? ???? ? ? ?? ? ? ?111t t t tb S S b????? ? ? ?? ?1tt t LtxIIS?? ?? ? ?01?????第六章 自適應(yīng)過濾法 第一節(jié) 自適應(yīng)過濾法概述 第二節(jié) 自適應(yīng)過濾法的應(yīng)用 第三節(jié) 電子計算機在自適應(yīng) 過濾法中的應(yīng)用（略） 回總目錄 其中， 代表調(diào)整后第 i 期的權(quán)數(shù)； 代表調(diào)整前第 i 期的權(quán)數(shù)； k 代表調(diào)整系數(shù)，也稱學(xué)習(xí)常數(shù)； xti+1代 表第 ti+1 期的觀察值； 代表第 t+1期 的預(yù)測誤差。 該公司第 17期銷售量的預(yù)測值為： 回總目錄 回本章目錄 17 16 16( 1 ) 95 ( )F x F??? ? ?? ? ? ?? 萬 元第三節(jié) 線性二次移動平均法 ? 線性二次移動平均法在對實際值進行一次移動平均的基礎(chǔ)上，再進行一次移動平均。 回總目錄 ? 設(shè)時間序列為 1, 2 , ...,xx移動平均法可以表示為： ? ?1 1 111... / tt t t t N itNF x x x N xN? ? ? ???? ? ? ? ? ?式中： tx 為最新觀察值； 1tF?為下一期預(yù)測值。 0)( ? ?? aaey btt 回總目錄 回本章目錄 l n l nty a bt??l n , l nttY y A a??tY A bt??第四節(jié) 指數(shù)曲線趨勢外推法 二、修正指數(shù)曲線模型及其應(yīng)用 ? 修正指數(shù)曲線預(yù)測模型為： 回總目錄 回本章目錄 )10( ? 2 ???? cbcay t第五節(jié) 生長曲線趨勢外推法 一、龔珀茲曲線模型及其應(yīng)用 ? 龔珀茲曲線預(yù)測模型為： ? 對函數(shù)模型 做線性變換，得： ? 龔珀茲曲線對應(yīng)于不同的 lga與 b的不同取值范圍而具有間斷點。 回總目錄 回本章目錄 第三節(jié) 非線性回歸預(yù)測法 二、一些常見的函數(shù)圖形 回總目錄 回本章目錄 ? 拋物線函數(shù)： 2y a bx c x? ? ?? 對數(shù)函數(shù)： lgy a b x??? S型函數(shù)： 1xy a be ?? ?? 冪函數(shù)： ? 指數(shù)函數(shù)： by ax? bxy ae第四節(jié) 應(yīng)用回歸預(yù)測法應(yīng)注意的問題 ? 用定性分析判斷現(xiàn)象之間的依存關(guān)系； ? 避免回歸預(yù)測的任意外推； ? 應(yīng)用合適的數(shù)據(jù)資料。 第一節(jié) 一元線性回歸預(yù)測法 四、進行預(yù)測 ? 點估計：只要將給定的自變量值代入所建立的一元線性回歸模型，便可得到因變量的一個對應(yīng)的估計值。 檢驗統(tǒng)計量： ? ?1 2bbt t nS??~ 第一節(jié) 一元線性回歸預(yù)測法 三、進行檢驗 ? F檢驗： 回總目錄 回本章目錄 檢驗假設(shè)： 0:H回歸方程不顯著 1:回歸方程顯著 檢驗統(tǒng)計量： ? ?? ?? ?22??2yyFyyn??????~ ? ?1, 2Fn ?檢驗規(guī)則：給定顯著性水平 ，若 ， ? ?1 , 2F F n???則回歸方程顯著。 ? 能及時發(fā)現(xiàn)可能出現(xiàn)的難題，減輕影響。由于銷售人員一般都很熟悉市場情況，因此，這一方法具有一些顯著的優(yōu)勢。 回總目錄 回本章目錄 第三節(jié) 主觀概率法 [解答 ] ? 取預(yù)測誤差為 67套，則預(yù)測區(qū)間為（ 221367） ~（ 2213+67），即商品銷售額的預(yù)測值在 2146~2280套之間。 回本章目錄 第三節(jié) 主觀概率法 ? [例 ] 某地產(chǎn)公司打算預(yù)測某區(qū) 2023年的房產(chǎn)需求量，因此選取了 10位調(diào)查人員進行主觀概率法預(yù)測，要求預(yù)測誤差不超過 177。于是，該公司成立專家小組，并聘請業(yè)務(wù)經(jīng)理、市場專家和銷售人員等 8位專家，預(yù)測全年可能的銷售量。 第三節(jié) 統(tǒng)計預(yù)測的原則和步驟 回總目錄 回本章目錄 二、統(tǒng)計預(yù)測的步驟 第三節(jié) 統(tǒng)計預(yù)測的原則和步驟 回總目錄 回本章目錄 確定預(yù)測的目的 搜索和審核資料 分析預(yù)測誤差，改進預(yù)測模型 選擇預(yù)測模型和方法 提出預(yù)測報告 第二章 定 性 預(yù) 測 法 第一節(jié) 定性 預(yù)測概述 第二節(jié) 德 爾菲法 第三節(jié) 主 觀概率法 第四節(jié) 定性 預(yù)測的其他方法 第五節(jié) 情景預(yù) 測法 回總目錄 第一節(jié) 定性預(yù)測概述 回總目錄 回本章目錄 一、定性預(yù)測的概念和特點 ? 定性預(yù)測是指預(yù)測者依靠熟悉業(yè)務(wù)知識、具有豐富經(jīng)驗和綜合分析能力的人員與專家，根據(jù)已掌握的 歷史資料 和 直觀材料 ，運用個人的經(jīng)驗和分析判斷能力，對事物的未來發(fā)展做出性質(zhì)和程度上的判斷，然后，再通過一定形式綜合各方面的的意見，作為預(yù)測未來的主要依據(jù)。 ? 影響預(yù)測作用大小的因素主要有：預(yù)測費用的高低；預(yù)測方法的難易程度；預(yù)測結(jié)果的精確程度。 ? 統(tǒng)計預(yù)測的三個要素：實際資料是預(yù)測的依據(jù)；經(jīng)濟理論是預(yù)測的基礎(chǔ)；數(shù)學(xué)模型是預(yù)測的手段。 第二節(jié) 統(tǒng)計預(yù)測 方法的分類和選擇 回總目錄 回本章目錄 方法 時間范圍 適用情況 計算機硬件 最低要求 應(yīng)做工作 定性預(yù)測法 短、中、長 期 對缺乏歷史統(tǒng)計資料或趨勢面臨轉(zhuǎn)折的事件進行預(yù)測 計算器 需做大量的調(diào)查研究工作 一元線性回 歸預(yù)測法 短、中期 自變量與因變量之間存在線性關(guān)系 計算器 為兩個變量收集歷史數(shù)據(jù)，此項工作是此預(yù)測中最費時的 各種預(yù)測方法的特點 二、統(tǒng)計預(yù)測方法的選擇 第二節(jié) 統(tǒng)計預(yù)測 方法的分類和選擇 回總目錄 回本章目錄 方法 時間范圍 適用情況 計算機硬件 最低要求 應(yīng)做工作 多元線性回 歸預(yù)測法 短、中期 因變量與兩個或兩個以上自變量之間存在線性關(guān)系 在兩個自變量情況下可用計算器，多于兩個自變量的情況下用計算機 為所有變量收集歷史數(shù)據(jù)是此預(yù)測中最費時的 非線性回 歸預(yù)測法 短、中期 因變量與一個自變量或多個其他自變量之間存在某種非線性關(guān)系 在兩個變量情況下可用計算器，多于兩個變量的情況下用計算機 必須收集歷史數(shù)據(jù)，并用幾個非線性模型試驗 趨勢外推法 中期到長 期 當(dāng)被預(yù)測項目的有關(guān)變量用時間表示時，用非線性回歸 與非線性回歸預(yù)測法相同 只需要因變量的歷史資料，但用趨勢圖做試探時很費時 二、統(tǒng)計預(yù)測方法的選擇 第二節(jié) 統(tǒng)計預(yù)測 方法的分類和選擇 回總目錄 回本章目錄 方法 時間范圍 適用情況 計算機硬件 最低要求 應(yīng)做工作 分解分析法 短期 適用于一次性的短期預(yù)測或在使用其他預(yù)測方法前消除季節(jié)變動的因素 計算器 只需要序列的歷史資料 移動平均法 短期 不帶季節(jié)變動的反復(fù)預(yù)測 計算器 只需要因變量的歷史資料，但初次選擇權(quán)數(shù)時很費時 指數(shù)平滑法 短期 具有或不具有季節(jié)變動的反復(fù)預(yù)測 在用計算機建立模型后進行預(yù)測時，只需計算器就行了 只需要因變量的歷史資料，是一切反復(fù)預(yù)測中最簡易的方法，但建立模型所費的時間與自適應(yīng)過濾法不相上下 二、統(tǒng)計預(yù)測方法的選擇 第二節(jié) 統(tǒng)計預(yù)測 方法的分類和選擇 回總目錄 回本章目錄 方法 時間范圍 適用情況 計算機硬件 最低要求 應(yīng)做工作 自適應(yīng)過濾法 短期 適用于趨勢型態(tài)的性質(zhì)隨時間而變化，而且沒有季節(jié)變動的反復(fù)預(yù)測 計算機 只需要因變量的歷史資料，但制定并檢查模型規(guī)格很費時 干預(yù)分析模型預(yù)測法 短期 適用于時間序列受政策干預(yù)或突發(fā)事件影響的預(yù)測 計算機 收集歷史數(shù)據(jù)及影響時間 平穩(wěn)時間序列預(yù)測法 短期 適用于任何序列的發(fā)展型態(tài)的一種高級預(yù)測方法 計算機 計算過程復(fù)雜、繁瑣 二、統(tǒng)計預(yù)測方法的選擇 第二節(jié) 統(tǒng)計預(yù)測 方法的分類和選擇 回總目錄 回本章目錄 方法 時間范圍 適用情況 計算機硬件 最低要求 應(yīng)做工作 景氣預(yù)測法 短、中期 適用于時間趨勢延續(xù)及轉(zhuǎn)折預(yù)測 計算機 收集大量歷史資料和數(shù)據(jù)，并需大量計算 灰色預(yù)測法 短、中期 適用于時間序列的發(fā)展呈指數(shù)型趨勢 計算機 收集對象的歷史數(shù)據(jù) 狀態(tài)空間模型和卡爾曼濾波 短、中期 適用于各類時間序列的預(yù)測 計算機 收集對象的歷史數(shù)據(jù)并建立狀態(tài)空間模型 一、統(tǒng)計預(yù)測的原則 ? 連貫原則 ，指事物的發(fā)展是按一定規(guī)律進行的，在其發(fā)展過程中，這種規(guī)律貫徹始終，不應(yīng)受到破壞，它的未來發(fā)展與其過去和現(xiàn)在的發(fā)展沒有根本的不同。 ? 德爾菲法的特點：反饋性、匿名性和統(tǒng)計性。 回總目錄 n1 ( n )2? ? 項數(shù)回本章目錄 第二節(jié) 德爾菲法 [解答 ] ? 將最可能銷售量、最低銷售量和最高銷售