商業(yè)與經(jīng)濟預(yù)測ppt課件(編輯修改稿)
2025-05-30 18:19 本頁面
【文章內(nèi)容簡介】 設(shè)，可通過使用一般方程式 St=S0+bt擬合于時間序列數(shù)據(jù)來做預(yù)測?！?假定每期變化的百分率不變，可以通過估計方程St=S0（ 1+g） t的參數(shù)來做預(yù)測?！?可用趨勢比率調(diào)整法來降低因季節(jié)性變動引起的預(yù)測誤差。（二）指數(shù)平滑法? 趨勢推測法實際上就是回歸分析法，只是唯一的自變量是時間。這種方法的一個特點是每次觀察的權(quán)值是相同的。即初始的數(shù)據(jù)點對所估計的系數(shù)的影響和最后的數(shù)據(jù)點的影響剛好一樣大。? 但是，在有些情況下，近期的觀察數(shù)據(jù)要比開始時的數(shù)據(jù)包含更多的有關(guān)將來的準確信息。? 1. 指數(shù)平滑法 （ exponential smoothing）? 是一種時間序列預(yù)測技術(shù)，它賦予近期的觀察數(shù)據(jù)以更大的權(quán)值。第一步是選擇平滑常數(shù) 。這里 。如果時間序列中有 n次觀察，下期（即 n+1）的預(yù)測值就等于第 n期的觀測值和同期的預(yù)測值的加權(quán)平均數(shù)，即 式中， Fn+1為下一期的預(yù)測值； Xn為時間序列中最后一期的觀察值； Fn為時間序列最后一期的預(yù)測值。 Fn和所有早期的預(yù)測值的計算方法相同，即 通?？梢酝ㄟ^假定第一期的預(yù)測值等于該期的觀察值來解決。即 F1=X1. 如果 ，那么 ，表示預(yù)測值就完全由最后一期的實際觀察值來決定；反之如果 值較低，前期的觀察數(shù)據(jù)就有較大的權(quán)值。 用指數(shù)平滑法預(yù)測周次 銷售量 a= a= a= a=t Xt Ft Ft Ft Ft1 400 2 430 3 420 4 440 5 460 6 440 7 470 8 430 9 440 10 420 11 2. 平滑常數(shù)的選擇 選擇這個值的一個標準是分析者對近期觀察數(shù)據(jù)應(yīng)給多大權(quán)值的直觀判斷?；貧w方程系數(shù)的選擇應(yīng)當使觀察值和預(yù)測值之間離差的平方和最小。這一方法也能用來決定平滑常數(shù)。 （ XtFt） 2是實際的時間序列數(shù)據(jù)和同期的預(yù)測值之間的離差的平方。因而，把每個觀察數(shù)據(jù)的這些值相加，就可算得離差的平方和如下： 選擇 值的一個方法就是使這個和最小。平滑常數(shù) 離差平方和 3. 對指數(shù)平滑法的評價 指數(shù)平滑法的一個 優(yōu)點 是分析時間序列數(shù)據(jù)時，它允許較近期的數(shù)據(jù)有較大的權(quán)值。而另一優(yōu)點是，有可能增加新的觀察數(shù)據(jù)，從而能很容易地使預(yù)測適合新的情況。 它的主要 缺點 ：如果數(shù)據(jù)呈面顯的趨勢，用它進行預(yù)測就會不太準確。如果時間趨勢為正值，根據(jù)指數(shù)平滑法做出的預(yù)測就可能太低；如果時間趨勢為負值，做出的估計就會太高。只有你當數(shù)據(jù)沒有明顯的時間趨勢時，用簡單指數(shù)平滑法做預(yù)測才是最適合的。小結(jié)二 1. 實用指數(shù)平滑法，預(yù)測值等于上一期的觀察值的加權(quán)平均值。 2. 權(quán)值可通過選擇一個能使預(yù)測值和觀察值之間離差平方和最小平滑常數(shù)來確定。三、氣壓式預(yù)測法? 如果時間序列不存在清楚地變化模式，這樣的數(shù)據(jù)對預(yù)測就沒有多大用處。? 另外一種方法是找出與第 1個數(shù)據(jù)序列相關(guān)的第 2個
教學課件相關(guān)推薦
鄂ICP備17016276號-1