【文章內(nèi)容簡介】 的統(tǒng)計處理。另外還有時間序列分析法、灰色預測法、神經(jīng)網(wǎng)絡預測法等方法。 通過比較得出，基本分析法是通過宏觀因素進行預測而我們這里是取時間作為變量，所以我們采取技術分析法里面的時間序列預測方法。時間序列典型的一個本質(zhì)特征就是相鄰觀測值的依賴性，隨機時間序列分析所論及的就是對這種依賴性進行分析的技巧。股票價格在短期內(nèi)宏觀因素不會發(fā)生變化，只考慮時間對它的影響，而我們預測股票價格指數(shù)所用的數(shù)據(jù)就是時間數(shù)據(jù)，因此，在股票價格的預測當中，時間序列預測法是一個比較好的選擇。成都理工大學畢業(yè)設計（論文）6第 2 章 時間序列預測法 時間序列預測 時間序列的概念時間序列是指同一種現(xiàn)象在不同時間上的相繼觀察值排列而成的一組數(shù)字序列。時間序列分析(Time series analysis)是一種動態(tài)數(shù)據(jù)處理的統(tǒng)計方法。該方法基于隨機過程理論和數(shù)理統(tǒng)計學方法，研究隨機數(shù)據(jù)序列所遵從的統(tǒng)計規(guī)律，以用于解決實際問題。它包括一般統(tǒng)計分析(如自相關分析，譜分析等)，統(tǒng)計模型的建立與推斷，以及關于時間序列的最優(yōu)預測、控制與濾波等內(nèi)容。經(jīng)典的統(tǒng)計分析都假定數(shù)據(jù)序列具有獨立性，而時間序列分析則側(cè)重研究數(shù)據(jù)序列的互相依賴關系。后者實際上是對離散指標的隨機過程的統(tǒng)計分析，所以又可看作是隨機過程統(tǒng)計的一個組成部分?，F(xiàn)實中的時間序列的變化受許多因素的影響，有些起著長期的、決定性的作用，使時間序列的變化呈現(xiàn)出某種趨勢和一定的規(guī)律性，有些則起著短期的、非決定性的作用，使時間序列的變化呈現(xiàn)出某種不規(guī)則性。時間序列的變化大體可分解為以下四種：　　(1)趨勢變化，指現(xiàn)象隨時間變化朝著一定方向呈現(xiàn)出持續(xù)穩(wěn)定地上升、下降或平穩(wěn)的趨勢。　　(2)周期變化（季節(jié)變化），指現(xiàn)象受季節(jié)性影響，按固定周期呈現(xiàn)出的周期波動變化。　(3)循環(huán)變動，指現(xiàn)象按不固定的周期呈現(xiàn)出的波動變化。(4)隨機變動，指現(xiàn)象受偶然因素的影響而呈現(xiàn)出的不規(guī)則波動。時間序列一般是以上幾種變化形式的疊加或組合。時間序列預測方法分為兩大類：一類是確定型的時間序列模型方法；另一類是隨機型的時間序列分析方法。確定型時間序列預測方法的基本思想是用一個確定的時間函數(shù)來擬合時間序列，不同的變化采取不同的函數(shù)形式來描述，不同變化??yft?的疊加采用不同的函數(shù)疊加來描述。具體可分為趨勢預測法、平滑預測法、分成都理工大學畢業(yè)設計（論文）7解分析法等。隨機型時間序列分析法的基本思想是通過分析不同時刻變量的相關關系，揭示其相關結構，利用這種相關結構來對時間序列進行預測。 時間序列分析特點(1)時間序列分析預測法是根據(jù)市場過去的變化趨勢預測未來的發(fā)展，它的前提是假定事物的過去會同樣延續(xù)到未來。市場預測的時間序列分析法，正是根據(jù)客觀事物發(fā)展的這種連續(xù)規(guī)律性，運用過去的歷史數(shù)據(jù)，通過統(tǒng)計分析，進一步推測市場未來的發(fā)展趨勢。需要指出，由于事物的發(fā)展不僅有連續(xù)性的特點，而且又是復雜多樣的。因此，在應用時間序列分析法進行市場預測時應注意市場現(xiàn)象未來發(fā)展變化規(guī)律和發(fā)展水平，不一定與其歷史和現(xiàn)在的發(fā)展變化規(guī)律完全一致。 (2)時間序列分析預測法突出了時間因素在預測中的作用，暫不考慮外界具體因素的影響。時間序列在時間序列分析預測法處于核心位置，沒有時間序列，就沒有這一方法的存在。 需要指出的是，時間序列預測法因突出時間序列暫不考慮外界因素影響，因而存在著預測誤差的缺陷，當遇到外界發(fā)生較大變化，往往會有較大偏差，時間序列預測法對于中短期預測的效果要比長期預測的效果好。因為客觀事物，尤其是經(jīng)濟現(xiàn)象，在一個較長時間內(nèi)發(fā)生外界因素變化的可能性加大，它們對市場經(jīng)濟現(xiàn)象必定要產(chǎn)生重大影響。如果出現(xiàn)這種情況，進行預測時，只考慮時間因素不考慮外界因素對預測對象的影響，其預測結果就會與實際狀況嚴重不符。 時間序列預測法的分類時間序列預測法可用于短期、中期和長期預測。根據(jù)對資料分析方法的不同，又可分為：簡單序時平均數(shù)法、加權序時平均數(shù)法、移動平均法、加權移動平均法、趨勢預測法、指數(shù)平滑法、季節(jié)性趨勢預測法、市場壽命周期預測法等。 　　上述幾種方法雖然簡便，能迅速求出預測值，但由于沒有考慮整個社會經(jīng)濟發(fā)展的新動向和其他因素的影響，所以準確性較差。應根據(jù)新的情況，對預測結果作必要的修正。 成都理工大學畢業(yè)設計（論文）8指數(shù)平滑法即根據(jù)歷史資料的上期實際數(shù)和預測值，用指數(shù)加權的辦法進行預測。此法實質(zhì)是由內(nèi)加權移動平均法演變而來的一種方法，優(yōu)點是只要有上期實際數(shù)和上期預測值，就可計算下期的預測值，這樣可以節(jié)省很多數(shù)據(jù)和處理數(shù)據(jù)的時間，減少數(shù)據(jù)的存儲量，方法簡便。　　季節(jié)趨勢預測法根據(jù)經(jīng)濟事物每年重復出現(xiàn)的周期性季節(jié)變動指數(shù)，預測其季節(jié)性變動趨勢。推算季節(jié)性指數(shù)可采用不同的方法，常用的方法有季(月)別平均法和移動平均法?！　∈袌鰤勖芷陬A測法就是對產(chǎn)品市場壽命周期的分析研究。 時間序列預測法的步驟第一步 收集歷史資料，加以整理，編成時間序列，并根據(jù)時間序列繪成統(tǒng)計圖。時間序列分析通常是把各種可能發(fā)生作用的因素進行分類，傳統(tǒng)的分類方法是按各種因素的特點或影響效果分為四大類：(1)長期趨勢；(2)季節(jié)變動；(3)循環(huán)變動； (4)不規(guī)則變動。 　　第二步 分析時間序列。時間序列中的每一時期的數(shù)值都是由許許多多不同的因素同時發(fā)生作用后的綜合結果。 　　第三步 求時間序列的長期趨勢(T)季節(jié)變動(s)和不規(guī)則變動(I) 的值，并選定近似的數(shù)學模式來代表它們。對于數(shù)學模式中的諸未知參數(shù)，使用合適的技術方法求出其值。 　　第四步 利用時間序列資料求出長期趨勢、季節(jié)變動和不規(guī)則變動的數(shù)學模型后，就可以利用它來預測未來的長期趨勢值 T 和季節(jié)變動值 s，在可能的情況下預測不規(guī)則變動值 I。時間序列分析主要用于：①系統(tǒng)描述。根據(jù)對系統(tǒng)進行觀測得到的時間序列數(shù)據(jù)，用曲線擬合方法對系統(tǒng)進行客觀的描述。② 系統(tǒng)分析。當觀測值取自兩個以上變量時，可用一個時間序列中的變化去說明另一個時間序列中的變化，從而深入了解給定時間序列產(chǎn)生的機理。③預測未來。一般用 ARMA 模型擬合時間序列，預測該時間序列未來值。④決策和控制。根據(jù)時間序列模型可調(diào)整輸入變量使系統(tǒng)發(fā)展過程保持在目標值上，即預測到過程要偏離目標時便可進行必要的控制。成都理工大學畢業(yè)設計（論文）9 時間序列預測算法 平均數(shù)預測法1．簡單算術平均法設時間序列的各期觀察值為 ，（t=1,2,…,n），式中 表示觀察1ntX??X值時間序列平均數(shù)；n 表示觀察時期數(shù)； 表示時間序列各組觀察值。t2．加權算術平均法利用不同的時期所對應的權數(shù)不同，來體現(xiàn)由于時間差異而取得的信息的重要性不同,或根據(jù)預測者的能力大小不同也可以利用加權法來體現(xiàn)其重要性的區(qū)別。其公式是： 。??nttttWX13．一次移動平均法移動平均法是通過逐項推移，依次計算包含一定項數(shù)的時序平均數(shù)，以反映時間序列的長期趨勢的方法。由于移動平均法具有較好的修勻歷史數(shù)據(jù)、消除數(shù)據(jù)因隨機波動而出現(xiàn)高點、低點的影響，從而能較好地揭示經(jīng)濟現(xiàn)象發(fā)展地趨勢。 設時間序列為 , , , …；以 N 為移動時期數(shù),則簡單移動平均數(shù)的計算1Y23公式為： =tMtt1.???? = 通過整理得出t??NYYtNtttt ???????14．加權移動平均法若要考慮各期數(shù)據(jù)的重要性，對近期數(shù)據(jù)給予較大的權數(shù)，遠期數(shù)據(jù)給予較小的權數(shù)，就應采用加權平均法。成都理工大學畢業(yè)設計（論文）10設為移動步長為 N 期內(nèi)由近至遠各期觀察值的權數(shù)，則加權移動平均數(shù)的計算公式為： 。NtntttwWYYM?????.211利用加權移動平均法進行預測，其預測模型為： ， 即以第 t 期的加權twtM??1移動平均數(shù)作為 t+1 期的預測值5. 二次移動平均法當實際資料出現(xiàn)明顯的線性增長或減少的變動趨勢時，用一次移動平均值來預測就會出現(xiàn)滯后偏差。因此要進行修正，方法是在一次移動平均的基礎上，作二次移動平均，利用兩次移動平均滯后偏差的規(guī)律來建立直線趨勢預測模型。為區(qū)別起見將一次移動平均法記作 ，將二次移動平均法記作 。 ??1tM??2tM則二次移動平均法的計算公式為： = ??2t?????NNttt 11.????上式中： 為一次移動平均值； 為二次移動平均值；N 為步長。由上??1tM??2t式可推出： =。??2t ??Mttt 11???值得注意的是，二次移動平均值不能直接用于預測，而應該建立趨勢直線預測模型來進行了預測。 指數(shù)平滑法移動平均法明顯存在兩個問題：一是計算移動平均預測值，需要有近期 N個以上的數(shù)據(jù)資料；二是計算未來預測值沒有利用全部歷史資料，只考慮這 N期資料便作出推測，N 期以前數(shù)據(jù)對預測值不產(chǎn)生任何影響。指數(shù)平滑法是由移動平均法改進而來的，是一種特殊的加權移動平均法，也稱為指數(shù)加權平均法。這種方法既有移動平均法的長處，又可以減少歷史數(shù)據(jù)的數(shù)量。第一，它把過去的數(shù)據(jù)全部加以利用；第二，它利用平滑系數(shù)加以區(qū)分，使得近期數(shù)據(jù)比遠期數(shù)據(jù)對預測值影響更大。它特別適用于觀察值有長期趨勢和季節(jié)變動，必須經(jīng)常預測的情況。指數(shù)平滑法在市場預測中的應用主要有一次指數(shù)平滑法和多次指數(shù)平滑法。成都理工大學畢業(yè)設計（論文）111. 一次指數(shù)平滑法一次指數(shù)平滑法就是計算時間序列的一次指數(shù)平滑值，以當前觀察期的一次指數(shù)平滑值和觀察值為基礎，確定下期預測值。 設時間數(shù)列為: ， ， ，…，一次指數(shù)平滑法的計算公式為： 1y23y= + ，??tSta???1tS式中： 為 期時間數(shù)列的預測值； 為 期時間數(shù)列的觀察值； 為平滑ty?t a常數(shù)。 )10(?a一次平滑系數(shù)是以第一次指數(shù)平滑值作為第 ＋1 期的預測值，即 =t??1ty??1tS由此我們可以得到預測公式的另一種表達方式： = +??1tyta????ty2. 二次指數(shù)平滑法 一次指數(shù)平滑法中,為了進一步減少偶然因素對預測值的影響，可在一次平滑的基礎上進行第二次平滑。二次指數(shù)平滑值的計算公式為 = + ，??2tSa??