時間序列的分解和預測-在線瀏覽
2025-07-13 00:38本頁面
【正文】 ,aaaaaaaa n?環(huán)比 發(fā)展速度： 1231201 ,?nnaaaaaaaa?環(huán)比、定基發(fā)展速度關(guān)系 ?各期環(huán)比發(fā)展速度 之積 等于相應的定基發(fā)展速度， 相鄰兩期 的定基發(fā)展速度 之商 等于相應的環(huán)比發(fā)展速度 。 在應用增長速度分析實際問題 兩點 注意 首先，當時間序列中的觀察值出現(xiàn) 0或負數(shù)時，不宜計算增長速度，這樣不符合數(shù)學公理，無法解釋其實際意義。 其次，有時不能單純就增長速度論增長速度，要注意增長速度與絕對水平的結(jié)合分析。 平穩(wěn)序列中的各觀察值基本上在某個固定的水平上波動，雖然在不同的時間段波動的程度不同，但并不存在某種規(guī)律，而其波動可以看成是隨機的。時間序列的波動是許多因素共同作用的結(jié)果，這些因素按其性質(zhì)和作用可以歸納為 長期趨勢 、 季節(jié)變動 、 循環(huán)變動 和 不規(guī)則變動 四種，所以非平穩(wěn)序列又可以分為有趨勢的序列，有趨勢和季節(jié)性的序列、三種以上成分混合而成的復合型序列等。 第 8章 時間序列分析和預測 時間序列預測的程序 確定時間序列的成分 預測方法的選擇與評估 程序 1. 確定時間序列所包含的成分； 2. 找出適合此類時間序列的預測方法； 3. 對可能的預測方法進行評估 ， 以 確定最佳預測方案； 4. 利用最佳預測方案進行預測 。試確定其趨勢及其類型 確定趨勢成分 (例題分析 ) ? 直線趨勢方程 ? 回歸系數(shù)檢驗 ? P= ? R2= 02468101214161 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16日期收盤價格確定趨勢成分 (例題分析 ) ? 二次曲線方程 ? 回歸系數(shù)檢驗 ? P= ? R2= 02468101214161 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16日期收盤價格確定季節(jié)成分 (例題分析 ) 【 例 】 下面是一家啤酒生產(chǎn)企業(yè)2021 ～2021年各季度的啤酒銷售量數(shù)據(jù) 。 2. 將最近 k期數(shù)據(jù)平均作為下一期的預測值 。 kYYYYYF ttktkttt?????? ??????1211?4. 預測誤差用均方誤差 (MSE) 來衡量 nFYM S Eniii???? 12)(移動平均預測 (特點 ) 1. 將每個觀察值都給予 相同 的權(quán)數(shù) 。 3. 主要適合對較為 平穩(wěn) 的序列進行預測 。 ? 選擇移動步長時 ， 可通過試驗的辦法 ， 選擇一個使均方誤差達到最小的移動步長 。 ? 用 Excel進行移動平均預測 3?k 5?k簡單移動平均法 (例題分析 ) 簡單移動平均法 (例題分析 ) 平穩(wěn)序列的預測 簡單指數(shù)平滑法 指數(shù)平滑預測 (exponential smoothing) 1. 對過去的觀察值 加權(quán)平均 進行預測的一種方法 2. 觀察值時間越 遠 ， 其權(quán)數(shù)也跟著呈現(xiàn)指數(shù)的 下降 ， 因而稱為指數(shù)平滑 3. 以 一段時期的預測值與觀察值的線性組合作為第 t+1期的預測值 ， 其預測模型為 )(1 tttt FYFF ???? ? Yt為第 t期的實際觀察值 Ft 為第 t期的預測值 ?為平滑系數(shù) (0 ?1) 指數(shù)平滑預測 (exponential smoothing) 1. 在開始計算時 ， 沒有第 1期 的預測值 F1， 通?？梢栽O(shè) F1等于第 1期的 實際觀察值 ， 即 F1=Y1 2. 第 2期的預測 值為 3. 第 3期的預測 值為 1111 )1()1(2 YYFYF ???? ??????12223 )1()1( YYFYF ???? ??????指數(shù)平滑預測 (平滑系數(shù) ? 的確定 ) 1. 不同的 ?會對預測結(jié)果產(chǎn)生不同的影響 ? 當時間序列有較大的隨機波動時 ， 宜選較大的 ? ， 以便能很快跟上近期的變化； ? 當時間序列比較平穩(wěn)時 ， 宜選較小的 ? ； ? 進行預測時 ， 若較 重視近期 數(shù)據(jù)
高考資料相關(guān)推薦
鄂ICP備17016276號-1