计算机数据库(经济会计类)讲时间序列分析和预测随堂讲义.pptVIP

一次指数平滑 在开始计算时，没有第1期的预测值F1，通常可以设F1等于第1期的实际观察值，即F1=Y1 第2期的预测值为 第3期的预测值为 一次指数平滑 (预测误差) 预测精度，用误差均方来衡量 Ft+1是第t期的预测值Ft加上用?调整的第t期的预测误差(Yt-Ft) 一次指数平滑 (? 的确定) 不同的?会对预测结果产生不同的影响 当时间序列有较大的随机波动时，宜选较大的? ，以便能很快跟上近期的变化 当时间序列比较平稳时，宜选较小的? 选择?时，还应考虑预测误差 误差均方来衡量预测误差的大小 确定?时，可选择几个进行预测，然后找出预测误差最小的作为最后的值 一次指数平滑 (例题分析) 第1步：选择【工具】下拉菜单 第2步：选择【数据分析】，并选择【指数平滑】，然后【确定】 第3步：当对话框出现时 在【输入区域】中输入数据区域 在【阻尼系数】( 注意：阻尼系数=1- ? )输入的值 选择【确定”】 【例】对居民消费价格指数数据，选择适当的平滑系数? ，采用Excel进行指数平滑预测，计算出预测误差，并将原序列和预测后的序列绘制成图形进行比较 一次指数平滑 (例题分析) 一次指数平滑 (例题分析) 环比增长率与定基增长率 环比增长率 报告期水平与前一期水平之比减1 定基增长率 报告期水平与某一固定时期水平之比减1 平均增长率(average rate of increase ) 序列中各逐期环比值(也称环比发展速度) 的几何平均数减1后的结果 描述现象在整个观察期内平均增长变化的程度 通常用几何平均法求得。计算公式为 平均增长率(例题分析 ) 【例】见人均GDP数据 年平均增长率为： 2010年和2011年人均GDP的预测值分别为： 增长率分析中应注意的问题 当时间序列中的观察值出现0或负数时，不宜计算增长率 例如：假定某企业连续五年的利润额分别为5，2，0，-3，2万元，对这一序列计算增长率，要么不符合数学公理，要么无法解释其实际意义。在这种情况下，适宜直接用绝对数进行分析 在有些情况下，不能单纯就增长率论增长率，要注意增长率与绝对水平的结合分析 增长率分析中应注意的问题(例题分析) 甲、乙两个企业的有关资料 年 份 甲 企 业 乙 企 业 利润额(万元) 增长率(%) 利润额(万元) 增长率(%) 上年 500 — 60 — 本年 600 20 84 40 【例】 假定有两个生产条件基本相同的企业，各年的利润额及有关的速度值如下表 增长率分析中应注意的问题(增长1%绝对值) 增长率每增长一个百分点而增加的绝对量 用于弥补增长率分析中的局限性 计算公式为 甲企业增长1%绝对值=500/100=5万元 乙企业增长1%绝对值=60/100=0.6万元 13.3 时间序列预测的程序 13.3.1 确定时间序列的成分 13.3.2 选择预测方法 13.3.3 预测方法的评估 确定时间序列的成分 确定趋势成分(例题分析) 【例】一种股票连续16周的收盘价如下表所示。试确定其趋势及其类型 确定趋势成分(例题分析) 直线趋势方程 回归系数检验 P=0.000179 R2=0.645 确定趋势成分(例题分析) 二次曲线方程 回归系数检验 P=0.012556 R2=0.7841 确定季节成分(例题分析) 【例】下面是一家啤酒生产企业2000～2005年各季度的啤酒销售量数据。试根据这6年的数据绘制年度折叠时间序列图，并判断啤酒销售量是否存在季节性 年度折叠时间序列图 (folded annual time series plot) 将每年的数据分开画在图上 若序列只存在季节成分，年度折叠序列图中的折线将会有交叉 若序列既含有季节成分又含有趋势，则年度折叠时间序列图中的折线将不会有交叉，而且如果趋势是上升的，后面年度的折线将会高于前面年度的折线，如果趋势是下降的，则后面年度的折线将低于前面年度的折线 选择预测方法 预测方法的选择 是 否 时间序列数据 是否存在趋势 否 是 是否存在季节 是否存在季节 否 平滑法预测 简单平均法 移动平均法 指数平滑法 季节性预测法 季节多元回归模型 季节自回归模型 时间序列分解 是 趋势预测方法 线性趋势推测 非线性趋势推测 自回归预测模型 评估预测方法 计算误差 平均误差ME(mean error) 平均绝对误差MAD(mean absolute deviation) 计算误差 均方误差MSE(mean square error) 平均百分比误差MPE(mean percentage error) 平均绝对百分比误差MA