第十三讲.ppt

第十三讲预测
定量方法
要预测变量的过去资料是可以利用的;
这些资料可以用数量来表示;
对过去轨迹的合理假定可以外推到未来。
定性方法
要预测变量不是定量的或历史资料无法利用。
1
时间序列方法
确定型方法
平滑法
移动平均
加权移动平均
指数平滑
趋势推测法
季节变动预测法
随机型方法
Box-Jenkins (ARIMA)
ECM, ARCH,GARCH,……
因果预测方法
回归分析
2
时间序列的成分
趋势成分(ponent): T
循环成分(ponent): C
季节成分(ponent): S
不规则成分(ponent): I
3
ponent
Overall Upward or Downward Movement
Data Taken Over a Period of Years
Sales
Time
Upward trend
4
ponent
Upward or Downward Swings
May Vary in Length
Usually Lasts 2 - 10 Years
Sales
Time
Cycle
5
ponent
Upward or Downward Swings
Regular Patterns
Observed Within 1 Year
Sales
Time (Monthly or Quarterly)
Winter
6
Random or ponent
Erratic, Nonsystematic, Random, ‘Residual’ Fluctuations
Due to Random Variations of
Nature
Accidents
Short Duration and Non-repeating
7
The Additive model(加法模型)  yt = Tt + Ct + St + It
The multiplicative model(乘法模型) yt = Tt  Ct  St  It
常用时间序列模型
8
平滑法
适用于稳定的时间序列—即没有明显的趋势、循环和季节影响。
目的:“消除”由时间序列的不规则成分所引起的随机波动。
对资料要求低。
对近距离预测精度较高。
9
(简单)移动平均法(Moving Average)
使用时间序列中最近几个时期数据值的平均数作为下一个时期的预测值。
10