文档介绍：数据预测分析专题之一——时间序列预测管理科学与工程学院隋莉萍数据预测分析的两个主要方面: ?时间序列预测?回归分析预测内容简介?时间序列的概念和组成?时间序列预测的步骤?衡量预测准确性的指标?移动平均模型和指数平滑模型?趋势预测模型?季节指数模型一、时间序列预测概述 。这些观测值是按时间顺序排列的,时间点之间的间隔是相等的。可以是年、季度、月、周、日或其它时间段。常见的时间序列有: 按年、季度、月、周、日统计的商品销量、销售额或库存量,按年统计的一个省市或国家的国民生产总值、人口出生率等。产品名称(全部) 求和项:销售金额年订购日期汇总 1996年 7月 8月 9月 10月 11月 12月 1997年 1月 2月 3月 4月 5月 6月 7月 8月 9月 、时间序列预测概述 ?定性分析方法?定量分析方法?外推法:找出时间序列观测值中的变化规律与趋势,然后通过对这些规律或趋势的外推来确定未来的预测值。包括: ?移动平均和指数平滑法?趋势预测法?季节指数法?因果法: 寻找时间序列因变量观测值与自变量观测值之间的函数依赖关系(因果关系/回归分析),然后利用这种函数关系和自变量的预计值来确定因变量的预测值。一、时间序列预测概述 40 50 60 70 80 90 100 110 120 130 123456789 10 11 12 月销量无趋势 60 65 70 75 80 85 90 95 100 105 13579 11 13 15 17 19 21 23 月销量线性趋势 90 100 110 120 130 140 150 160 170 13579 11 13 15 17 19 21 23 月销量非线性趋势 0 20 40 60 80 100 123456789 10 11 12 月销售额第一年第二年季节成分 ?趋势成分:显示一个时间序列在较长时期的变化趋势?季节成分:反映时间序列在一年中有规律的变化?循环成分:反映时间序列在超过一年的时间内有规律的变化?不规则成分:不能归因于上述三种成分的时间序列的变化二、时间序列的预测步骤?第一步,确定时间序列的类型即分析时间序列的组成成分(趋势成分/季节成分/循环成分)。?第二步,选择合适的方法建立预测模型?如果时间序列没有趋势和季节成分,可选择移动平均或指数平滑法?如果时间序列含有趋势成分,可选择趋势预测法?如果时间序列含有季节成分,可选择季节指数法?第三步,评价模型准确性,确定最优模型参数?第四步,按要求进行预测 211 2)( 11 t nt t nt tFYn en MSE ???????三、移动平均模型和指数平滑模型?适用于围绕一个稳定水平上下波动的时间序列。??利用平均使各个时间点上的观测值中的随机因素互相抵消掉,以获得关于稳定水平的预测?将包括当前时刻在内的 N个时间点上的观测值的平均值作为对于下一时刻的预测值( N应选择得使 MSE 极小化) ?????? Ni ittYN F 1 1 11 ?【例1】某汽油批发商在过去 12周内汽油的销售数量如表所示: 试在 Excel 工作表中建立一个移动平均预测模型来预测第13周的汽油销量。实例: 移动平均模型周销量(千加仑) 周销量(千加仑) 1 17 7 22 2 21 8 18 3 19 9 22 4 23 10 20 5 18 11 17 6 20 12 22