文档介绍：《市场调查与预测》电子教案(第7章)
第7章时间序列预测
时间序列预测法概述
平均预测法
指数平滑法
趋势延伸法
季节指数法
学习目标
·了解时间序列预测法的概念和特点;
·了解时间序列的数据分布类型;
·熟悉时间序列预测法的步骤;
·掌握平均预测法、指数平滑法、季节指数法的方法及其应用;
·理解趋势延伸的方法及其应用;
73>.1时间序列预测法概述
时间序列预测法的概念和特点
时间序列的数据分布类型
时间序列预测法的步骤

时间序列又称动态序列或时间数列,它是将某个经济变量的观测值,按时间先后顺序排列而形成的一组数据形式。
时间序列预测法又称趋势外推法,是指对某一市场现象编制时间序列,通过统计分析和建立数学模型,使其向外延伸或外推,预计其未来的发展变化趋势,确定市场预测值的方法。
时间序列预测法的前提是假设事物过去和现在的发展变化规律会照样延续到未来,要求准确、完整的时间序列资料。适用于市场比较稳定,价格弹性较小的商品,尤其适于近期和短期预测。

(1)时间序列分析法是根据市场过去的变化趋势预测未来的发展,它的前提是假定事物的过去会同样延续到未来。
(2)时间序列数据存在着不规则性变动类型,即:长期变动趋势、季节变动、循环变动、不规则变动等。
(3)时间序列预测法是撇开了
市场发展的因果关系去分析市
场的过去和未来的联系。

优点:(1)查明未来和现在、过去的联系,查明发展结果和影响因素之间的联系时,本方法效果很好,没有其他方法所能代替;(2)处理数据资料时,要求的整套手段不复杂。
缺点:(1)仅仅反映对象线性的、单向的联系;(2)仅能预测稳定的、在
时空方面延续的过程,以及与之
相应的趋势;(3)不适用于长
期预测。

(1)按照线性或非线性变动,呈上升趋势。
(2)按照线性或非线性变动,呈下降趋势。
(3)水平变动趋势。

季节性时间序列的数据表现出随着季节变换,在每一季节内会重复出现有规律波动的形态。

是指时间序列数据在为期较长的周期内,呈现出有规律的上升或下降的循环变动状态。
(随机变动)
是指时间序列数据呈现出忽上忽下,不规则的变动趋势。

、整理市场现象的历史资料,编制时间序列,并根据时间序列绘制图形

,建立预测模型
,确定预测值

简单平均法
加权平均法
移动平均法
或简写成:

简单平均法是以一定观察期内预测变量的算术平均数作为下期预测值的预测方法。这种方法适用于趋势比较稳定的时间序列的短期预测。

加权平均法是指将时间数列的各个数据看作对预测值的不同的影响程度,分别给各个数据以不同的权数后计算出加权平均数,并将其作为下期预测值的方法。加权平均法的关键是确定适当的权数。加权平均数的计算公式为:
或简写成:

移动平均法是将观察预
测对象的历史数据,由远而
近采用逐项递移的方法,计
算一系列平均数即平均值,把每期平均数作为下一期预测值的方法。
移动平均法预测的准确程度,取决于移动跨越期的长短。预测者确定跨越期长短要根据以下两个方面的要求。首先,要根据时间序列本身的特点;其次,根据研究问题的需要。
:
(1)需要较多的历史数据,数据愈多预测值平滑效果愈显著。
(2)处理上具有较大的灵活性。
(3)一般适用于没有明显变化趋势数列的短期预测。
:
共同点:二者都是以平均数作为确定预测值的依据。
不同点:移动平均法不仅仅是移动着求时间序列中一定数量数据的平均值,构成新时间序列,而且能够较好地修匀时间序列,消除时间序列中不规则变动和季节变动。

(1)一次移动平均法。一次移动平均法是指对时间数列按一定的观察期,只计算一次移动平均值作为预测值的方法。其计算公式为:
式中: :预测值; :各期实际数; :资料的时间数(年、季、月); :移动平均的时间段长
一次移动平均法的特点有:
第一,预测值是离预测期最近的一组历史数据(实际值)平均的结果;
第二,参加平均的历史数据的个数(跨越期数或移动项数)是固定不变的;
第三,参加平均的一组历史数据是随着预测期的向前推进而不断