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

时间序列就是一个变量在一定时间段内不同时间点上观测值的集合。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。
一、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
无趋势
线性趋势
非线性趋势
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
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)
【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