时间序列预测法是一种定量分析方法,它是在时间序列变量分析的基础上,
运用一定的数学方法建立预测模型,使时间趋势向外延伸,从而预测未来市场的
发展变化趋势,确定变量预测值。
其基本特点是:假定事物的过去趋势会延伸到未来;预测所依据的数据具有
不规则性;撇开市场发展之间的因果关系。
时间序列的变动形态一般分为四种:长期趋势变动,季节变动,循环变动,
不规则变动。方法分类:
(1) 平均数预测(简单算术平均法,加权算术平均法,几何平均数法)
(2) 移动平均数预测(一次移动平均法,二次移动平均法)
(3) 指数平滑法预测(一次,二次,三次指数平滑法)
(4) 趋势法预测(分割平均法,最小二乘法,三点法)
(5) 季节变动法(简单平均法,季节比例法)
(1)季节变动法预测需要筹集至少三年以上的资料。
(2)移动平均法在短期预测中较准确,长期预测中效果较差。
(3)移动平均可以消除或减少时间序列数据受偶然性因素干扰而产生的随
机变动影响。
(4)一次移动平均法适用于具有明显线性趋势的时间序列数据的预测;一次
移动平均法只能用来对下一期进行预测,不能用于长期预测,必须选择合理的移
动跨期,跨期越大对预测的平滑影响也越大,移动平均数滞后于实际数据的偏差
也越大。跨期太小则又不能有效消除偶然因素的影响。跨期取值可在3~20 间选
取。
(5)二次移动平均法与一次移动平均法相比,其优点是大大减少了滞后偏差,
使预测准确性提高;二次移动平均只适用于短期预测。而且只用于的情形。
(6)最小二乘法即适用于直线趋势的预测,也适用于曲线趋势的预测。
非常抱歉!本站不支持旧版本IE浏览器~~建议使用IE10/IE11/Chrome/Firefox/Safari等高级浏览器浏览。