數(shù)據(jù)預(yù)測分析方法.ppt

數(shù)據(jù)預(yù)測分析專題之一 時間序列預(yù)測 數(shù)據(jù)預(yù)測分析的兩個主要方面 時間序列預(yù)測回歸分析預(yù)測 內(nèi)容簡介 時間序列的概念和組成時間序列預(yù)測的步驟衡量預(yù)測準(zhǔn)確性的指標(biāo)移動平均模型和指數(shù)平滑模型趨勢預(yù)測模型季節(jié)指數(shù)模型 一 時間序列預(yù)測概述 1 時間序列時間序列就是一個變量在一定時間段內(nèi)不同時間點上觀測值的集合 這些觀測值是按時間順序排列的 時間點之間的間隔是相等的 可以是年 季度 月 周 日或其它時間段 常見的時間序列有 按年 季度 月 周 日統(tǒng)計的商品銷量 銷售額或庫存量 按年統(tǒng)計的一個省市或國家的國民生產(chǎn)總值 人口出生率等 一 時間序列預(yù)測概述 2 時間序列預(yù)測方法定性分析方法定量分析方法外推法 找出時間序列觀測值中的變化規(guī)律與趨勢 然后通過對這些規(guī)律或趨勢的外推來確定未來的預(yù)測值 包括 移動平均和指數(shù)平滑法趨勢預(yù)測法季節(jié)指數(shù)法因果法 尋找時間序列因變量觀測值與自變量觀測值之間的函數(shù)依賴關(guān)系 因果關(guān)系 回歸分析 然后利用這種函數(shù)關(guān)系和自變量的預(yù)計值來確定因變量的預(yù)測值 一 時間序列預(yù)測概述 無趨勢 線性趨勢 非線性趨勢 季節(jié)成分 3 時間序列成分趨勢成分 顯示一個時間序列在較長時期的變化趨勢季節(jié)成分 反映時間序列在一年中有規(guī)律的變化循環(huán)成分 反映時間序列在超過一年的時間內(nèi)有規(guī)律的變化不規(guī)則成分 不能歸因于上述三種成分的時間序列的變化 二 時間序列的預(yù)測步驟 第一步 確定時間序列的類型即分析時間序列的組成成分 趨勢成分 季節(jié)成分 循環(huán)成分 第二步 選擇合適的方法建立預(yù)測模型如果時間序列沒有趨勢和季節(jié)成分 可選擇移動平均或指數(shù)平滑法如果時間序列含有趨勢成分 可選擇趨勢預(yù)測法如果時間序列含有季節(jié)成分 可選擇季節(jié)指數(shù)法第三步 評價模型準(zhǔn)確性 確定最優(yōu)模型參數(shù)第四步 按要求進(jìn)行預(yù)測 三 移動平均模型和指數(shù)平滑模型 適用于圍繞一個穩(wěn)定水平上下波動的時間序列 1 移動平均模型利用平均使各個時間點上的觀測值中的隨機(jī)因素互相抵消掉 以獲得關(guān)于穩(wěn)定水平的預(yù)測將包括當(dāng)前時刻在內(nèi)的N個時間點上的觀測值的平均值作為對于下一時刻的預(yù)測值 N應(yīng)選擇得使MSE極小化 例1 某汽油批發(fā)商在過去12周內(nèi)汽油的銷售數(shù)量如表所示 試在Excel工作表中建立一個移動平均預(yù)測模型來預(yù)測第13周的汽油銷量 實例 移動平均模型 三 移動平均模型和指數(shù)平滑模型 三 移動平均模型和指數(shù)平滑模型 2 指數(shù)平滑模型 改進(jìn)移動平均預(yù)測模型 將計算平均值時對于不同時期觀測值的權(quán)數(shù)設(shè)置得不同 近期的權(quán)數(shù)較大 遠(yuǎn)期的權(quán)數(shù)較小 三 移動平均模型和指數(shù)平滑模型 指數(shù)平滑的疊代算法 例2 利用例1的數(shù)據(jù)在Excel工作表中建立一個指數(shù)平滑預(yù)測模型來預(yù)測第13周的汽油銷量 實例 指數(shù)平滑模型 實例 使用控件求解最優(yōu)跨度和最優(yōu)平滑指數(shù) 例4 例5 利用例1的數(shù)據(jù)在Excel工作表中建立一個利用函數(shù)和控件來控制移動跨度 平滑指數(shù)的移動平均模型和指數(shù)平滑預(yù)測模型來預(yù)測第13周的汽油銷量 試探索共有幾種利用MSE求最優(yōu)跨度和平滑系數(shù)的途徑 四 趨勢預(yù)測模型 對于含有線性趨勢成分的時間序列 可以將預(yù)測變量在每一個時期的值和其對應(yīng)時期之間的線性依賴關(guān)系表示為 利用使均方誤差MSE極小的原則確定系數(shù)a與b 就可得到直線趨勢方程 以此求得每一個Xi所對應(yīng)的預(yù)測值 四 趨勢預(yù)測模型 求解a和b的三種方法 利用Excel內(nèi)建函數(shù)INTERCEPT 和SLOPE 利用數(shù)組函數(shù)LINEST 利用規(guī)劃求解工具求解預(yù)測值的四種方法 利用線性趨勢方程直接計算利用Excel內(nèi)建函數(shù)TREND 利用Excel內(nèi)建函數(shù)FORECAST 用特殊方法拖動觀測值所在范圍 實例 趨勢預(yù)測模型 例3 針對NorthwindTraders公司月銷售額時間序列 建立趨勢預(yù)測模型 并預(yù)測該公司未來3個月的銷售額 五 Holt模型 實例 Holt預(yù)測模型 例6 某商場兩年內(nèi)各個月份的空調(diào)機(jī)銷售額數(shù)據(jù)如下表所示 假定商場空調(diào)機(jī)前年最后一個月的銷售額為42 前年銷售額的平均月增長幅度為2 93 試建立一個Holt模型對商場未來的銷售額進(jìn)行預(yù)測 商場各個月份空調(diào)銷售額 六 季節(jié)指數(shù)模型 對于既含有線性趨勢成分又含有季節(jié)成分的時間序列 須對其成分進(jìn)行分解 這種分解建立在以下乘法模型的基礎(chǔ)上 其中 Tt表示趨勢成分 St表示季節(jié)成分 It表示不規(guī)則成分 由于不規(guī)則成分的不可預(yù)測 因此預(yù)測值就可表示為趨勢成分和季節(jié)成分的乘積 六 季節(jié)指數(shù)模型 建立季節(jié)指數(shù)模型的一般步驟 第一步 計算每一季 每季度 每月等等 的季節(jié)指數(shù)St 第二步 用時間序列的每一個觀測值除以適當(dāng)?shù)募竟?jié)指數(shù) 消除季節(jié)影響 第三步 為消除了季節(jié)影響的時間序列建立適當(dāng)?shù)内厔菽Ｐ筒⒂眠@個模型進(jìn)行預(yù)測 第四步 用預(yù)測值乘以季節(jié)指數(shù) 計算出最終的帶季節(jié)影響的預(yù)測值 實例 季節(jié)指數(shù)模型 例7 某工廠過去4年的空調(diào)機(jī)銷量如下表所示 這些數(shù)據(jù)有明顯的季節(jié)性波動 試建立一個季節(jié)指數(shù)模型來預(yù)測第5年每個季度的空調(diào)機(jī)銷量 四年內(nèi)每季度的電視機(jī)銷量表 實例 季節(jié)指數(shù)模型 實例 季節(jié)指數(shù)模型 例8 某工廠過去四個5年的納稅情況如右表所示 這些數(shù)據(jù)有明顯的季節(jié)性波動 試建立一個季節(jié)指數(shù)模型來預(yù)測下一個5年的納稅情況 本章小結(jié) 本章重點是時間序列的四種EXCEL工作表預(yù)測模型移動平均模型指數(shù)平滑