時序平滑預測法

1、4 時序平滑預測法4 時序平滑預測法引例：2年前，國內(nèi)豬肉價格瘋長，也帶動CPI數(shù)據(jù)一路創(chuàng)出新高，擔憂通脹的呼聲不絕于耳。僅僅兩年，國內(nèi)豬肉價格驟跌，“豬賤傷農(nóng)”讓不少養(yǎng)殖戶揮淚大量宰殺母豬。同期CPI數(shù)據(jù)相應(yīng)降低，通縮之慮又甚囂塵上。中國經(jīng)濟在“豬周期”的循環(huán)中坐上了通脹通縮的蹺蹺板。4 時序平滑預測法豬周期是一種經(jīng)濟現(xiàn)象，指“價高傷民，價賤傷農(nóng)”的周期性豬肉價格變化怪圈。“豬周期”的循環(huán)軌跡一般是：肉價上漲母豬存欄量大增生豬供應(yīng)增加肉價下跌大量淘汰母豬生豬供應(yīng)減少肉價上漲。4 時序平滑預測法豬周期是一種經(jīng)濟現(xiàn)象，指“價高傷民，價賤傷農(nóng)”的周期性豬肉價格變化怪圈?！柏i周期”的循環(huán)軌跡一般是：

2、肉價上漲母豬存欄量大增生豬供應(yīng)增加肉價下跌大量淘汰母豬生豬供應(yīng)減少肉價上漲。4 時序平滑預測法引例：豬周期是一種經(jīng)濟現(xiàn)象，指“價高傷民，價賤傷農(nóng)”的周期性豬肉價格變化怪圈。“豬周期”的循環(huán)軌跡一般是：肉價上漲母豬存欄量大增生豬供應(yīng)增加肉價下跌大量淘汰母豬生豬供應(yīng)減少肉價上漲。4 時序平滑預測法中國生豬業(yè)已經(jīng)出現(xiàn)多次周期性波動，這個周期一般在2-3年左右。如2003年、2004年，豬價高，導致生豬生產(chǎn)發(fā)展很快，結(jié)果到了2005年、2006年，豬價又大跌，養(yǎng)豬戶不得不大量減少母豬，結(jié)果又導致2007年、2008年豬價大漲，隨后，又開始一輪豬價下跌，進而踏入了豬價的上升通道。這種周期性大幅波動，使豬

3、農(nóng)叫苦不迭，“賺一年、賠一年”，“價高傷民、價賤傷農(nóng)”。中國生豬業(yè)已經(jīng)出現(xiàn)多次周期性波動，這個周期一般在2-3年左右。如2003年、2004年，豬價高，導致生豬生產(chǎn)發(fā)展很快，結(jié)果到了2005年、2006年，豬價又大跌，養(yǎng)豬戶不得不大量減少母豬，結(jié)果又導致2007年、2008年豬價大漲，隨后，又開始一輪豬價下跌，進而踏入了豬價的上升通道。這種周期性大幅波動，使豬農(nóng)叫苦不迭，“賺一年、賠一年”，“價高傷民、價賤傷農(nóng)”。4 時序平滑預測法生豬產(chǎn)品屬于鮮活類商品，難以依靠庫存來調(diào)節(jié)供需，在價格上具有自身特點，即市場供應(yīng)短缺的信號無法立即在產(chǎn)量上得到反映。根據(jù)歷史規(guī)律，生豬行情一般3-4年為一個周期，價

4、格高峰和低谷通常間隔1年半左右，包括補欄母豬到生豬供應(yīng)上市需要“8個月配種、4個月妊娠、1個月哺乳、5個月育肥”共18個月的生產(chǎn)周期。此外，養(yǎng)殖戶對價格變化的反應(yīng)也存在滯后期。4 時序平滑預測法生豬價格的高低與養(yǎng)豬利潤并不完全一致。一般情況下，在生豬養(yǎng)殖過程中,飼料成本占養(yǎng)豬成本的60%以上,而豬飼料中，糧食尤其是玉米占比較大，糧食的產(chǎn)量和價格間接影響生豬生產(chǎn)的數(shù)量和價格。歷史數(shù)據(jù)表明,豬價與糧價之間存在一種必然的、相互適應(yīng)的規(guī)律,即“豬糧比價規(guī)律”,簡稱“豬糧比”?！柏i糧比”越高,養(yǎng)殖利潤情況越好。根據(jù)生豬養(yǎng)殖業(yè)利潤核算標準,盈虧平衡點為6：1。4 時序平滑預測法2003年“豬糧比”曾達到7

5、.35：1的高位，生產(chǎn)者獲得高利潤，因各種疫情發(fā)作，延長了此次豬周期的牛市時間，盈利持續(xù)兩年半之久。之后豬價漸漸回落，同時玉米價格因全球糧食減產(chǎn)以及美國玉米酒精產(chǎn)量大幅增長而攀升，至2006年5月“豬糧比”僅為4.48：1。2011年7月，“豬糧比”再度升至8.28：1。目前豬糧比回歸至5.8：1左右，處于盈虧平衡點附近。4 時序平滑預測法一些基層干部說，一些農(nóng)產(chǎn)品生產(chǎn)大起大落，關(guān)鍵是沒有建立功能齊全、覆蓋面廣的市場信息網(wǎng)絡(luò)。上級總要求基層干部給農(nóng)民送信息、指導生產(chǎn)，但國內(nèi)大宗農(nóng)產(chǎn)品市場與國際市場聯(lián)動，情況復雜，基層干部根本把握不住。雖然我國也建立了期貨市場，但畢竟離農(nóng)民和基層干部太遠。實際上

6、，農(nóng)民是靠著“去年價格”指導今年生產(chǎn)，總跟不上趟。4 時序平滑預測法 4.1時間序列概述 4.2移動平均法 4.3指數(shù)平滑法 4.4差分指數(shù)平滑法 4.5自適應(yīng)過濾法 4 時序平滑預測法預測方法有四種基本的類型：定性預測、因果聯(lián)系法、時間序列分析和模擬。1.定性預測:屬于主觀判斷，它基于估計和評價。常見方法包括：一般預測、市場調(diào)研法、小組討論法、歷史類比、德爾菲法等。2.因果聯(lián)系:假定需求與某些內(nèi)在因素或周圍環(huán)境的外部因素有關(guān)。主要有：回歸分析、經(jīng)濟模型、投入產(chǎn)出模型、先行指標等。 4 時序平滑預測法3.時間序列分析：建立在這樣一個設(shè)定基礎(chǔ)上與過去需求相關(guān)的歷史數(shù)據(jù)可用于預測未來的需求。歷史數(shù)

7、據(jù)可能包含諸如趨勢、季節(jié)、周期等因素。主要有：簡單移動平均、加權(quán)移動平均、指數(shù)平滑、回歸分析、鮑克斯詹金斯法、西斯金時間序列等。4.模擬：允許預測人員對預測的條件作一定程度的假設(shè)。 時間序列分析在經(jīng)濟統(tǒng)計和預測技術(shù)中占有重要地位。 時間序列分析預測方法就是通過分析預測目標的時間序列，隨時間的變化趨勢來外推預測目標的未來值，把影響預測目標變化的一切因素由“時間”綜合起來描述。4 時序平滑預測法 時間序列分析技術(shù)一般可分為確定型和隨機型兩大類。4 時序平滑預測法4.1時間序列概述4 時序平滑預測法4.1時間序列概述4.1.1時序的因素分析 在時間序列中，每個時期數(shù)值的大小，都受許多不同因素的影響。

8、要想把各種因素加以細分，并測定其作用的大小，那是很因難的。 因此，時間序列分析的思路不是分析具體各種影響因素，而是分析性質(zhì)不同的四大類影響因素。4 時序平滑預測法4.1時間序列概述4.1.1時序的因素分析 時間序列分析通常對各種可能發(fā)生影響的因素按性質(zhì)不同分為四大類：長期趨勢因素T季節(jié)變動因素S循環(huán)變動因素C不規(guī)則變動因素I4 時序平滑預測法4.1時間序列概述4.1.1時序的因素分析4 時序平滑預測法4.1時間序列概述4.1.1時序的因素分析4 時序平滑預測法4.1時間序列概述4.1.1時序的因素分析4 時序平滑預測法4.1時間序列概述4.1.1時序的因素分析4 時序平滑預測法4.1時間序列概

9、述4.1.2時間序列分解模型(組合形式)4 時序平滑預測法4.1時間序列概述4.1.2時間序列分解模型(組合形式)4 時序平滑預測法4.1時間序列概述4.1.2時間序列分解模型(組合形式)4 時序平滑預測法4.1時間序列概述4.1.2時間序列分解模型(組合形式)4 時序平滑預測法4.2移動平均法4 時序平滑預測法4.2移動平均法4 時序平滑預測法4.2移動平均法4.2.1簡單移動平均法4 時序平滑預測法4.2移動平均法4.2.1簡單移動平均法4 時序平滑預測法4.2移動平均法4.2.1簡單移動平均法4 時序平滑預測法4.2移動平均法4.2.1簡單移動平均法4 時序平滑預測法4.2移動平均法4.

10、2.1簡單移動平均法4 時序平滑預測法4.2移動平均法4.2.1簡單移動平均法4 時序平滑預測法4.2移動平均法4.2.1簡單移動平均法4 時序平滑預測法4.2移動平均法4.2.1簡單移動平均法4 時序平滑預測法4.2移動平均法4.2.1簡單移動平均法4 時序平滑預測法4.2移動平均法4.2.2加權(quán)移動平均法4 時序平滑預測法4.2移動平均法4.2.2加權(quán)移動平均法4 時序平滑預測法4.2移動平均法4.2.2加權(quán)移動平均法4 時序平滑預測法4.2移動平均法4.2.2加權(quán)移動平均法4 時序平滑預測法4.2移動平均法4.2.2加權(quán)移動平均法4 時序平滑預測法4.2移動平均法4.2.2加權(quán)移動平均法

11、4 時序平滑預測法4.2移動平均法4.2.2加權(quán)移動平均法4 時序平滑預測法4.2移動平均法4.2.2加權(quán)移動平均法4 時序平滑預測法4.2移動平均法4.2.3雙重移動平均法(趨勢移動平均法)4 時序平滑預測法4.2移動平均法4.2.3雙重移動平均法(趨勢移動平均法)4 時序平滑預測法4.2移動平均法4.2.3雙重移動平均法(趨勢移動平均法)4 時序平滑預測法4.2移動平均法4.2.3雙重移動平均法(趨勢移動平均法)4 時序平滑預測法4.2移動平均法4.2.3雙重移動平均法(趨勢移動平均法)4 時序平滑預測法4.2移動平均法4.2.3雙重移動平均法(趨勢移動平均法)4 時序平滑預測法4.2移動

12、平均法4.2.3雙重移動平均法(趨勢移動平均法)4 時序平滑預測法4.2移動平均法4.2.3雙重移動平均法(趨勢移動平均法)4 時序平滑預測法4.2移動平均法4.2.3雙重移動平均法(趨勢移動平均法)4 時序平滑預測法4.2移動平均法4.2.3雙重移動平均法(趨勢移動平均法)4 時序平滑預測法4.2移動平均法4.2.3雙重移動平均法(趨勢移動平均法)4 時序平滑預測法4.2移動平均法4.2.3雙重移動平均法(趨勢移動平均法)小結(jié)： 趨勢移動平均法，適用于同時存在直線趨勢與周期波動的序列，它是一種既能反映趨勢變化，又可以有效地分離出周期變動的方法。4 時序平滑預測法4.3指數(shù)平滑法 我們先對指數(shù)

13、平滑法作一個總體介紹，然后分別介紹一次、二次和三次指數(shù)平滑預測法。4 時序平滑預測法4.3指數(shù)平滑法4.3.1指數(shù)平滑概述4 時序平滑預測法4.3指數(shù)平滑法4.3.1指數(shù)平滑概述4 時序平滑預測法4.3指數(shù)平滑法4.3.1指數(shù)平滑概述4 時序平滑預測法4.3指數(shù)平滑法4.3.1指數(shù)平滑概述4 時序平滑預測法4.3指數(shù)平滑法4.3.1指數(shù)平滑概述4 時序平滑預測法4.3指數(shù)平滑法4.3.1指數(shù)平滑概述4 時序平滑預測法4.3指數(shù)平滑法4.3.1指數(shù)平滑概述4 時序平滑預測法4.3指數(shù)平滑法4.3.2一次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.2一次指數(shù)平滑預測法4 時序平滑預測法

14、4.3指數(shù)平滑法4.3.2一次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.2一次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.2一次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.2一次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.2一次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.2一次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法 指數(shù)平滑方法的選用，一般可根據(jù)原數(shù)列散點圖呈現(xiàn)的趨勢來確定。 如呈現(xiàn)直線趨勢，選用二次指數(shù)平滑法；如呈現(xiàn)拋物線趨勢，選用

15、三次指數(shù)平滑法。或者，當時間序列的數(shù)據(jù)經(jīng)二次指數(shù)平滑處理后，仍有曲率時，應(yīng)用三次指數(shù)平滑法。4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑

16、預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.3二次指數(shù)平滑預測法4 時序平滑預測法4.3指數(shù)平滑法4.3.4三次指數(shù)平滑法4 時序平滑預測法4.3指數(shù)平滑法4.3.4三次指數(shù)平滑法4 時序平滑預測法4.4差分指數(shù)平滑法 當時間序列的變動具有直線趨勢時，用前面介紹的一次指數(shù)平滑法會出現(xiàn)滯后偏差，其根本原因

17、在于時間序列的數(shù)據(jù)不滿足要求。因此，我們也可從數(shù)據(jù)變換的角度來考慮指數(shù)平滑法的改進措施。4 時序平滑預測法4.4差分指數(shù)平滑法 差分方法是改變數(shù)據(jù)變動趨勢的簡單方法。在運用指數(shù)平滑法前，先對原來的時間序列作一些技術(shù)處理，使數(shù)據(jù)能適合一次指數(shù)平滑模型，然后，再作技術(shù)上的返回處理，使之恢復為原變量的形態(tài)。 下面我們介紹如何運用差分改進指數(shù)平滑法。4 時序平滑預測法4.4差分指數(shù)平滑法4.4.1一階差分指數(shù)平滑模型 差分方法是改變數(shù)據(jù)變動趨勢的簡單方法。在運用指數(shù)平滑法前，先對原來的時間序列作一些技術(shù)處理，使數(shù)據(jù)能適合一次指數(shù)平滑模型，然后，再作技術(shù)上的返回處理，使之恢復為原變量的形態(tài)。 下面我們介

18、紹如何運用差分改進指數(shù)平滑法。4 時序平滑預測法4.4差分指數(shù)平滑法4.4.1一階差分指數(shù)平滑模型 差分方法是改變數(shù)據(jù)變動趨勢的簡單方法。在運用指數(shù)平滑法前，先對原來的時間序列作一些技術(shù)處理，使數(shù)據(jù)能適合一次指數(shù)平滑模型，然后，再作技術(shù)上的返回處理，使之恢復為原變量的形態(tài)。 下面我們介紹如何運用差分改進指數(shù)平滑法。4 時序平滑預測法4.4差分指數(shù)平滑法4.4.1一階差分指數(shù)平滑模型 如前所述。指數(shù)平滑值實質(zhì)上是一種加權(quán)平均數(shù)。因此，我們把時間序列中的逐期增量加權(quán)平均，加上當前期的實際數(shù)進行預測，顯然比一次指數(shù)平滑法中只用變量以往取值的加權(quán)平均數(shù)作為下一期的預測更為合理。4 時序平滑預測法4.4

19、差分指數(shù)平滑法4.4.1一階差分指數(shù)平滑模型 這樣可以使預測值始終圍繞實際值上下波動，從根本上克服了在直線增加趨勢的情況下，用一次指數(shù)平滑法所得出的結(jié)果始終落后于實際值的弊端。 4 時序平滑預測法4.4差分指數(shù)平滑法4.4.1一階差分指數(shù)平滑模型4 時序平滑預測法4.4差分指數(shù)平滑法4.4.1一階差分指數(shù)平滑模型4 時序平滑預測法4.4差分指數(shù)平滑法4.4.1一階差分指數(shù)平滑模型4 時序平滑預測法4.4差分指數(shù)平滑法4.4.1一階差分指數(shù)平滑模型4 時序平滑預測法4.4差分指數(shù)平滑法4.4.1一階差分指數(shù)平滑模型4 時序平滑預測法4.4差分指數(shù)平滑法4.4.2二階差分指數(shù)平滑模型4 時序平滑預

20、測法4.4差分指數(shù)平滑法4.4.2二階差分指數(shù)平滑模型4 時序平滑預測法4.5自適應(yīng)過濾法 自適應(yīng)過濾預測法與移動平均法、指數(shù)平滑法一樣，也是以時間序列的歷史觀察值進行某種加權(quán)平均來預測的，所不同的是它要尋找一組“最佳”權(quán)數(shù)。4 時序平滑預測法4.5自適應(yīng)過濾法 自適應(yīng)過濾預測法的基本思路是：先用給定的權(quán)數(shù)來計算一個預測值，然后，計算預測誤差，再根據(jù)預測誤差調(diào)整權(quán)數(shù)以減小誤差，這樣反復進行，直至找出一組“最佳”權(quán)數(shù)，使誤差減少到最低限度。4 時序平滑預測法4.5自適應(yīng)過濾法 這種調(diào)整權(quán)數(shù)的過程與通信過程中過濾傳輸噪聲的過程極為相似，所以就稱其為自適應(yīng)過濾法。 自適應(yīng)過濾法是近代歐美統(tǒng)計學家經(jīng)常用的方法。4 時序平滑預測法4.5自適應(yīng)過濾法4.5.1自適應(yīng)過程預測的基本模型自適應(yīng)過濾法的優(yōu)點簡單易行，可用標準程序上機運算。適用于數(shù)據(jù)點較少的情況。約束條件較少。具有自適應(yīng)性，它能自動調(diào)整回歸系數(shù)，是一個可變系數(shù)的數(shù)據(jù)模型。4 時序平滑預測法4.5自適應(yīng)過濾法4.5.1自適應(yīng)過程預測的基本模型4 時序平滑預測法4.5自適應(yīng)過濾法4.5.1自適應(yīng)過程預測的基本模型4 時序平滑預測法4.5自適應(yīng)過濾法4.5.2權(quán)數(shù)估計4 時序平滑預測法4.5自適應(yīng)過濾法4.5.2權(quán)數(shù)估計其調(diào)整權(quán)數(shù)的公式為：wi=wi+2K.ei+1 yt-i+1 式中：i=1,2,.,N, t=N,N+1,