移动平均法简单应用
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
移动平均法
移动平均法是一种简单平滑预测技术,它的基本思想是:根据时间序列资料、逐项推移,依次计算包含一定项数的序时平均值,以反映长期趋势的方法。因此,当时间序列的数值由于受周期变动和随机波动的影响,起伏较大,不易显示出事件的发展趋势时,使用移动平均法可以消除这些因素的影响,显示出事件的发展方向与趋势(即趋势线),然后依趋势线分析预测序列的长期趋势。
1. 移动平均法的基本理论①简单移动平均法
设有一时间序列,则按数据点的顺序逐点推移求出N个数的平均数,即可得到一次移动平均数:
式中为第t周期的一次移动平均数;为第t周期的观测值;N为移动平均的项数,即求每一移动平均数使用的观察值的个数。
这个公式表明当t向前移动一个时期,就增加一个新近数据,去掉一个远期数据,得到一个新的平均数。由于它不断地“吐故纳新”,逐期向前移动,所以称为移动平均法。
由于移动平均可以平滑数据,消除周期变动和不规则变动的影响,使得长期趋势显示出来,因而可以用于预测。其预测公式为:
即以第t周期的一次移动平均数作为第t+1周期的预测值。
②趋势移动平均法当时间序列没有明显的趋势变动时,使用一次移动平均就能够准确地反映实际情况,直接用第t周期的一次移动平均数就可预测第t+1周期之值。但当时间序列出现线性变动趋势时,用一次移动平均数来预测就会出现滞后偏差。因此,需要进行修正,修正的方法是在一次移动平均的基础上再做二次移动平均,利用移动平均滞后偏差的规律找出曲线的发展方向和发展趋势,然后才建立直线趋势的预测模型。故称为趋势移动平均法。
设一次移动平均数为,则二次移动平均数的计算公式为:
再设时间序列从某时期开始具有直线趋势,且认为未来时期亦按此直线趋势变化,则可设此直线趋势预测模型为:
式中t为当前时期数;T为由当前0时期数t到预测期的时期数,即t以后模型外推的时间;为第t+T期的预测值;为截距;为斜率。,又称为平滑系数。
根据移动平均值可得截距和斜率的计算公式为:
在实际应用移动平均法时,移动平均项数N的选择十分关键,它取决于预测目标和实际数据的变化规律。
2. 应用举例
已知某商场1978~1998年的年销售额如下表所示,试预测1999年该商场的年销售额。
下面使用移动平均工具进行预测,具体操作步骤如下:
选择工具菜单中的数据分析命令,此时弹出数据分析对话框。
在分析工具列表框中,选择移动平均工具。
这时将弹出移动平均对话框,如图8-1所示。
在输入框中指定输入参数。在输入区域框中指定统计数据所在区域B1:B22;因指定的输入区域包含标志行,所以选中标志位于第一行复选框;在间隔框内键入移动平均的项数5(根据数据的变化规律,本例选取移动平均项数N=5)。
在输出选项框内指定输出选项。可以选择输出到当前工作表的某个单元格区域、新工作表或是新工作簿。本例选定输出区域,并键入输出区域左上角单元格地址C2;选中图表输出复选框。若需要输出实际值与一次移动平均值之差,还可以选中标准误差复选框。
单击确定按钮。
这时,Excel给出一次移动平均的计算结果及实际值与一次移动平均值的曲线图,如图8-2所示。
图8-1
图8-2
从图8-2可以看出,该商场的年销售额具有明显的线性增长趋势。因此要进行预测,还必须先作二次移动平均,再建立直线趋势的预测模型。而利用Excel 2000提供的移动平均工具只能作一次移动平均,所以在一次移动平均的基础上再进行移动平均即可。
二次移动平均的方法同上,求出的二次移动平均值及实际值与二次移动平均值的拟合曲线,如图8-3所示。
再利用前面所讲的截距和斜率计算公式可得:
图8-3 于是可得t=21时的直线趋势预测模型为:
预测1999年该商场的年销售额为:
指数平滑法
移动平均法的预测值实质上是以前观测值的加权和,且对不同时期的数据给予相同的加权。这往往不符合实际情况。指数平滑法则对移动平均法进行了改进和发展,其应用较为广泛。
1. 指数平滑法的基本理论
根据平滑次数不同,指数平滑法分为:一次指数平滑法、二次指数平滑法和三次指数平滑法等。但它们的基本思想都是:预测值是以前观测值的加权和,且对不同的数据给予不同的权,新数据给较大的权,旧数据给较小的权。
①一次指数平滑法
设时间序列为,则一次指数平滑公式为:
式中为第t周期的一次指数平滑值;为加权系数,0<<1。
为了弄清指数平滑的实质,将上述公式依次展开,可得:
由于0<<1,当→∞时,→0,于是上述公式变为:
由此可见实际上是的加权平均。加权系数分别为,
,…,是按几何级数衰减的,愈近的数据,权数愈大,愈远的数据,
权数愈小,且权数之和等于1,即。因为加权系数符合指数规律,且又具有平滑数据的功能,所以称为指数平滑。
用上述平滑值进行预测,就是一次指数平滑法。其预测模型为:
即以第t周期的一次指数平滑值作为第t+1期的预测值。
②二次指数平滑法
当时间序列没有明显的趋势变动时,使用第t周期一次指数平滑就能直接预测第t+1期之值。但当时间序列的变动出现直线趋势时,用一次指数平滑法来预测仍存在着明显的滞后偏差。因此,也需要进行修正。修正的方法也是在一次指数平滑的基础上再作二次指数平滑,利用滞后偏差的规律找出曲线的发展方向和发展趋势,然后建立直线趋势预测模型。故称为二次指数平滑法。
设一次指数平滑为,则二次指数平滑的计算公式为:
若时间序列从某时期开始具有直线趋势,且认为未来时期亦按此直线趋势变化,则与趋势移动平均类似,可用如下的直线趋势模型来预测。
式中t为当前时期数;T为由当前时期数t到预测期的时期数;为第t+T期的预测值;
为截距,为斜率,其计算公式为:
③三次指数平滑法
若时间序列的变动呈现出二次曲线趋势,则需要用三次指数平滑法。三次指数平滑是在二次指数平滑的基础上再进行一次平滑,其计算公式为:
三次指数平滑法的预测模型为:
其中:
④加权系数的选择
在指数平滑法中,预测成功的关键是的选择。的大小规定了在新预测值中新数据和原预测值所占的比例。值愈大,新数据所占的比重就愈大,原预测值所占比重就愈小,