第十三讲 预测（PPT 39）

1,第十三讲 预测,定量方法 要预测变量的过去资料是可以利用的； 这些资料可以用数量来表示； 对过去轨迹的合理假定可以外推到未来。 定性方法 要预测变量不是定量的或历史资料无法利用。,2,时间序列方法 确定型方法 平滑法 移动平均 加权移动平均 指数平滑 趋势推测法 季节变动预测法 随机型方法 Box-Jenkins (ARIMA) ECM, ARCH,GARCH, 因果预测方法 回归分析,3,时间序列的成分,趋势成分(Trend component): T 循环成分(Cyclical component): C 季节成分(Seasonal component): S 不规则成分(Irregular component): I,4,Trend Component,Overall Upward or Downward Movement Data Taken Over a Period of Years,Sales,Time,Upward trend,5,Cyclical Component,Upward or Downward Swings May Vary in Length Usually Lasts 2 - 10 Years,Sales,Time,Cycle,6,Seasonal Component,Upward or Downward Swings Regular Patterns Observed Within 1 Year,Sales,Time (Monthly or Quarterly),Winter,7,Random or Irregular Component,Erratic, Nonsystematic, Random, Residual Fluctuations Due to Random Variations of Nature Accidents Short Duration and Non-repeating,8,The Additive model （加法模型） yt = Tt + Ct + St + ItThe multiplicative model （乘法模型） yt = Tt Ct St It,常用时间序列模型,9,平滑法,适用于稳定的时间序列即没有明显的趋势、循环和季节影响。 目的：“消除”由时间序列的不规则成分所引起的随机波动。 对资料要求低。 对近距离预测精度较高。,10,（简单）移动平均法(Moving Average),使用时间序列中最近几个时期数据值的平均数作为下一个时期的预测值。,11,例：汽油销售量,12,13,14,15,16,预测的精度,均方误差: 平均绝对偏差: 平均绝对百分误差:,17,加权移动平均法（Weighted Moving Average),计算移动平均数时，对每个数值选择不同的权数。 例：,18,指数平滑法(Exponential Smoothing),是加权移动平均法的一种特殊情形。 只选择最近时期观测值的权数。（1个权数）,19,事实上只须两项信息就可计算预测值。,20,21,22,23,的确定,取值接近1时，各期历史数据的作用迅速衰减； 取值接近0时，各期历史数据的作用缓慢减弱。 一般不大于0.5。 通常可初选几个值，然后通过分析预测误差来决定。,24,趋势推测法(Trend Projection),适用于有长期趋势的时间序列。,25,The Linear Trend Model,Year Coded Sales94 0 295 1 596 2 297 3 298 4 799 5 6,Projected to year 2000,Excel Output,26,The Quadratic Trend Model,Year Coded Sales94 0 295 1 596 2 297 3 298 4 799 5 6,27,The Exponential Trend Model,or,Excel Output of Values in logs,Year Coded Sales94 0 295 1 596 2 297 3 298 4 799 5 6,28,Example (Identify the trend component),Annual sales for a pharmaceutical company are believed to change linearly over time. Based on the last 10 year sales records, measure the trend component. Data,29,Solution Using Excel we have,There is a relatively good fit. Be aware of possible cyclical effects and seasonality, that may reduce the fit of the model.,11,Forecast for period 11,30,Example,Determine the long-term trend of the number of cigarettes smoked by Americans 18 years and older. Data,Solution Cigarette consumption increased between 1955 and 1963, but Decreased thereafter. A quadratic model seems to fit this pattern.,31,Using the computer,The quadratic mod