上一页 下一页 返回
7.1时间序列预测法

[阅读材料]
时间序列在经济和管理中，占有极其重要位置，在市场预测 中处于核心位置，市场预测离不开时间概念，各种预测方法 比较起来，时间序列分析法最成熟、简便、实用、有说服力 ，因而用得最多。市场调查后整理数据时，往往首先是用时 间序列方法进行运算和预测。
上一页 下一页 返回
7.1时间序列预测法

3.周期波动 周期波动又称循环变动，是指时间序列在为期较长的时间内( 一年以上至数年)，呈现出涨落起伏。它与长期趋势不同，不 是朝一个方向持续变动而是呈涨落相间的波浪式起伏变动。 如资本主义经济危济的变动周期就表现为危机、复苏、高涨 、萧条等循环往复的周期变动。它与季节变动也不一样，季 节变动有固定的周期，周期效应可以预见;而循环变动一般没 有固定周期，上次出现后，下次何时出现较难预料。此外， 季节变动的周期较短，一般为一年，而循环变动周期较长， 一般数年乃至数十年才完成一个周期。通过对循环变动的分 析和测定， 可以预测社会经济现象发展变化的转折点。
上一页 下一页 返回
7.1时间序列预测法

对这种事物发展过程规律性出现质的变化，显然用时间序列 分析法进行预测就失去了效果。随着时间的推移，环境变化 是客观存在的，而且时间推移越长，环境变化会越大。因此， 时间序列分析预测法用于短期预测的精确度最高，中期预测 其次，长期预测最低。
上一页 下一页 返回
上一页 下一页 返回
7.1时间序列预测法

时间序列预测法将影响预测目标的一切因素都由"时间"综合 起来描述，是根据市场过去的变化趋势预测未来的发展，它 的前提是假定事物的过去会同样延续到未来。时间序列预测 法撇开了市场发展的因果关系，直接从时间序列统计数据中 找事物发展的演变规律，建立模型，预测未来。
上一页 下一页 返回
7.2平均数预测法

2.二次移动平均法 二次移动平均法是运用移动平均的方式在一次移动平均法的 基础上对一次移动平均值进行二次移动平均，并在此基础上 求得预测值。二次移动平均法是利用一次移动平均值落后于 实际数据变化的滞后偏差演变规律，求得移动系数，建立线 性时间关系的数学模型而进行市场预测的方法。求二次移动 平均值的公式为
上一页 下一页 返回
7.2平均数预测法

[例7-1]某商场却10年1至6月份的商品销售额分别是52 万元、54万元、48万元、56万元、52万元、50万元，以 1至6月份商品销售额的简单算术平均数作为预测值，预测7 月份的商品销售额。

即该商场2010年7月份的商品销售额预计为52万元。
上一页 下一页 返回
上一页 下一页 返回
7.1时间序列预测法


7.1.2时间序列预测法的特点
1.根据市场过去的变化趋势预测未来的发展 时间序列分析预测法的前提是假定事物的过去同样会延续到 未来。 事物的现实是历史发展的结果，而事物的未来又是现实的外 推，事物的过去和未来是有联系的。市场预测中的时间序列 分析法，正是根据客观事物发展的这种连续规律性，运用过 去的历史数据，通过统计分析，进一步推测市场未来的发展 趋势。市场预测中，事物的过去会同样延续到未来，其意思 是说，市场未来不会发生突然跳跃式变化，而是渐进变化的 。
下一页 返回
7.1时间序列预测法

时间序列预测法是通过对时间序列数据的分析，掌握经济现 象随时间的变化规律，从而预测其未来，它被广泛地应用在 天文、气象、水文、生物和社会经济等方面的预测。基本原 理是根据预测对象的时间序列数据，依据事物发展的连续性 规律，通过统计分析或建立数学模型进行趋势外推，对预测 对象的未来可能值作出定量分析的方法。时间序列预测法也 叫时间序列分析法、历史外推法或外推法。
7.1时间序列预测法


需要指出的是，时间序列分析法因其假设时间序列不讲因果 ，不受外界因素影响，存在着预测误差大的缺陷，当遇到外 界发生较大变化，如国家大正方针变化时，根据过去已发生 的数据进行预测往往会有较大偏差。 在时间序列中，每个时期数据的变化都是由许多不同因素同 时发生作用的综合结果。从各因素的特点或影响效果来看， 主要有以下四类。

上一页 下一页 返回
7.1时间序列预测法

时间序列分析预测法的哲学依据，是唯物辩证法中的基本观 点，即认为一切事物都是发展变化的，事物的发展变化在时 间上具有连续性，市场现象也是这样。市场现象过去和现在 的发展变化规律和发展水平，会影响到市场现象未来的发展 变化规律和规模水平;市场现象未来的变化规律和水平，是市 场现象过去和现在变化规律和发展水平的结果。

上一页 下一页 返回
7.2平均数预测法

1.一次移动手均法 设xi为时间序列中时间为t的观察值， Mt为时间序列中时间 为t的一次移动平均数， n为每一移动平均数的跨越期，则一 次移动平均数Mt的公式为


如果n=3，即为3年移动平均， n =5即为五年移动平均。 t的取值须>n，当n=t时
第7章 时间序列预测法

7.1时间序列预测法 7.2平均数预测法 7.3指数平滑法 7.4季节变动预测法 7.5趋势外推预测法
7.1时间序列预测法


7.1.1时间序列预测法的概念
时间序列，又称动态数列，是指将某种经济变量的一组观察 值，按时间先后顺序排列而成的数列。时间间隔可以是天、 周、月、季、年等。例如，某种商品的销售量按月份顺序排 列、某公司的销售收人按年度顺序排列形成的数据序列等， 都是时间序列。


上一页 下一页 返回
7.2平均数预测法

[例7-2]以上例商场的资料为例，假定1至6月份的权数分别 为1,2,3,4,5,6，用加权算术平均法预测7月份的商品销售 额为

即该商场2005年7月份的商品销售额为51.81万元。上一页 Biblioteka 一页 返回7.2平均数预测法


加权平均法比简易平均法有一定的优越性。它没有把观察期 的历史数据简单地等同对待，而是对各个数据具体分析，区 别对待，给予不同程度的重视。这种方法能较真实地反映时 间序列的规律，考虑了事件的长期发展趋势。 加权平均法的关键是确定权数。对于权数的确定没有统一的 标准，完全凭预测者在对时间序列资料分析的基础上，做出 经验判断。一般而言，在剔除一些特殊的影响因素后，距离 预测期越近的观察期数据对预测值的影响越大，所以对其数 据给定的权数就越大;而距离预测期越远的观察期数据对预测 值的影响越小，所给定的权数就越小。
上一页 返回
7.2平均数预测法


7.2.1简易平均法
简易平均法是一种简便的时间序列法。它根据一定观察期的 数据求得平均数，并以所求平均数为基础，预测未来时期的 预测值。这种方法简便易行，不需要进行复杂的模型设计和 数学运用，是市场预测中常用的方法。 简易平均法中的具体方法很多，其中，最常用的是算术平均 法。 算术平均法，就是以观察期数据之和除以求和时使用的数据 个数(或期数)，求得平均数的方法。
7.1时间序列预测法

3.时间序列分析法是一种统计定量分析方法 运用时间序列预测未来，实际上是将所有因素归结到时间这 一因素上，它虽然承认事物受多种因素影响，但在实际具体 分析中，着重对长期趋势和季节变动的定量分析，没有分析 探讨预测对象和影响因素之间的因果关系，定性分析不够， 撇开了市场发展的因果关系来分析市场的过去和未来的联系 。因此，为了使预测的精确度和时效性提高，就要定量分析 与定性分析相结合。
上一页 下一页 返回
7.1时间序列预测法

1.长期趋势变动 长期趋势是指与现象长期直接联系的基本规律作用，使现象 在较长时间内稳定持续地按照一定方向变化，在生产经营过 程中的表现使经济变量在长时间内表现出的总趋势，它是经 济现象的本质在数量方面的反映，也是时间序列分析和预测 的重点。长期趋势的具体表现有基本增长趋向、基本下降趋 向和平稳发展趋向，即从长期看时间序列中变量数值连续不 断地增加或减少或平稳的趋向。
上一页 下一页 返回
7.1时间序列预测法

2.时间越长预测的精确度将会逐渐降低 时间序列分析法是根据市场过去的变化趋势预测未来的发展 ，它的前提是假定事物的过去会同样延续到未来。根据客观 事物发展的这种连续规律性，运用过去的历史数据，通过统 计分析，进一步推测市场未来的发展趋势，但同时，市场的 未来发展变化趋势肯定要受多种因素的影响，而各种影响因 素又在不断发展变化，因此市场的未来发展也不可能是过去 历史的简单重复，特别是某些事物，由于某些因素的影响或 其发展过程中止，或其发展过程出现质的转折，事物的未来 与原先就不再遵循同一发展规律。
上一页 下一页 返回
7.2平均数预测法


7.2.3移动平均法
移动平均法，是对时间序列观察值由远及近按一定跨越期计 算平均值的一种预测方法。随观察值向后推移，平均值也向 后移动，形成一个由平均值组成的新的时间序列。对新时间 序列中的平均值加以调整，可作为观察期内的估计值。最后 一个平均值是预测值计算的依据。 移动平均法能够较好地修匀时间序列，消除不规则变动和季 节变动，因而得到了广泛应用。常用的移动平均法有如下两 种。
上一页 下一页 返回
7.1时间序列预测法

运用时间序列法进行预测，要求必须以准确、完整的时间序 列数据为前提。为了让时间序列中的各个数值正确地反映研 究预测对象的发展规律，各数值间具有可比性，编制时间序 列要做到:总体范围一致;代表的时间单位长短一致;统计数值 的计算方法和计量单位一致。
上一页 下一页 返回
上一页 下一页 返回
7.1时间序列预测法

4.不规则变动 不规则变动又称随机变动，是指偶发事件导致时间序列中出 现数值忽高忽低、时升日才降的无规则可循的变动，如自然 灾害、罢工、战争、动乱、政策调整等都会造成不规则变动 。有时，它对经济现象影响较大。对于呈现不规则变动趋势 的时间序列，很难用时间序列分析法预测。这种不规则变动 ，在预测中往往容易形成随机误差。如进出口公司的营业额 ，常常受交易国之间关系的影响，往往是关系好时，营业额 呈现上升趋势;反之，则下降。由于这种情况是无法预计的， 应将其从以前的数据中剔除，以便能确定正常的变化。