《{决策管理}第六章季节变动预测法经济预测与决策兰州大学,刘书琪》由会员分享，可在线阅读，更多相关《{决策管理}第六章季节变动预测法经济预测与决策兰州大学,刘书琪（61页珍藏版）》请在金锄头文库上搜索。
1、经 济 预 测 与 决 策,经济预测与决策,第六章 季节变动预测法,本章学习目的与要求,通过本章的学习，了解季节变动预测法的概念,掌握同期平均法、平均数趋势整理法、环比法等预测方法。,本章学习重点和难点,重点是同期平均法和平均数趋势整理法趋势; 难点是平均数趋势整理法。,本章内容提示,第一节 季节变动 第二节 同期平均法 第三节 平均数趋势整理法 第四节 环比法,第一节 季节变动,季节变动是指由于自然条件和社会条件的影响，经济现象在一年内随着季节的转变而发生的周期性变动。 季节变动预测法就是以时间序列为基础，通过建立季节变动模型来预测未来季节变动的状况。,分类,季节变动根据其变动特征可分为两类
2、，水平型季节变动和长期趋势季节变动。,水平型季节变动,水平型季节变动是指时间序列中各项数值的变化是围绕某一个水平值上下周期性的波动。若时间序列呈水平型季节变动，则意味着时间序列中不存在明显的长期趋势变动而仅有季节变动和不规则变动。,长期趋势季节变动,长期趋势季节变动是指时间序列中各项数值一方面随时间变化呈现季节性周期变化，另一方面随着时间变化而呈现上升或下降的变化趋势。 若时间序列呈长期趋势季节变动，则意味着时间序列中不仅有季节变动、不规则变动，而且还包含有长期趋势变动。,度量季节变动的指标,通常用来度量季节变动的指标是季节指数（SI）或季节变差（SV）。 季节指数是用百分数或系数形式表示的季
3、节变动指标。又称季节比率。 季节变差是用绝对数形式表示的季节变动指标。,水平型季节变动：,季节指数=各年同季（月）平均数/总平均数 季节变差=各年同季（月）平均数总平均数,长期趋势季节变动,季节指数=各年同季（月）平均数/趋势值 季节变差=各年同季（月）平均数趋势值 季节变动预测的方法很多，应用时应根据季节变动的类型选择适应的预测方法。,第二节 同期平均法,同期平均法是预测水平型季节变动的方法。它通过对不同年份中同一时期数值求平均数，来剔除不规则变动，得出季节变动模型进行预测。,同期平均法的基本步骤如下：,1.收集连续三年以上的各期历史数据 2.计算各年同期平均数和总平均数； 3.计算季节指数
4、或季节变差； 4.建立预测模型，进行预测。,例6-1,某地历年各季度背心的销售量如表6-1。试预测2001年各季度的销售量。,表6-1 各季度背心销售量 单位：万件,年 季 1 2 3 4 合计 各年季平均数 1996 9 13 16 6 44 11.00 1997 11 14 17 10 52 13.00 1998 8 16 21 6 51 12.75 1999 10 12 20 8 50 12.50 2000 12 15 16 10 53 13.25 合计 50 70 90 40 250 同季平均数 10 14 18 8 12.50 季节指数(%) 80 112 144 64 400 10
5、0.00,解：,1根据时间序列资料绘制散点图，可见该序列基本上属于水平型季节变动（图略）。 2计算各年同季平均数。首先求出各年同季合计，如第1季度的各年合计为：9+11+8+10+12=50（万件）；然后求其平均数，如505=10（万件）。,3计算各年季平均数。,首先求出各年的年合计，如1996年的年合计为：9+13+16+6=44（万件）；然后求各年的季平均，如1996年的季平均为444=11（万件）。,4.计算总平均数,五年总销售量为250万件，以季度为单位的总平均数为25020=12.5（万件）。,5.计算季节指数,季节指数（SI）=各年同季平均数总平均数，所以： 一季度季节指数：SI1
6、=1012.5=0.8=80%； 二季度季节指数：SI2=1412.5=1.12=112%； 三季度季节指数：SI3=1812.5=1.44=144%； 四季度季节指数：SI4=812.5=0.64=64%。,6.建立季节变动预测模型。,水平型季节变动预测模型为（以季度为单位）： SIi第i季度的季节指数； t 时间序列的项数，t = 4（N1）+i。,若利用一次指数平滑法进行估计，取=0.5，S0=11。各年的季平均预测值的计算结果见表6-2：,表6-2 季平均预测值计算表 单位：万件,年份 年次 季平均销售量 指数平滑值 预测值 1996 1 11.00 11.00 1997 2 13.0
7、0 12.00 11.00 1998 3 12.75 12.38 12.00 1999 4 12.50 12.44 12.38 2000 5 13.25 12.85 12.44 2001 6 12.85,7预测,2001年第一季度销售量的预测值为：10.280 2001年第二季度销售量的预测值为：14.392 2001年第三季度销售量的预测值为：18.504 2001年第四季度销售量的预测值为：14.392,第三节 平均数趋势整理法,一、平均数趋势整理法的概念 二、趋势季节模型的建立及预测,一、平均数趋势整理法的概念,当时间序列呈长期趋势季节变动时,可以利用平均数趋势整理法进行预测。 平均数趋
8、势整理法是根据时间序列建立趋势变动模型；然后根据时间序列值与趋势值的比值计算各年同月（季）平均数，据此求出季节指数；最后根据趋势变动模型和季节指数建立趋势季节模型进行预测。,二、趋势季节模型的建立及预测,1.收集连续三年以上的历年各期资料Yt 2.建立趋势模型，计算长期趋势值Tt； 3.计算各期季节指数Y/T； 4.计算各年同期平均季节指数SIi； 5.建立趋势季节模型； 6.进行预测。,例6-2,某商品各月的销售额量如表6-3。试用平均数趋势整理法预测该商品2001年2月的销售额。,表6-3 某商品销售额 单位：万元,月 年 1998 1999 2000 1 30 18 22 2 37 20
9、 32 3 59 92 102 4 120 139 155 5 311 324 372 6 334 343 324 7 270 271 290 8 122 193 153 9 70 62 77 10 33 27 17 11 23 17 37 12 16 13 46,解：,1.采用最小平方法建立直线趋势模型： 建立趋势模型： Tt=126.972+0.048 t,2.分别计算各月的趋势值Tt列于表6-4中。 3.计算各月季节指数值Yt/T t列于表6-4。,4.计算季节指数,首先计算各年同月平均季节指数Fi列于表6-5中。理论上各平均季节指数之和应为120%，而实际计算上总会出现偏差，因此需要对
10、各平均季节指数进行校正。,校正的方法：,计算季节指数的调整系数： =1200/Fi=1200/1200.07=0.99994 求出校正后的季节指数。 SIi=Fi (6-2),表6-4 趋势值计算表 单位：万元,年 .月 时期数t 销售额Yt 趋势值Tt Yt/T t（%） 1998.1 -35 30 125.3 24.0 1998.2 -33 37 125.4 29.5 1998.3 -31 59 125.5 47.0 1998.4 -29 120 125.6 95.6 1998.5 -27 311 125.7 247.5 1998.6 -25 334 125.8 265.6 1998.7
11、-23 270 125.9 214.5,年 .月 时期数t 销售额Yt 趋势值Tt Yt/T t（%）,1998.8 -21 122 126.0 96.9 1998.9 -19 70 126.1 55.5 1998.10 -17 33 126.2 26.2 1998.11 -15 23 126.2 18.2 1998.12 -13 16 126.3 12.7 1999.1 -11 18 126.4 14.2 1999.2 -9 20 126.5 15.8 1999.3 -7 92 126.6 72.7 1999.4 -5 139 126.7 109.7 1999.5 -3 324 126.8
12、255.5,年 .月 时期数t 销售额Yt 趋势值Tt Yt/T t（%）,1999.6 -1 343 126.9 270.2 1999.7 1 271 127.0 213.4 1999.8 3 193 127.1 151.8 1999.9 5 62 127.2 48.7 1999.10 7 27 127.3 21.2 1999.11 9 17 127.4 13.3 1999.12 11 13 127.5 10.2 2000.1 13 22 127.6 17.2 2000.2 15 32 127.7 25.1 2000.3 17 102 127.8 79.8,年 .月 时期数t 销售额Yt 趋
13、势值Tt Yt/T t（%）,2000.4 19 155 127.9 121.2 2000.5 21 372 128.0 290.7 2000.6 23 324 128.1 253.0 2000.7 25 290 128.2 226.2 2000.8 27 153 128.3 119.3 2000.9 29 77 128.4 60.0 2000.10 31 17 128.5 13.2 2000.11 33 37 128.6 28.8 2000.12 35 46 128.7 35.8,计算各月季节指数,根据式(6-2)计算各月季节指数列于表6-5中。,表6-5 季节指数计算表 单位：%,年 月
14、1998 1999 2000 合计 Fi SIi 1 24.0 14.2 17.2 55.4 18.47 18.47 2 29.5 15.8 25.1 70.4 23.47 23.47 3 47.0 72.7 79.8 199.5 66.50 66.50 4 95.6 109.7 121.2 326.5 108.83 108.82 5 247.5 255.5 290.7 793.7 264.57 264.55 6 265.6 270.2 253.0 788.8 262.93 262.91 7 214.5 213.4 226.2 654.1 218.03 218.02 8 96.9 151.8 119.3 368.0 122.67 122.66 9 55.5 48.7 60.0 164.2 54.73 54.73 10 26.2 21.2 13.2 60.6 20.20 20.20 11 18.2 13.3 28.8 60.3 20.10 20.10 12 12.7 10.2 35.8 58.7
