《商务预测方法MBA第二讲和第三讲》由会员分享，可在线阅读，更多相关《商务预测方法MBA第二讲和第三讲（80页珍藏版）》请在金锄头文库上搜索。
1、第二讲和第三讲：移动平均与指数平滑预测法统计及技术经济学系 讲授：杨震宁1本讲内容时间序列的类型及预测模型的选择 预测模型 2时间序列的类型及预测模型的选择时间序列的类型 平稳 非平稳教材12页3某商场经理在某商场经理在20082008年年1 1月月-11-11月份微波炉的销售量月份微波炉的销售量4某商场2002年1月-2004年4月29寸彩电的销售量5美国1968-2003年的啤酒销售量6美国迪斯尼公司1983-1992的季营业额7中国1978-2005年职工年平均收入8根据数据的变动特征选择模型时间序列类型时间序列类型时间序列类型时间序列类型预测方法预测方法预测方法预测方法平稳时间序列平稳
2、时间序列朴素预测法朴素预测法简单平均数预测法简单平均数预测法加权平均数预测法加权平均数预测法简单一次移动平均预测法简单一次移动平均预测法加权一次移动平均预测法加权一次移动平均预测法简单指数平滑法简单指数平滑法非平稳时间非平稳时间序列序列线性趋势线性趋势朴素预测法朴素预测法简单二次移动平均预测法简单二次移动平均预测法霍尔特（霍尔特（HoltHolt）双参数线性指数平滑法）双参数线性指数平滑法线性趋势线性趋势与季节与季节规律同规律同时存在时存在朴素预测法朴素预测法霍尔特霍尔特-温特指数平滑法（加法模型）温特指数平滑法（加法模型）霍尔特霍尔特-温特指数平滑法（乘法模型）温特指数平滑法（乘法模型）9朴
3、素预测法 1、平稳时间序列的朴素预测模型 2、具有线性趋势无季节变动的时间序列朴素预测模型 3、具有曲线趋势无季节变动的时间序列朴素预测模型10朴素预测法续4 4、无趋势，仅有季节、无趋势，仅有季节变动的时间序列朴素变动的时间序列朴素预测模型预测模型 5 5、具有线性趋势，同、具有线性趋势，同时又具有季节变动的时又具有季节变动的时间序列朴素预测模时间序列朴素预测模型为型为 11朴素预测法的优缺点 *优点：需要的数据很少，即只需要最近一期的实际值，方法简单，无需进行复杂的计算，也很好理解。 *缺点：只考虑了最近一期的实际值对预测值影响，而且赋予它的权数为100%，这样将影响预测的精度。 12简单
4、平均数预测法 模型 ： 适用情况：平稳时间序列的短期预测。 13简单一次移动平均预测法14简单一次移动平均法的优缺点*优点：时间序列能够被修匀，时间越长， 对随机因素的剔除得更彻底；*缺点：1.假设被平均的各期数值对预测值 的作用相同，往往与实际不符； 2.需要储存较多的数据(至少n期)； 3.不适用于存在趋势变动及季节变动的数据的预测。15 例题2.3（教材21页）：根据表2.2数据，利用简单一次移动平均法对该商场12月份微波炉的销售量进行预测。简单一次移动平均预测法的应用16n=1、n=3、n=5移动平均预测精度比较 MADMSERMSEMAPEn=1移动平均610529500767.03
5、30.55%n=3移动平均714638533799.0844.88%n=5移动平均509300004547.7327.83%17如何选择移动期数预测误差最小的经验判断 存在自相关那么使用短周期预测效果好，如果时间序列没有什么规律，或者说没有自相关那么使用长周期预测效果好。18简单移动平均在股票技术分析中的应用图中黑色，蓝色，红色的三条线分别是5日，10日，30日移动平均线。在股票市场上经常使用的时间包括：5天，10天，20天，40天，50天等；趋势依然有效时使用长周期，趋势反转时使用短周期。 在金融市场分析中，技术分析和基本面分析是两大分析方法。简单移动平均在技术分析中有重要的应用。进行技术分
6、析的人士认为（1） 市场行为包含一切信息；（2） 价格成趋势运动；（3） 历史会重演。所以大量的技术分析股市的历史数据，以求找出规律。对于股票分析来说，首先需要找到市场的趋势，是上升，下降还是横向运动。移动平均线就是跟随市场趋势跟随市场趋势跟随市场趋势跟随市场趋势的一种技术。可以使用移动平均线来判断买入卖出的时机。192009.9.10-2010.3.42008.1.8-10.3.421移动平均线的特点消除偶然性因素的影响追踪趋势，MA的趋势方向反映了价格波动的方向滞后性（见下图）助涨助跌性支撑压力性22MA滞后性的图示23助涨助跌性当价格突破MA曲线时，价格有继续向突破方向再走一程的愿望24
7、格兰维尔法则（Granville rule）MA的比较经典的使用法则是格兰维尔法则，但是格兰维尔法的内容目前已经被沪深市场的广大投资者所了解，它的实用效果并不明显。简单地说是，格兰维尔法是三种三种买入信号和三种卖出信号买入信号和三种卖出信号25三种买入信号1.移动平均线从下降开始走平，价格从下向上穿移动平均线（见图1） 2.价格连续上升远离移动平均线，突然下跌，但在移动平均线附近再度上升（图2）。 3. 价格跌破移动平均线，并连续暴跌，远离移动平均线。26图127图228三种卖出信号1.移动平均线从上升开始走平，价格从上向下穿移动平均线（见图3）；2.价格连续下降远离移动平均线，突然上升，但在
8、移动平均线附近再度下降；3.价格下穿移动平均线，并连续暴涨，远离移动平均线。29图330加权一次移动平均法优缺点31指数平滑预测方法是美国经济学家罗伯特G布朗于1959年在他的库存管理的统计预测一书中首先提出来的。该方法给近期的观察值以较大的权数，给远期的实际值以较小的权数，使预测值既能较多地反映最新的信息，又能反映大量的历史资料的信息，从而使预测结果更符合实际。32指数平滑预测模型简单指数平滑法：无趋势、无季节性、短期霍尔特（Holt）双参数线性指数平滑法 温特线性和季节性指数平滑法33简单指数平滑预测法34简单指数平滑法模型的变形35简单指数平滑法模型如果已知4期数据，预测第5期数据36平
9、滑系数及初始值F1的确定：F1=Y1，Y1+Y2+Y3/3，所有历史数据的简单平均数（SPSS最喜欢）；没有更好的方法，只能去试错！ 37简单指数平滑法的应用1根据表2.2的数据，利用简单指数平滑法预测该商场12月份微波炉的的销售量。P16一、定义时间序列二、趋势图判断数据类型三、指数平滑模型的建立四、评价和预测38简单指数平滑预测法的步骤1、据表2.2的资料，判断数据的特点，从图 2.1可以看出：该时间数列的特点 为：平稳时间序列。2、确定预测方法：简单指数平滑法。3、确定平滑系数及初始值。39表2.2数据的趋势图40用SPSS确定平滑系数简单指数平滑数据2.2.sav确定初始值及平滑系数4
10、1简单移动平均及简单指数平滑法对例题2.1的预测精度比较42简单指数平滑法的应用2 例题2.6：表2.16是中国中铁（SZ601390）自2008年12月18日到2009年1月22日44个交易日的收盘价格，请应用简单指数平滑方法预测其2009年1月23日的收盘价格。P35预测为？实际为5.16 43初始值与平滑系数对预测的影响时间时间=0.1=0.9T0.10.9t-10.9*0.1=0.0900.1*0.9=0.090t-20.9*0.9*0.1=0.0810.1*0.1*0.9=0.009t-30.9*0.9*0.9*0.1=0.0730.1*0.1*0.1*0.9=0.0009第一期第一
11、期 0.1*0.9t-10.9*0.1t-1初始值初始值 0.9t0.1t合计合计1144简单指数平滑法的优缺点 优点：1、指数平滑法只需确定一个权数； 2、要储存的数据很少； 缺点：1、不适用于带趋势和具有明显季节 性变动的时间数列； 2、确定平滑常数及初始值带有一定 的主观性。45课堂练习打开数据（某产品的需求量）确定最佳平滑系数及初始值得到预测值评价预测效果46适用于存在线性趋势而无季节规律的预测模型1、朴素预测模型2、线性二次移动平均预测法3、霍尔特（Holt）双参数线性指数平滑法47霍尔特（Holt）双参数线性指数平滑法（教材36页）平滑值趋势平滑值水平平滑系数趋势平滑系数消除滞后趋
12、势前期估计值48霍尔特（Holt）双参数线性指数平滑法如果已知4期数据，预测第5期数据49霍尔特（Holt）双参数线性指数平滑法50霍尔特（Holt）双参数线性指数平滑法的优缺点优点：可以用不同的参数对原时间数列的趋势进行平滑，具灵活性。缺点： 1、要得到两个最优平滑系数较为困难； 2、不能用于带季节规律的时间序列的预测。 51霍尔特（Holt）双参数线性指数平滑法的应用1应用（教材37）： 例题2.7的数据（见表2.4，教材17页），预测该商场33寸液晶彩电在2008年5月的销售量。52霍尔特（Holt）双参数线性指数平滑法预测效果图 53用SPSS确定参数及初始值Holt指数平滑数据.sa
13、v注意：1、初始值对预测结果的影响 2、预测误差的计算54霍尔特（Holt）双参数线性指数平滑法的应用2-北京市人均消费支出55预 测56预测效果图57适用于存在线性趋势和季节规律的预测模型1、 天真预测模型 2、温特（Winter）线性和季节性指数平滑法58温特（Winter）线性和季节性指数平滑法乘法模型加法模型59温特（Winter）线性和季节性指数平滑法（乘法模型P41）平滑值趋势值季节变化率水平平滑系数趋势平滑系数季节平滑系数L为季节长度，4或者1260温特（Winter）线性和季节性指数平滑法的适用情况-有线性趋势又有季节性变动的时间序列的短期预测61温特（Winter）线性和季节
14、性指数平滑法的优点 1、能用于有趋势变动、季节规律及偶然性因素影响的时间序列； 2、季节指数比较容易估计； 3、在预测时能及时利用最新的数据； 4、各参数的意义比较直观，容易理解。62温特（Winter）线性和季节性指数平滑法的缺点 1、需要较多的数据； 2、对无法确定趋势及季节规律的时间序 列，预测过程复杂； 3、确定三个最优的平滑系数比较难。63温特（Winter）线性和季节性指数平滑法需要确定的参数及初始值64温特（Winter）线性和季节性指数平滑法的应用n例题2.8（教材P41）某企业的销售部经理希望能得到该企业2009年各季节的销售额的预测值，现有2003年2008年季度销售额资料
15、。65 该企业季销售额的趋势图66用SPSS确定温特（Winter）线性和季节性指数平滑法中的有关参数67用SPSS 确定有关参数winter指数平滑数据1.sav68预测结果及预测精度n计算过程及预测结果n预测精度nMAPE=69预测效果图70季节加法模型教材P48适合用于：存在线性趋势和季节规律，并且季节变动不随趋势变动的情况（季节变动相对固定）。71温特（Winter）线性和季节性指数平滑法的应用2n已知数据:奥克马基础工业公司2002-2008年的季度销售额,详细资料见表2.28（教材49）n要求:请选择适当的预测模型预测该公司2009年1-4季度的销售额 72奥克马机床工业公司200
16、2-2008年的季度销售额的趋势图73预测结果n预测精度为:nMSE=nRMSE = nMAPE=74预测效果图75沪南供电所概况n沪南供电所是上海市电力公司下属供电单位，担负着上海市区南部的供电业务。供电区域东起南外滩，西至中山西路，南起浦江沿岸，北至延安路，涉及黄浦、卢湾、徐汇、静安、长宁五个区，共约32平方公里，主营220KV及220KV以下电网供用电服务，辖区内220/110/35/10KV变配电站近三百座，各种高低压线路2000余公里，承担大、小客户近40万户，包括市政机关、各国住沪领事馆、新闻媒体、金融、商业、医院等重要供电业务，供电区域居住人口约110万，2000年完成售电量24
17、.8亿度，全所共有员工562人。76沪南供电所面临的问题n 近年来，沪南供电所区域内，由于产业结构的调整，许多工业用户在短短几年内大量迁出，取而代之的是大量商业用户、办公大楼和绿地，居民住宅小区随之大量增加，因此中小客户数已占客户总数的85%以上，不用科学预测方法很难做好预测工作，而预测不准不仅对每年的售电量把握不住，而且会使供电所电网规划处于被动状态，到底要造多少变电站、配电站和架设多少架空线都心中没底。n为此，孙雷所长根据自己在MBA中学到的预测方法要求总工室按照以往的供电量逐月预测明年的供电量，并把今年1-10月的实际售电量作为参照物。n总工周力按照所长的要求审阅了以往的售电量（93-2
18、001）（如表一），以预测明年的售电量，预测时要考虑的一个复杂的影响因素是沪南供电所的售电量与气温相关性很大，夏季气温越高售电量越多，冬季气温越低售电量也越多，即存在大量季节性电量，通常7、8月份最高，4月份最低。77沪南供电所1993-2001月售电量趋势图根据数据的分布特征初步确定温特（Winter）线性和季节性指数平滑法78温特（Winter）线性和季节性指数平滑法沪南供电所2002年1-12月售电量预测结果nJAN 2002 2.31534nFEB 2002 2.11055nMAR 20022.14876nAPR 20021.89359nMAY 20022.02220nJUN 2002 2.21908nJUL 2002 2.78693nAUG 20023.29389nSEP 2002 2.72552nOCT 20022.08756nNOV 20022.02287nDEC 20022.34198猜猜：效果如何？MSE=23万MAPE=5.998%79沪南供电所售电量预测效果图其实预测具有此种特征数据的预测方法不仅仅是Winter，还有更多的方法可供选择。它们到底有多神奇，请耐着性子继续听下面的内容。80
