系统工程一次移动平均法和一次指数平滑法
移动平均和指数平滑预测法
1992 60.61 54.89
49.88 5.01 59.91
5.01
1993
63.9 59.87
54.66 5.21 65.08
5.21 64.92
1994 65.65 63.39
59.38 4.00 67.39
4.00 70.28
1995 69.98 66.51
63.26 3.25 69.76
第二节 简单平均法
一、简单平均数法
▪ 该方法是用一定观察期内预测目标的时间序列的各期数据 的简单平均数作为预测期的预测值的预测方法。
▪ 在简单平均数法中，极差越小、方差越小，简单平均数作 为预测值的代表性越好。
▪ 简单平均数法的预测模型是：
n
x
x1 x2 x3 ... xn
xi
i 1
n
n
▪ 时间序列是指同一变量按事件发生的先后顺序排列 起来的一组观察值或记录值。
▪ 构成时间序列的要素有两个： 其一是时间，其二是与时间相对应的变量水平。 实际数据的时间序列能够展示研究对象在一定时期 内的发展变化趋势与规律，因而可以从时间序列中 找出变量变化的特征、趋势以及发展规律，从而对 变量的未来变化进行有效地预测。
▪ 预测模型为：
X G n x1 x2 x3 xn n
xi
（i=1，2，3，…n）
第二节 简单平均法
▪ 特点：更能消除历史数据的起伏变化，反 映出事物发展的总体水平。
▪ 主要步骤： 1) 计算历史数据的环比发展速度； 2）根据环比发展速度求几何平均数，作 为预测期发展速度； 3）以本期的历史数据为基数乘以平均发 展速度作为预测值。
历史数据、一次移动平均数和二次移动平均数的滞后关系
指数平滑法
指数平滑法，也叫指数移动平均法，是移动平均预测法加以发展的一种特殊加权移动平均预测法。
一次指数平滑法是以本期的实际值和一次指数平滑预测值的加权平均作为下一期的市场现象预测值的方法。
一次指数平滑公式的实际意义是，被研究市场现象某一期的预测值，等于它前一期的一次指数平滑预测值，加上以平滑系数调整后的市场现象前一期的观察值与一次平滑值的离差。
模型平滑指数的确定指数平滑法是以首项系数为，公比为的等比数列的和为权数的加权平均法。
在计算过程中，越接近预测期的权数越大，越远离的权数越小.的取值在0到1之间，在一次预测中，同时选择几个值进行预测，并分别计算预测误差，最后选择误差小的初始值的确定一般将定义为应用某企业的历史销售资料如下，用一次指数平滑法预测2009年的销售额（1）确定平滑指数，选定0.3、0.5、0.8（2）确定第一个平滑值，即1997年的一次指数平滑值（3）分别计算不同平滑系数下各年的预测值以0.3的平滑系数为例，预测2009年销售额趋势预测法原理趋势预测法，也叫趋势外推预测，就是利用时间序列所具有的直线或曲线趋势，通过建立预测模型进行预测的方法。
模型直线趋势预测法直线方程Y=a+bXX为自变量，为按照自然数顺序排列的时间序数Y为因变量，为预测对象按照时间排列的数据趋势外推法，就是通过预测对象和时间的对应关系，用拟合方程的方法寻找参数，建立预测模型进行预测。
应用已知某企业某种产品1993年-2006年的销售数据，请用趋势外推预测法预测企业2007年的销售量。
一元线性回归模型例题进行预测2008年固定投资为298亿元，预计国内生产总值为市场调查方案范文分享（一）调研背景近年来，宝洁公司凭借其强大的品牌运作能力以及资金实力，在洗发水市场牢牢地坐稳了第一把交椅。
但是随着竞争加剧，局势慢慢起了变化，联合利华强势跟进，夏士莲、力士等多个洗发水品牌从宝洁手中夺走了不少消费者。
花王旗下品牌奥妮和舒蕾占据了中端市场，而低端的市场则归属了拉芳、亮庄、蒂花之秀、好迪等后起之秀。
一次指数平滑法
一次指数平滑法一次指数平滑法是指以最后的一个第一次指数平滑。
如果为了使指数平滑值敏感地反映最新观察值的变化，应取较大阿尔法值，如果所求指数平滑值是用来代表该时间序列的长期趋势值，则应取较小阿尔法值。
同时，对于市场预测来说，还应根据中长期趋势变动和季节性变动情况的不同而取不同的阿尔法值，一般来说，应按以下情况处理：1.如果观察值的长期趋势变动接近稳定的常数，应取居中阿尔法值(一般取0.6—0.4)使观察值在指数平滑中具有大小接近的权数；2.如果观察值呈现明显的季节性变动时，则宜取较大的阿尔法值(一般取0.6一0.9)，使近期观察在指数平滑值中具有较大作用，从而使近期观察值能迅速反映在未来的预测值中；3.如果观察值的长期趋势变动较缓慢，则宜取较小的e值(一般取0.1—0.4)，使远期观察值的特征也能反映在指数平滑值中。
在确定预测值时，还应加以修正，在指数平滑值S，的基础上再加一个趋势值b，因而，原来指数平滑公式也应加一个b。
8.1.2 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。
几何平均法、移动平均法、指数平滑法预测
•平均预测法原理
-随机因素对数据的影响，通过对数据的平均或平滑消除后，呈现出事物的本质规律
•算术平均
-简单平均、加权平均、几何平均
几何平均
•概念：几何平均数是一个统计的概念，某一变量的几何平均值定义为：
移动平均法
原理：
通过对历史数据的移动平均，消除随机因素影响，建立模型，进而预测。
一次移动平均法、二次移动平均法
一次移动平均法
指数平滑法
•移动平均法存在着以下不足：
-丢失历史数据。
对历史数据平等对待。
•方法
-一次指数平滑法。
二次指数平滑法。
移动平均法和平滑法
回总目录 回本章目录
例题分析
•例 1
分析预测我国平板玻璃月产量。 下表是我国1980-1981年平板玻璃月产量，试选用N=3 和N=5用一次移动平均法进行预测。计算结果列入表中。
时间 1980.1 1980.2 1980.3 1980.4 1980.5 1980.6 1980.7 1980.8 1980.9 1980.10 1980.11 1980.12 序号 1 2 3 4 5 6 7 8 9 10 11 12 实际观测值 203.8 214.1 229.9 223.7 220.7 198.4 207.8 228.5 206.5 226.8 247.8 259.5 三个月移动平均值 215.9 222.6 224.8 214.6 209.0 211.6 214.3 220.6 227.0 五个月移动平均值 218.4 217.4 216.1 215.8 212.4 213.6 223.5
回总目录 回本章目录
5.2 线性二次移动平均法
一、线性二次移动平均法 （1）基本原理 为了避免利用移动平均法预测有趋势 的数据时产生系统误差，发展了线性二次 移动平均法。这种方法的基础是计算二次 移动平均，即在对实际值进行一次移动平 均的基础上，再进行一次移动平均。
回总目录 回本章目录
（2）计算方法 线性二次移动平均法的通式为：
Ft+m = ( St + bm) It−L+m t
回总目录 回本章目录
使用此方法时一个重要问题是如何确 定α、β和γ的值，以使均方差达到最小。 通常确定α、β和γ的最佳方法是反复试 验法。
回总目录 回本章目录
回总目录 回本章目录
5.3 线性二次指数平滑法
• 一次移动平均法的两个限制因素在线性二 次移动平均法中也才存在，线性二次指数 平滑法只利用三个数据和一个α值就可进 行计算； • 在大多数情况下，一般更喜欢用线性二次 指数平滑法作为预测方法。
指数平滑法
Xt+1=Ft= α Xt+(1- α)Ft-1
Xt+1为第t＋1期的预测值 Ft 为第t期的平滑值 Xt 为第t期的实际值 Ft-1为第t－1期的平滑值，即第t期预测值 α为平滑系数，又称加权因子， 其取值范围为0≦ α ≦ 1
计算公式：下期预测数=本期实际数*平滑系数+本期预测数*（1-平滑系数）
以α(1- α) 为权数的加权移动平均法。由于k越大， = α Xt + (1- α)[α α值是根据时间序列的变化特性来 在实际应用中， Xt-1+(1- α) Ft-2] α(1- α)k越小，所以越是远期的实测值对未来时期 从上式可以看出，新预测值是根据预测误差对原 = α Xt + 若时间序列的波动不大，比较平稳，则α 选取的。 α(1- α) Xt-1+ (1- α) 2 Ft-2 平滑值的影响就越小。在展开式中，最后一项F0为初 预测值进行修正得到的。α的大小表明了修正的幅度。 应取小一些，如0.1 ～ 0.3 2 [α Xt-2 +(1- α) Ft-3] 始平滑值，在通常情况下可用最初几个实测值的平均 = α Xt + α(1- α) Xt-1+ (1- α) ；若时间序列具有迅速且 α值愈大，修正的幅度愈大， α值愈小，修正的幅度 明显的变动倾向， + α(1- α) 2X +(1- α)3 F 0.6 值来代替，或直接可用第1期的实测值来代替。 愈小。 t因此，α) Xt-1则α应取大一些，如 t-3 ～ 0.9 。 = α X + α(1- α值既代表了预测模型对时间序列数据 t-2 实质上， α是一个经验数据，通过多个α值进行试算 。 ··· ··· 变化的反应速度，又体现了预测模型修匀误差的能力 = α Xt + α(1- α) Xt-1+ α(1- α) 2Xt-2 +(1- α)3 Ft-3+ ·· · +(1- α)t F0 比较而定，哪个α值引起的预测误差小，就采用哪个。
移动平均法
由上表可见：
α=0.3，α=0.5，α=0.7时，均方误差分别
为：
MSE=287.1 MSE=297.43 MSE=233.36 最小 因此可选α=0.7作为预测时的平滑常数
。 1981年1月的平板玻璃月产量的预测值为：
0 .7 2.5 5 0 .3 9 2.1 4 20 .6 5
一次指数平滑法比较简单，但也有问题。问
题之一便是力图找到最佳的α值，以使均方差最
小，这需要通过反复试验确定
例2 利用下表数据运用一次指数平滑法对1981年1月
我国平板玻璃月产量进行预测（取α=0.3，0.5 ， 0.7）。并计算均方误差选择使其最小的α进行预测
。
拟选用α=0.3，α=0.5，α=0.7试预测。
3.一次移动平均方法的应用公式
设时间序列为
,移动平均法可以表示为：
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.
由移动平均法计算公式可以看出，每一新预测 值是对前一移动平均预测值的修正，N越大平滑效 果愈好。
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。
• 某公司2003年—2010年某种产品产量如下表所示：
分别以时距长度N=3和N=5计算的各期预测值如下表所示：
一次指数平滑法
一次指数平滑法是利用前一期的预测值 F t 代替
x t n 得到预测的通式，即 ：
F t1xt (1)F t
由一次指数平滑法的通式可见：
一次指数平滑法是一种加权预测，权数为α
《统计预测与决策》课程教学大纲
《统计预测与决策》课程教学大纲（2002年制定 2004年修订）课程编号：060070英文名：Methods of Forecasting and Decision课程类别：专业主干课前置课：统计学、概率论与数理统计、宏观经济学、微观经济学、经济时间序列分析后置课：学分：3学分课时：54课时主讲教师：白先春选定教材：徐国祥，统计预测与决策，上海：上海财经大学出版社，1998年6月课程概述：在经济和管理现象日益复杂、市场情况瞬息万变的市场环境中，在许多情况下要求对不肯定事物作出科学的预测和决策，这就必须在不完全观察资料的基础上，对所关心的指标做出可靠的估计，以便作出合适的决策. 本课程首先介绍定性预测法，具体包括德尔菲法、主观概率法、情景预测法以及定性预测的其他方法；其次介绍回归预测法，包括一元线性回归预测法、多元线性回归及非线性回归预测法；再次介绍时间序列预测法，包括趋势外推法、时间序列平滑预测法等等；最后介绍各种决策方法，具体包括风险性决策方法（包括贝叶斯决策方法）、不确定性决策方法和多目标决策方法.教学目的：通过本课程的学习，要求学生：（1）掌握各种预测与决策方法的特点、应用条件、适用场合，并能将具体的预测与决策方法应用到市场经济实践中去；（2）能应用现代化软件实现对研究对象进行预测与决策过程的复杂运算，具体包括SPSS、TSP 和EXCEL等软件的应用；（3）了解统计预测与决策学科发展的前沿.通过本课程的教学，培养学生的实际动手能力，对大型社会调查的数据汇总、分组、整理能力，对基础资料综合定量分析、研究能力.教学方法：本课程拟采用下述步骤进行教学：步骤1 以教师课堂讲授为主：教师课前对讲授内容进行精心准备，充分利用多媒体等现代化教学手段，并辅之以大量的实例，将统计预测与决策的基本概念、原理、方法讲清、讲透，特别是关于各种方法的特点、应用条件、适用场合及其必要的评价；步骤2 以学生课下练习为主：每讲完一种方法，都布置一定量的练习供学生课下作业. 通过练习，使学生确实掌握所学的各种统计预测与决策方法，同时也便于教师发现教学中的不足；步骤3 以课外辅导为主：在每一个教学周都安排一固定时段，针对学生在课堂学习及课外作业中遇到的问题，进行答疑解惑.步骤4 以实践锻炼为主：将所学的各种统计预测与决策方法运用到市场经济实践中，以激发学生学习本门课程的兴趣，同时，培养他们实际动手能力.各章教学要求及教学要点第一章统计预测概述课时分配：4课时教学要求：本章主要介绍了统计预测的基本概念、作用、原则和步骤. 通过本章的学习，要求学生掌握预测的基本概念、作用，以及预测方法的选择原则，明确一个完整的统计预测所包含的一般步骤.教学内容：第一节统计预测的概念和作用一、统计预测的概念根据过去和现在估计未来，预测未来。
- 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)。
回总目录 回本章目录
（2）计算方法 线性二次移动平均法的通式为：
xt + xt −1 + xt −2 +... + xt −N+1 St′ = N
St′ + St′−1 + St′−2 +... + St′−N+1 St′′ = N
（5.1） （5.2）
at = 2St′ − St′′
2 bt = ( St′ − St′′) N −1
预测值 342.5 475 827.5 1882.5 3107.5 9120 10572.5 1982.5 792.5 495 237.5 152.5 2500
合计季Leabharlann 比例法（1）• 季节比例法是为了消除趋势变动和剩余变动的影 响，利用各月（季）的实际值与趋势值之比计算 季节指数来分析和确定各月（季）预测值的一种 方法。 • 季节比例法的基本步骤是： 求趋势值 计算各期的趋势比率 计算季节指数 进行预测
回总目录 回本章目录
（1）移动平均法有两种极端情况 • 在移动平均值的计算中包括的过去观察值 的实际个数N=1，这时利用最新的观察值 作为下一期的预测值； • N=n，这时利用全部n个观察值的算术平 均值作为预测值。
回总目录 回本章目录
当数据的随机因素较大时，宜选用较大 的N，这样有利于较大限度地平滑由随机性 所带来的严重偏差；反之，当数据的随机因 素较小时，宜选用较小的N，这有利于跟踪 数据的变化，并且预测值滞后的期数也少。
一次指数平滑法的初值的确定有几种方法： 取第一期的实际值为初值； 取最初几期的平均值为初值。 一次指数平滑法比较简单，但也有问题。 问题之一便是力图找到最佳的α值，以使均 方差最小，这需要通过反复试验确定。
回总目录 回本章目录
• 例 2 利用下表数据运用一次指数平滑法对1981年1 月我国平板玻璃月产量进行预测（取α=0.3，0.5 ， 0.7）。并计算均方误差选择使其最小的 α 进行预 测。 拟选用α=0.3，α=0.5，α=0.7试预测。 结果列入下表：
季节比例法（2）
• 例：根据下表时间序列预测2002年各季度销售量。
观察年分 时序（t） 1 1999 2 3 4 5 2000 6 7 8 9 2001 10 11 12 合计 78 观察值（x） 32 18 21 39 36 21 24 44 39 25 28 48 375 t2 1 4 9 16 25 36 49 64 81 100 121 144 650 tx 32 36 63 156 180 126 168 352 351 250 308 576 2598 趋势值 25.09 26.21 27.33 28.45 29.37 30.69 31.81 32.93 34.05 35.17 36.29 37.41 趋势比率（TI） 1.28 0.69 0.77 1.37 1.22 0.68 0.75 1.34 1.15 0.71 0.77 1.28
N −1 2
，这是因为
移动平均值是对N个点求平均值，这一平 均值应落在N个点的中点。
回总目录 回本章目录
观察 年份 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002
时 序 1 2 3 4 5 6 7 8 9 10 11 12
实际观 察值 38
回总目录 回本章目录
300 250 200 150 100 50 0 1 2 3 4 5 6 7 8 9 10 11 12
实测值 α=0.3 α=0.5 α=0.7
由上表可见：
α=0.3，α=0.5，α=0.7时，均方误差分别为： MSE=287.1 MSE=297.43 MSE=233.36 233.
回总目录 回本章目录
300 250 200 150 100 50 0 1 2 3 4 5 6 7 8 9 10 11 12 系列1 系列2 系列3
二、一次指数平滑法 一次指数平滑法是利用前一期的预测值 F t 代替
xt −n 得到预测的通式，即 ：
Ft +1 = αxt + (1−α)Ft
回总目录 回本章目录
月（季）季节指数的计算
• SI表示月（季）季节指数， x i 表示各月（季）平 X 均数， 表示全时期总月（季）平均数
xi SI i = × 100 % X
简单平均法（2）
• 例：若假定2002年全年预计销量为30000，则全年月平均销量为2500。
月 1 2 3 4 5 6 7 8 9 10 11 12
回总目录 回本章目录
时间 1980.01 1980.02 1980.03 1980.04 1980.05 1980.06 1980.07 1980.08 1980.09 1980.10 1980.11 1980.12 1981.01
序号 1 2 3 4 5 6 7 8 9 10 11 12
实际观测值 α=0.3 203.8 214.1 229.9 223.7 220.7 198.4 207.8 228.5 206.5 226.8 247.8 259.5 — 203.8 206.9 213.8 216.8 218.0 212.1 210.8 216.1 213.2 217.3 226.5
Mt(1)(n=4) Mt(2)(n=4)
80
70
45 35 49 70 43 46 55 45 65 64 43 41.75 49.75
40 60
50
49.25 52.00 53.50 47.25 52.75 57.25 54.25 48.19 51.13 50.50 51.38 52.69 52.88
（5.3）
（5.4）
F+m = at + bm t t
m为预测超前期数 回总目录 回本章目录
其中： （5.1）式用于计算一次移动平均值； （5.2）式用于计算二次移动平均值； （5.3）式用于对预测（最新值）的初始点进 行基本修正，使得预测值与实际值 之间不存 在滞后现象； （5.4）式中用 ( St′ − St′′) 除以
由一次指数平滑法的通式可见： 一次指数平滑法是一种加权预测，权数为
α。它既不需要存储全部历史数据，也不需要
存储一组数据，从而可以大大减少数据存储问 题，甚至有时只需一个最新观察值、最新预测 值和α值，就可以进行预测。它提供的预测值 是前一期预测值加上前期预测值中产生的误差 的修正值。
回总目录 回本章目录
回总目录 回本章目录
例题分析
•例 1
分析预测我国平板玻璃月产量。 下表是我国1980-1981年平板玻璃月产量，试选用N=3 和N=5用一次移动平均法进行预测。计算结果列入表中。
时间 1980.1 1980.2 1980.3 1980.4 1980.5 1980.6 1980.7 1980.8 1980.9 1980.10 1980.11 1980.12 序号 1 2 3 4 5 6 7 8 9 10 11 12 实际观测值 203.8 214.1 229.9 223.7 220.7 198.4 207.8 228.5 206.5 226.8 247.8 259.5 三个月移动平均值 215.9 222.6 224.8 214.6 209.0 211.6 214.3 220.6 227.0 五个月移动平均值 218.4 217.4 216.1 215.8 212.4 213.6 223.5
375 78 − 1 . 12 × = 23 . 97 12 12
即有直线趋势预测数学模型
) x t = 23 . 97 + 1 . 12 t
季节比例法（4）
回总目录 回本章目录
（2）移动平均法的优点 计算量少； 移动平均线能较好地反映时间序列 的趋势及其变化。
回总目录 回本章目录
（3）移动平均法的两个主要限制 限制一：计算移动平均必须具有N个过 去观察值，当需要预测大量的数值时， 就必须存储大量数据；
回总目录 回本章目录
限制二：N个过去观察值中每一个权数 都相等，而早于（t-N+1）期的观察值的 权数等于0，而实际上往往是最新观察值 包含更多信息，应具有更大权重。
回总目录 回本章目录
设时间序列为 x x2 ,..., 移动平均法可以表示为： 1,
1 t F+1 = ( xt + xt −1 +... + xt−N+1 ) / N = ∑ xi t N t −N+1
式中：
xt为最新观察值；
F+1为下一期预测值； t
由移动平均法计算公式可以看出，每 一新预测值是对前一移动平均预测值的修 正，N越大平滑效果愈好。
5 时间序列平滑预测法
5.1 一次移动平均法和一次指数平滑法 5.2 线性二次移动平均法 5.3 季节预测
回总目录
5.1 一次移动平均法和一次指数平滑法
一、一次移动平均法 • 一次移动平均方法是收集一组观察值， 计算这组观察值的均值，利用这一均值 作为下一期的预测值。
回总目录 回本章目录
• 在移动平均值的计算中包括的过去观察值 的实际个数，必须一开始就明确规定。每 出现一个新观察值，就要从移动平均中减 去一个最早观察值，再加上一个最新观察 值，计算移动平均值，这一新的移动平均 值就作为下一期的预测值。
年
1999 80 120 200 500 800 2500 2400 600 200 100 60 40 7600
2000 120 200 350 850 1500 4500 6400 900 400 250 100 80 15650
2001 320 400 700 1500 2400 6800 7200 1500 600 400 200 110 22130
指数平滑法 α=0.5 — 203.8 209.0 230.0 226.9 223.8 211.1 209.5 219.0 212.8 219.8 233.8 α=0.7 — 203.8 211.0 224.2 223.9 221.7 205.4 207.1 222.1 211.2 222.1 240.1