時間序列模型(二):移動平均法(MA)


時間序列模型(一):模型概述

時間序列模型(二):移動平均法(MA)

時間序列模型(三):指數平滑

 

 

移動平均法可以作為一種數據平滑的方式,以每天的氣溫數據為例,今天的溫度可能與過去的十天的溫度有線性關系;或者做的飯一部分是上頓的,一部分是現在的,再假設隔兩頓的都被倒掉了,並且每天都是這樣的,這就是一個一階的移動平均。

 

 

1. 移動平均法

移動平均法根據時間序列逐漸推移,依次計算包含一定項數的時序平均數,以反映長期趨勢的方法。當時間序列的數值由於受周期變動和不規則變動的影響,起伏較大,不易顯示出發展趨勢時,可用移動平均法,消除這些因素的影響,分析、預測序列的長期趨勢。移動平均法有簡單移動平均法、加權移動平均法、趨勢移動平均法。

 

 

2. 簡單移動平均法

近N期序列值的平均值作為未來各期的預測結果。一般N的取值范圍:5≤N≤200。當歷史序列的基本趨勢變化不大且序列中隨機變動成分較多時,N的取值應該大一些。否則N的取值應小一些。在有確定的季節變動周期的資料中,移動平均的項數應取周期長度。選擇最佳N的方法是,比較若干模型的預測誤差。預測標准誤差小者為好。

簡單移動平均法只適合做近期預測,而且預測目標的發展趨勢變化不大。如果目標的發展趨勢存在其它變化,采用簡單移動平均法就會產生較大的預測偏差和滯后

 

例1:某企業1-11月份的銷售收入時間序列如表1所示。試用一次簡單移動平均法預測第12月份的銷售收入。

 

958.2,預測的標准誤差為:

182.4

 

計算表明,N = 4時,預測的標准誤差較小,所以選取N = 4。預測第12月份的銷售金額為993.6。

 

 

3. 加權移動平均法

在簡單移動平均公式中,每期數據在求平均時的作用是等同的。但是,每期數據所包含的信息量不一樣,近期數據包含着更多關於未來情況的信息。因此,把各期數據等同看待是不合理的,應考慮各期數據的重要性,對近期數據給予較大的權重,這就是加權移動平均法的基本思想。

 

 

例2:我國1979-1988年原煤產量如表2所示,試用加權移動平均法預測1989年的產量。

 

在加權移動平均法中,wt 選擇的原則是:近期數據的權數大,遠期數據的權數小

 

 

4. 趨勢移動平均法

簡單移動均值法和加權移動平均法,在時間序列沒有明顯的趨勢變動,反映實際情況。但當時間序列出現直線增加或減少的變動趨勢時,這兩種方法出現滯后偏差。因此,需要修正,修正的方法是作二次移動平均,利用移動平均滯后偏差的規律來建立直線趨勢的預測模型。這就是趨勢移動平均法。一次移動的平均數為

 

例3:我國1965-1985年的發電量如表3所示,試預測1986年和87年的發電總量。

 

解:由散點圖1看出,發電量基本呈現直線上升趨勢,可用趨勢移動平均法來預測。

 

錯誤:1986年的預測值:3981.1+208 = 4189.1

 

趨勢移動平均法適用於同時存在直線趨勢與周期波動的序列,是一種既能反映趨勢變化,又可以有效地分離出周期變動的方法。

 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM