几种移动平均算法

概念

移动平均法（Moving Average Method）是根据时间序列数据、逐项推移，依次计算包含一定项数的序时平均值，以反映长期趋势的方法。因此，当时间序列的数值由于受周期变动和随机波动的影响，起伏较大，不易显示出事件的发展趋势时，使用移动平均法可以消除这些因素的影响，显示出事件的发展方向与趋势（即趋势线），然后依趋势线分析预测序列的长期趋势。

一次移动平均法

一次移动平均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。
在计算中包括过去观察值的样本数，必须一开始就明确规定。每出现一个新的观察值，就要从移动平均中减去一个最早的观察值，加上一个最新的观察值，再计算移动平均值，这一新的移动平均值就作为下一期的预测值。
当数据的随机因素较大时，宜选用较大的样本数，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，宜选用较小的样本数，这有利于跟踪数据的变化，并且预测值滞后的期数也少。
按照时间序列，一次移动平均法可表示为：

其中：Xt为最新观察值，N为样本数，Ft+1为下一期预测值。由公式可以看出，每一新预测值是对前一移动平均预测值的修正，N越大平滑效果越好。
优点
1）计算量少；
2）移动平均线能较好地反映时间序列的趋势和变化。
限制
1）计算移动平均必须存储一定数目的过去观察值；
2）这些过去观察值的权重都是相等的。

二次移动平均法

为了避免利用一次移动平均法预测有趋势的数据时产生的系统误差，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。
按照时间序列，二次移动平均法可表示为：

其中：式（1）用于计算一次移动平均值， 式（2）用于计算二次移动平均值，式（3）用于对最新值的初始点进行基本修正，使预测值和实际值之间不存在滞后现象，式（4）表示移动平均值是对N个点求平均值，这一平均值应落在N个点的中点，式（5）用于计算下一期预测值。

加权移动平均法

加权移动平均法根据同一个移动段内不同时间的数据对预测值的影响程度，分别给予不同的权数，然后再进行平均移动以预测未来值。
加权移动平均法不像一次移动平均法，在计算平均值时对移动期内的数据同等看待，而是根据愈是近期数据对预测值影响愈大这一特点，不同地对待移动期内的各个数据。对近期数据给予较大的权数，对较远的数据给予较小的权数，这样来弥补一次移动平均法的不足。
加权移动平均法公式如下：

其中：Xt为最新观察值； Wn为Xt-n+1的权数，它体现了相应的X在加权平均数中的重要性；N为样本数；Ft+1为下一期预测值。