概念
时间序列分析往往是以下几类变化形式的叠加或耦合:①长期趋势变化Tt ②季节变动趋势项St ③循环变动Ct ④随机干扰项Rt。
常见的时间序列模型有一下几种类型:
(1)加法模型
yt = Tt + St + Ct + Rt
(2)乘法模型
yt = Tt ⋅ St ⋅Ct ⋅ Rt
(3)混合模型
yt = Tt ⋅ St + Rt
其中 yt 是观测目标的观测记录, E(Rt ) = 0 , E(Rt2 ) = σ2 。
如果在预测时间范围以内,无突然变动且随机变动的方差σ2 较小,并且有理由认为过去和现在的演变趋势将继续发展到未来时,可用一些经验方法进行预测。
方法1:移动平均法
1、简单移动平均法
假设:每期数据在求平均时的作用是等同的。
(1)简单平均移动平均值计算式:
(2)预测模型:当预测目标基本趋势在某一水平上下波动时
①预测值:
②预测标准误差:
③N值选取:
一般 N 取值范围:5 ≤ N ≤ 200 。通过比较若干模型的预测误差,选取标准误差最小的N值。
(3)例题1:使用简单滑动平均法预测企业销售收入
clc,clear
y=[533.8 574.6 606.9 649.8 705.1 772.0 816.4 892.7 963.9 1015.1 1102.7];
m=length(y);
n = [4,5]; %移动平均的项数
for i=1:length(n)
for j=1:m-n(i)+1
yhat{
i}(j) =sum(y(j:j+n(i)-1))/