时间序列预测技术就是通过对预测目标自身时间序列的处理,来研究其变化趋势 的。一个时间序列往往是以下几类变化形式的叠加或耦合
时间序列预测方法如下:
一、移动平均法(MA)
移动平均法是根据时间序列资料逐渐推移,依次计算包含一定项数的时序平均数, 以反映长期趋势的方法。
当时间序列的数值由于受周期变动和不规则变动的影响,起伏较大,不易显示出发展趋势时,可用移动平均法,消除这些因素的影响,分析、预测序列的长期趋势。
1.简单移动平均法
移动平均项数的含义:以n个观测序列为一组,向右滑动。
当历史序列的基本趋势变化不大且序列中随机变动成分较多时,N的取值应较大。在有确定的季节变动周期的资料中,移动平均的项数应取周期长度。
选择最佳 N 值的一个有效方法是,比较若干模型的预测误差。预测标准误差最小者为好。
2.加权移动平均法
考虑各期数据的重要性,对近期数据给予较大的权重,是加权移动平均法的基本思想。
需要注意的是,权重的赋予具有一定主观性。可以通过下述方法对预测结果加以修正:
计算总相对误差,
3.趋势移动平均法(二次移动)
当时间序列出现直线增加或减少的变动趋势,会出现滞后偏差。
因此,需要进行修正,修正的方法是作二次移动平均,利用移动平均滞后偏差的规律来建立直线趋势的预测模型。
下面讨论如何利用移动平均的滞后偏差建立直线趋势预测模型。 设时间序列从某时期开始具有直线趋势,且认为未来时期也按此直线趋势变化,则可设此直线趋势预测模型为
有一系列推导得,
二、指数平滑法
指数平滑法是对数据加权的一种特定形式,具有简单的递推形式。
指数平滑法根据平滑次数的不同,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。
指数平滑法涉及到两个参数的选定: 加权系数 , 初始值
由于指数平滑公式是递推计算公式,所以必须确定初始值 。可以取前 3~5 个数据的算术平均值作为初始值
python实现
指数平滑方法(一次指数平滑、二次指数平滑、三次指数平滑):理论、代码、参数 介绍(全)_r代码线性二次指数平滑-CSDN博客
r语言实现
R - 时间序列数据的预测——指数平滑法(一次、二次、三次)详解附代码与公式_二次指数平滑法-CSDN博客
1.一次指数平滑法
①公式原理
②加权系数
的选择
如何选择一般可遵循下列原则:①如果时间序列波动不大,比较平稳,则α应取小一点,如(0.1~0.5)。以减少修正幅度,使预测模型能包含较长时间序列的信息;②如果时间序列具有迅速且明显的变动倾向,则α 应取 大一点,如(0.6~0.8)。使预测模型灵敏度高一些,以便迅速跟上数据的变化。 在实用上,类似移动平均法,多取几个α 值进行试算,看哪个预测误差小,就采用哪个。
③初始值的确定
当时间序列的数据较多,比如在 20 个以上时,初始值对以 后的预测值影响很少,可选用第一期数据为初始值。如果时间序列的数据较少,在 20个以下时,初始值对以后的预测值影响很大,这时,就必须认真研究如何正确确定初始值。一般以最初几期实际值的平均值作为初始值。
2.二次指数平滑法
3.三次指数平滑法(Holt-Winters’ 加法/乘法模型)
当时间序列的变动表现为二次曲线趋势时,则需要用三次指数平滑法。
三次指数平 滑是在二次指数平滑的基础上,再进行一次平滑,其计算公式为
三、差分指数平滑法
核心思想是通过差分的数据变换,使数据适合于指数平滑方法。
1.一阶差分指数平滑法
2.二阶差分指数平滑法
差分方法和指数平滑法的联合运用,除了能克服一次指数平滑法的滞后偏差之外, 对初始值的问题也有显著的改进。
其次, 它拓展了指数平滑法的适用范围,使一些原来需要运用配合直线趋势模型处理的情况可 用这种组合模型来取代。但是,对于指数平滑法存在的加权系数α 的选择问题,以及 只能逐期预测问题,差分指数平滑模型也没有改进。
四、自适应滤波法
先用一组给定的权数来计算一个预测值,然后计算预测误差,再根据预测误差调整权数以减少误差。这样反复进行,直至找出一组“最佳”权数,使误差减少到最低限度,称为自适应滤波法。
其中重要参数:N, k 值和初始权数的确定
1.原理公式![](https://i-blog.csdnimg.cn/direct/e7e52eb7042e4e598c3734271fdc3c53.png)
2.参数确定
①权数个数N的确定:
一般说来,当时间序 列的观测值呈季节变动时, N 应取季节性长度值。如序列以一年为周期进行季节变动 时,若数据是月度的,则取 N = 12 ,若季节是季度的,则取 N = 4 。如果时间序列无 明显的周期变动,则可用自相关系数法来确定,即取 N 为最高自相关系数的滞后时期。
②学习常数k的取值:
k 的取值一般可定为1/ N ,也可以用不同的k 值来进行计算,以确定一个能使 S 最 小的k 值
③初始权数的确定:
如无其它依据,也可用1/ N 作为初始权系数用
优点:一是技术比较简单,可根据预测意图来选择权数 的个数和学习常数,以控制预测。也可以由计算机自动选定。二是它使用了全部历史数 据来寻求最佳权系数,并随数据轨迹的变化而不断更新权数,从而不断改进预测
五、趋势外推预测方法
1.指数曲线法
将数据转化为对数形式,用最小二乘法拟合
2.修正指数曲线法
曲线特点:
当 K 值可预先确定时,采用最小二乘法确定模型中的参数。而当 K 值不能预先确定时,应采用三和法。
三和法求参数:
最终解得
检验方法:
采用前应对数据进行检验,检验方法是看给定数据的逐期增长量的比率是否接近某一常数b,即
3.Gompertz 曲线
曲线特点:
初期增长缓慢,以后逐渐加快。当达到一定程度后,增长率又逐渐下降。
检验方法:
给定数据的对数逐期增长量的比率是否接近某一常数b
仿照三和法求参数:
4.Logistic 曲线(生长曲线)
曲线特点:
在第一阶段增长的较慢,在发展时期则突然加快, 而到了成熟期又趋减慢,形成一条S形曲线
检验方法:
看给定数据倒数的逐期增长量的比率是否接近某一常数b,即