3.2 时间序列的指数平滑预测法
指数平滑法(Expinential smoothing method)的思想也是对时间序列进行修匀以消除
不规则和随机的扰动。该方法是建立在如下基础上的加权平均法:即认为时间序列中的近期
数据对未来值的影响比早期数据对未来值得影响更大。于是通过对时间序列的数据进行加权
处理,越是近期的数据,其权数越大;反之,权数就越小。这样就将数据修匀了,并反映出
时间序列中对预测时点值的影响程度。根据修匀的要求,可以有一次、二次甚至三次指数平
滑。
3.3.1 一次指数平滑法
1.一次指数平滑法的计算公式及平滑系数 的讨论
a
设时间序列为x ,x x ,,x ,一次指数平滑数列的递推公式为:
1 2 3 N
1 1
S ax (1a)S , 0 a 1,1 t N
t t t1
1 (3-6)
S x ,
0 1
1
式中, 表示第 时点的一次指数平滑值, 称为平滑系数。递推公式(3-6)中,初
S t a
t
1
x
始值 常用时间序列的首项 (适用于历史数据个数较多,如50 个历史数据及以上),如
S
0 1
果历史数据个数较少,如在15 或20 个数据及以下时,可以选用最初几期历-史数据的平均
1
值作为初始值 ,这些选择都有一定的经验性和主观性。
S
0
下面讨论平滑系数 。将递推公式(3-6)展开可得:
a
1 1 1
S ax (1a)S ax (1a) ax (1a)S
t t t 1 t t 1 t 2
2 1
ax a(1a)x (1a) S
t t 1 t 2
2 t 1 t 1
ax a(1a)x a(1a) x a(1a) x (1a) S
t t 1 t 2