【季节性预测法 - 时间序列分解法】利用excel进行复合型时间序列的分解预测

希望我整理的内容对路过的你有所帮助，点赞或评论，都是相互的鼓励~

 

【问题】根据下图中某啤酒生产企业2010-2015年各季度的销售量数据，预测2016年各季度产量

1. 绘制时间序列图，观察啤酒销售量的构成要素

 从上图可以明显看出，啤酒销售量具有明显季节成分，而且后面年份销量比前面年份高，因此其中含有趋势成分，但其周期性难以判断。可以认定啤酒销售量序列是一个含有季节性成分和趋势成分的时间序列。

2. 确定季节成分，计算季节指数

2.1 计算移动平均值

-- 对于季节数据，从2010年1季度开始，每4个季度计算4项移动平均，如：

年份/季度	4项移动平均计算	4项移动平均值	4项移动平均    对应季度
2010/1, 2010/2,2010/3, 2010/4	(25.0+32.0+37.0+26.0) / 4	30.00	2.50
2010/2,2010/3, 2010/4, 2011/1	(32.0+37.0+26.0+30.0) / 4	31.25	3.50
2010/3, 2010/4, 2011/1, 2011/2	(37.0+26.0+30.0+38.0) / 4	32.75	4.50
…	…	…	…

这里出现的问题是，计算出的4项移动平均，没有对应着具体的某个季度，而是在季度之间！

为了解决这个问题，需要进行中心化处理。

-- 对计算结果进行中心化处理，也就是再进行一次二项移动平均，得出中心化移动平均值CMA。

这样处理之后，移动平均值便对应具体季度。思路如下（给我自己做的图点赞❤）：

按照上述思路，计算出的中心化移动平均值CMA情况如下：

年份

时间代码

销售量

4项移动平均

中心化移动平均值 CMA