时间系列模型——三次指数平滑法

**

时间系列模型——三次指数平滑法

**
时间序列预测技术是通过预测目标自身时间序列的处理，来研究其变化趋势，一个时间序列往往是以下几类变化形式的叠加与耦合。（1）长期趋势变动。（2）季节变动。（3）循环变动。（4）不规则变动。常见的确定性时间序列模型有加法模型、乘法模型和混合模型三种类型。
下面介绍一种（三次）指数平滑法。该方法采用对各期观测值依时间顺序进行加权平均做为预测值，表现出历史数据未来值的影响随增长而递减的特征，这种方法更切合实际。
当观测值的时间序列变化规律表现为二次曲线趋势时，采用三次指数平滑法。其计算公式为：

方程组左边，自上而下依次是一次、二次、三次指数平滑值。
三次指数平滑法的预测模型为：

【示例】
某省1978-1988年全民所有制单位固定资产投资总额如下图所示，试预测1989和1990年固定资产投资总额。

【计算的MATLAB程序如下】
clc;clear
load touzi.txt %导入原理数据
yt=touzi;n=length(yt);
alpha=0.3;st1_0=mean(yt(1:3));st2_0=st1_0;st3_0=st1_0;
st1(1)=alphayt(1)+(1-alpha)st1_0;
st2(1)=alphast1(1)+(1-alpha)st2_0;
st3(1)=alphast2(1)+(1-alpha)st3_0;
for i=2:n
st1(i)=alphayt(i)+(1-alpha)st1(i-1);
st2(i)=alphast1(i)+(1-alpha)st2(i-1);
st3(i)=alphast2(i)+(1-alpha)st3(i-1);
end
xlswrite(‘touzi.xls’,[st1’,st2’,st3’])
st1=[st1_0,st1];st2=[st2_0,st2];st3=[st3_0,st3];
a=3st1-3st2+st3;
b=0.5alpha/(1-alpha)^2((6-5alpha)st1-2(5-4alpha)st2+(4-3alpha)st3);
c=0.5alpha^2/(1-alpha2)(st1-2st2+st3);
yhat=a+b+c;
xlswrite(‘touzi.xls’,yhat’,‘Sheet1’,‘D1’)
plot(1:n,yt,’*’,1:n,yhat(1:n),‘O’)
legend(‘实际值’,‘预测值’,2)
xishu=[c(n+1),b(n+1),a(n+1)];
yhat1990=polyval(xishu,2)
【运行结果】

【总结】
指数平滑预测模型是以时刻t（示例为1-11）为起点，综合历史序列信息，对未来进行预测。选择合适的加权系数alpha是提高预测精度的关键环节。根据实践经验，alpha的值一般以0.1~0.3为宜。
选择alpha的一些基本准则，如果序列的基本趋势比较稳，预测偏差由随机因素造成，则alpha值应取小一些。如果预测目标的基本趋势已发生系统地变化，则apha应取值大一些。