时间序列分析--移动平均法预测模型

      时间序列是按时间顺序排列的、随时间变化且相互关联的数据序列。分析时间序 列的方法构成数据分析的一个重要领域，即时间序列分析。

      如果在预测时间范围以内，无突然变动且随机变动的方差较小，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。

一、移动平均法

移动平均法有简单移动平均法，加权移动平均法，趋势移动平均法等。

1.1简单移动平均

      设观测序列为,取移动的项数N<T，当预测目标的基本趋势是在某一水平上下波动时，可用一次简单移动平均方法建立预测模型：

实质是用最近 N 期序列值的平均值作为未来各期的预测结果。

       其标准误差为

一般 N 取值范围： 5 ≤ N ≤ 200 。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的取值应较大一些。否则 N 的取值应小一些。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

例题1  某企业 1 月～11 月份的销售收入时间序列如表 1 示。试用一次简单滑动平均法预测第 12 月份的销售收入。

     解析

       N=4时，预测公式为 

 预测值,预测的标准误差为

      N=5时，预测公式为