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