预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共26页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

会计学一样本序列具有水平趋势的外推预测法设样本序列值 (2) 克服了易受随机干扰的影响,能充分使用历史信息,数据越多,精度越高。 预测校正 设样本序列为, 的预测值为,现在新增加观测值,要在时点t+1的基础上对 作出预测,则 说明:新的预测值是原预测值与新观测值的线性组合即加权平均值。3加权移动平均预测法首先介绍移动平均预测:设样本序列当预测目标的基本趋势是在某一水平上下波动时,可用一次移动平均方法建立预测模型,预测模型为: N取值范围:[5,200]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,均方预测误差最小者为好。 加权移动平均预测法 为加权滑动平均预测值,其中 为加权因子,满足 权重的选择涉及预测者的艺术水平,一般的规律是对新数据加的权大,旧数据加的权小,这完全靠预测者对序列的了解和分析。4.指数平滑预测法(6)式表明是全部历史数据的加权平均,权重之和显然为 由于加权系数呈指数函数衰减,加权平均能消除或减弱随机干扰的影响,故(5)式称为指数平滑。选择值的一些基本原则?水平趋势预测模型: 二序列具有线性趋势的外推预测法二次滑动平均值计算公式为:当预测目标的基本趋势为线性时,常用二次滑动平均法。但序列同时存在线性趋势与周期波动时,可用趋势滑动平均法建立预测模型: 其中,上述移动平均法在数据处理中常用它作为预处理,消除周期波动(取N为周期长度)和减弱随机干扰的影响往往是有效的。 2二次指数平滑预测法 设观测序列,,一次指数平滑计算公式为:二次指数平滑公式: 原则上说,不管序列的基本趋势多么复杂,总可以利用高次指数平滑公式建立一个很好的模型,但计算量很大。因此用的较多的是几个低阶数指数平滑模型。 (1)线性趋势预测模型-Brown单系数线性平滑预测:其中,注:指数平滑预测模型是以当前时刻T为起点,综合历史序列的信息,对未来进行预测的。选择合适的平滑系数是提高预测精度的关键。实践经验的取值一般为0.1~0.3。 三温特线性和季节性指数平滑预测法序列线性趋势的斜率记为,季节指数为,这三个估计值分别由下述平滑公式进行计算 1.趋势分量:的平滑公式 右边第一 项表示清除了季节影响,但保留随机因素影响的序列值,第二项是对的一种估计,这两项的加权平均表示既消除了季节影响,又消除了随机干扰的趋势分量。 2.趋势直线的斜率的平滑公式