咨詢工程師的延伸預測法有哪些呢？

??一、簡單移動平均法: Ft+1 = 1/n Σx i 屬于平滑技術,變化趨勢較原始數據變化幅度小

適用于短期預測,以月或周為單位的近期預測;對原始數據預處理

n值越小,表明對近期觀測值預測的作用越重視,預測值對數據變化的反應速度也越快,但預測的修勻程度較低,估計值的精度也可能降低。

??反之n值越大,預測值的修勻程度越高,但對數據變化的反映程度較慢。因此,n值的選擇無法二者兼顧,應視具體情況而定。一般3-200,視序列長度和預測目標情況而定。

二、指數平滑法:指數加權平均法,實際是加權的移動平均法,它是選取各時期權重數值為遞減指數的均值方法。

??通過某種平均方式,消除歷史統計序列中的隨機波動,找出其中主要的發展趨勢。

一次指數平滑 Ft =αx i +(1-α)Ft-1 --適用于市場觀測呈水平波動,無明顯升降趨勢的預測

這種方法與簡單移動平均法相似,兩者之間的區別在于:簡單指數平滑法對先前預測結果的誤差進行了修正,因此這種方法和簡單移動平均法一樣,都能夠提供簡單適時的預測。

以本期指數平滑值作為下期的觀測值。α是前一觀測值和當前觀測值之間的權重。大的α導致較小的平滑效果,較小則產生客觀的平滑效果,α接近0,新預測值只包含較小的誤差修正因素。

觀測值穩定水平發展,α取0。1-0。3;波動較大,取0。3-0。5;波動很大,取0。

??5-0。8

初始值F0實質是序列起始點前歷史數據的加權平均值。當時間序列數>20,F0=X1;??

(一)季節指數水平法 Yt = Y*f t Y-前1個月或所有月的平均水平,f t-季節指數

適用于無明顯升降趨勢,主要受季節變動和不規則變動影響的時間序列,一般需3-5月/季的歷史數據

程序:①數據分析,形成數據序列;②計算各年同月平均值Yi;③計算所有月平均值Y;④計算各月季節比率f t =Yi/Y;⑤計算預期趨勢值一般采用最近年份平均值Yt -1;⑥計算預測年各月預測值= Yt -1 f t

(二)季節指數趨勢法 Yt =(a + bt)f t --適用于存在季節變動,各年(或同月)呈升降趨勢。