用概率方法确定平滑系数（α）

本文以现代概率论为基础,针对指数平滑法中平滑系数(α)的确定,提出了一种新的方法—概率法,从而较好地克服了现行的平滑系数(α)确定方法所存在的一些缺陷。而且,经过例证,证明效果良好。     

Excel变量与三次指数平滑模拟预测方法

指数平滑法是对预测对象的全部历史序列数据,通过加权平均从而进行预测的一种方法.在进行指数平滑预测时一般要通过对加权系数α取不同的值,经过多次模拟运算并比较预测误差,从而选择适当的预测结果.然而,当采用二次或三次指数平滑模型,进行预测分析时,由于计算公式较为复杂,模拟运算过程参数的改变就非常繁琐.本文以我国肉类产量三次指数平滑预测为例,利用Excel变量和工作表相结合,建立数据、图表间的链接关系,从而实现了方便、快捷的模拟运算预测分析.     

运用指数平滑法建立指数曲线趋势模型之探讨

文章应用指数平滑原理,以不同的平滑方式建立起指数曲线趋势模型,并与其它时间序列预测 法相比较,分析其优点。     

基于李雅普诺夫指数的临近点选取方法

混沌时间序列的局域法预测以其计算量小、适用性强等优点,得到了广泛应用.但是其预测效果受制于临近点的选取,尤其是“伪临近点”的存在将降低预测精度,所以合理选取临近点至关重要.考虑到相点各维分量对预测的影响不同,相点的演化趋势与其前S步相点存在相关性,文章利用最大李雅普诺夫指数构造权系数提出了基于李雅普诺夫指数的临近点选取方法.通过Lorenz方程产生的混沌时间序列进行检验,结果表明改进方法的预测效果明显提高.     

统计预测中的指数平滑法

运用最小平方法求出时间数列的趋势线进行预测时,时间数列所反映的过去各个时间的经济信息都是相等地影响预测值的。它不能正确地反映近期的经济信息要比远期的经济信息影响趋势变化重要得多的客观事实。在预测中如何正确处理这个问题呢?一般是采用合理的加权法,即对过去的近期数据比对远期数据给以较大的权数。指数平滑法就是目前普遍应用的一种趋势预测法。现就指数平滑法的由来、计算方法和应用介绍如下:     

股市常识系列介绍—分析指标（八）

19．随机指数（KDJ）;它是综合移动平均数,相对强弱指数和威廉指数的特点而形成的一种技术分析方法。（1）KDJ指标的计算方法：①计算n日内（通常短期选用6日或9日）的相对强弱值RSV：②计算K（％）值,公式为：K1＝αRSVt＋（1—α）Kt-1α为平滑系数,一般取。上述公式得到的K值实质上是对RSV的指数平滑值。K值的初始值一般取为50o③计算D（％）值,公式为：D;一QK;＋（1一。）D;－l与K值计算公式相同,a为平滑系数,取为今,D——“———”～”””““”——”””””Q’一值是对K值进行指数平滑的结果,亦即对RSV…     

FAR(p)与指数平滑的组合预测算法

一、引言 梅炽、姚俊峰等在<粗铜冶炼中铜铳品位的动态预测模式>一文中(见中南工业大学学报,2000,31(1):34-36)和邵义元在一文中(见鄂州大学学报,2002,9(4):38-39)提出了一种对铜统品位进行预测的方法,即以采集的现场数据为基础,采用系统辨识动态地建立了AR(p)模型与三次指数平滑模型.并将两种模型按最小二乘原理,以组合预测误差平方和为目标函数,通过使误差平方和极小化来确定两种预测方法的最优加权系数,建立一种新的组合模型,其预测误差最小.结果表明,在当时数据下,AR(p)与指数平滑组合模型比AR(p)与指数平滑模型单独使用时精确度都要高.本文在此基础上,对AR(p)与指数平滑组合预测模型做了改进,将AR(p)模型中的时间序列模糊化,便成为模糊时间序列,进而建立模糊时间序列AR(p)模型,即FAR(p)模型.从而提出一种新的组合预测模型--FAR(p)与指数平滑组合预测模型.最后将两种组合模型用于预测油田产油量,结果表明,FAR(p)与指数平滑组合预测模型比AR(p)与指数平滑组合预测模型有更高的预测精度.     

几种时间序列分析方法的比较与应用

一、几种时间序列分析方法的简单比较时间序列分析技术是通过对预测目标自身时间序列的处理,来研究其变化趋势的方法。本文把时间序列预测技术大致分成三个方面,即:"确定性时序分析法"、"随机(非确定性)性时序分析法"及"确定性加随机性时序组合模型分析法"。确定性时序分析法主要有:①移动平均法、②指数平滑法、③时间回归法和④季节周期预测法等。确定性时序分析法能够刻画序列的主要趋势,且直观、简单、     

销售预测中指数平滑法与时问序列分解法的比较

销售预测是企业经营活动中不可缺少的一个环节,因此,有多种销售预测方法。文章着重对指数平滑法和时间序列分解法通过实例作了分析和比较,从而指出了各自的优缺点。     

经济预测中的指数平滑法

指数平滑法是回归分析和时间序列相结合的一种预测方法。华伯泉同志在《统计研究》1986年第2期中介绍了这种方法,但没有解决平滑常数和初始统计量的合理确定问题,也没有提到模型和实际数据是否适合的检验问题;并且以普通回归方程中y的预测区间代替指数平滑法中Z的预测区间,这是不合适的。本文试图解决这些问题,并研究K个观测值总和的预测区间。 -、以时间为独立变量的回归模型 设Z_(n j)表示在时间n j的观测值,考虑如下形式的模型: