季节模型预测的定基比率法

一在经济预测中,常常遇到对具有明显季节性变动规律的经济变量进行预测的问题,即季节变动预测。在季节变动预测中,常用的方法之一是把经济变量的季节波动时间序列进行分解,测定其长期趋势T、季节变动S、循环变动C和不定变动I等组成因素,并利用乘法模型X=T·S·C·I,计算表征该变量季节变动一般规律的指标——季节指数SI,用以进行预测。依据乘法模型进行季节变动预测,其关键在于计算季节指数。计算季节指数通常是依据三年以上分季(月)的季节波动时间序列,按同期平均法求各该季(月)水平的平均值(?)k,然后除以各季(月)水平的总平均值(?),即可得到季节指数:     

季节周期预测法计算机预测程序

本篇给出了两种不同的季节周期方法的计算和预测程序。程序用 FORTRAN 语言编制.一、季节指数法(1)季节指数法(1)的基本思路是,首先分离出不含季节周期波动的长期趋势,再计算季节指数,最后建立预测模型 y_t=(a bt)·F;并用于预测.(一)数学模型说明     

农产品价格时间序列几种预测模型的研究

本文分析与比较了单指数平滑、双指数平滑、自回归单整移动平均法、季节自回归单整移动平均法这四种畜产品价格预测方法。由于指数平滑法遵循“重近轻远”,在短期预测上能得到较好的预测结果,使时间序列所包含的历史规律性能显著地体现出来。季节ARIMA有时得不到较优的预测模型,这时可以用非季节ARIMA模型来代替,弥补季节ARIMA的不足之处。综合生猪业的发展,用基本的原理和预测模型来逐步分析模拟猪肉的价格,通过大量的努力找到最优的模型。     

正弦曲线预测法

本文是来自预测工作第一线的一篇小作,虽然还不很成熟,但从中可看到作者的巧妙构思,目前常见的季节预测法大都用季节指数加以修正,或采用非线性回归。本文却给出了一个以一元线性回归线为基本趋势,以数据平均偏差σ为描述季节变化的最大振幅,通过附加一个描述季节波动的正弦项,很简单地这建立了一个季节预测模型,请读者不妨一读。     

季节周期波动的分解—组合预测

本文对季节周期波动的数据提出了分解组合的预测方法,实例计算表明该方法十分有效。一、引言许多预测对象的经济行为由于各方面的原因,比如气候影响、社会风俗习惯等而表现出明显的周期波动。而且常常是按月份或季度呈现出循环周期的波动,我们称之为季节周期波     

季节预测方法新探

季节性问题是一种较为普遍的社会经济现象,人们在这方面的研究也较为广泛深入,有许多预测方法可循。此文针对我国高等财经院校统编试用教材《商业统计学》一书介绍的季节预测方法,提出了个人不同的看法,在分析研究其不足之处和局限性基础上,提出了二种“新的”季节预测方法,可作方法研究供读者参考,欢迎争鸣。     

我国气象学家关于东亚季风研究获新成果

大气物理所大气科学和地球流体力学数值模拟国家重点实验室李建平研究组与夏威夷大学气象系的合作者研究发现,春季北大西洋涛动（NAO）信号有助于提高东亚夏季旱涝的季节预测能力。他们将厄尔尼诺和春季北大西洋涛动作为影响因子,建立了东亚夏季风季节预测经验模式。     

季节变动序列的一种简捷预测法

本文首先给出了季节变动序列渐进预测模型的一种构造与证明方法,进而给出了一种季节变动序列的简捷预测法,最后进行了预测应用与准确性比较     

解析电力负荷季节变动的预测值

电力负荷预测是电力系统调度、用电、规划等管理部门的重要工作。电力负荷预测主要用来预报未来几小时,它是能量管理系统的重要组成部分,在现代电力系统的安全和经济运行中起着重要作用。随着电力企业逐渐走向市场,对短期负荷预测提出了更高的精度要求。主要从季节变动因素阐述了电力负荷预测的基本方法。     

经济时间序列的状态空间预测

预测是研究经济时间序列的重要课题,而经济序列大都是非平稳的,因此经济序列的预测比一般平稳时间序列困难得多。利用状态空间模型对经济序列进行建模、预测,不仅方便易行,且效果很好。不仅可对经济时间序列所含趋势、周期、季节各分量进行预测,而且可对经济时间序列本身进行预测。本文就是讨论用状态空间模型对经济序列进行预测的方法与实现。     

指数平滑常数的特性及其选择

指数平滑法是短期经济预测中一种极为有效的方法,尤其适用于没有季节效应的时间序列预测,效果尤佳。在应用指数平滑法预测时,平滑常数α的选择是否适宜,直接影响到预测效果的好坏,本文就平滑常数α的特性和选取原则进行有关的讨论,并介绍几种较为常用的选择方法。     

我国居民消费价格指数的季节调整及短期预测

月度经济时间序列往往会受到季节因素影响,使得经济发展中的客观变化规律被遮盖或混淆。因此,使用居民消费价格指数月度数据进行物价波动趋势分析时,首先应该采用科学的方法对月度时间序列中的季节因素进行识别、分离和调整。本文使用X-12-ARIMA和TRAMO/SEATS两种基于ARIMA模型的季节调整方法,对我国2001-2012年的定基比价格指数进行了季节调整,并对今后短期内CPI的走势进行了预测。     

基于成都温度季节性变化的分析与预测

基于成都2009年~2016年的平均温度的数据使用SAS对其进行乘法季节ARIMA建模,从模型的识别、参数估计、建模和预测等各方面介绍了模型建立和预测的过程,发现ARIMA(0,1,1)x(0,1,1)12模型能很好的拟合其平均温度的变化,并用该模型进行预测,结果表明平均温度逐年上升。     

山东省物价波动的实证分析

本文用X-12-ARIMA季节调整方法对山东省物价指数序列进行季节调整,并用TPAMO／SEATS模型剔除了山东省CPI的春节效应,然后用Auto-Regressive模型对山东省物价指数进行拟合、预测,分析山东省物价波动规律。     

对温特线性与季节指数平滑法平滑系数的一种求法

1 引言众所周知,温特线性与季节指数平滑预测法(以下简称WT法)是把具有线性趋势、季节因素和规则变动因素,用指数平滑法结合起来这样一种综合性的预测方法,而且WT法还可以根据不断得到的新数据,对原模型的参数进行修正,不断提高模型的自适应能力,以提高预测精度。由于以上的优越特性,因此,进行短期预测时,WT法对预测人员有非常大的吸引力。但是,使用WT法时,首先必须合理地确定三个平滑系数的值。以往用户使用试凑法进行反复试验,逐步降低MSE(均方差)的值来求得平滑系数值。但由于这种方法试验的区间大(α、β、γ∈(0,1)(?),试凑出来的系数值难以保证三维函数MSE(α,β,γ)的值达到最小,因此也将难以保证预测精度得到提高;另外,人工进行试凑平滑系数值,整个求解过程的效率也太     

基于最优加权组合模型的道路交通事故预测

当前我国交通事故状况严峻,对其进行有效预测十分必要。本文鉴于单一模型的局限性,建立了一种基于多种单一模型的最优加权组合模型。针对事故死亡人数的季节周期性、单调性和趋于平稳性,选取季节模型SARIMA、灰色模型GM(1,1)和Verhulst模型建模以及最优加权组合模型。结果表明,SARIMA、GM(1,1)、Verhulst模型预测相对平均误差分别为5.43%、11.92%、10.16%,而SGV(SARIMA、GM(1,1)、Verhulst)加权组合模型的平均误差仅为1.19%,因而最优加权组合模型克服了单一模型的不足,具有良好的精度,可以利用该模型对我国未来交通事故死亡人数进行预测。     

季节变动高峰(或低谷)时期的计算和数值预测

在呈季节变动的现象中,很多现象的高峰值(或低谷值)并非落在某一个季(或月)中。实际上,很少有哪种现象恰恰以某季(或月)的中点为高峰(或低谷)分布。而统计资料往往是按月或季汇总的,如果按这样的资料进行预测会产生两个问题:第一,按分月资料计算季节比率进行预测,只能得到日历月份的预测值,     

卷烟销量预测方法比较

对某地区2006-2011年每月的卷烟销量数据分析,发现卷烟的销量与以下因素有关:节日和宏观经济环境;而且每个月的卷烟销量有很强的趋势特征。采用趋势外推法对每个月的销量进行预测,并结合季节指数和组合预测方法,对比分析这三种方法,结果为趋势预测的误差最小。     

城市用水量变化影响因素及其预测方法

城市用水量预测在城市建设规划、输配水系统的优化调度中具有重要的作用,天气、季节、节假日及不可预见因素对短期用水量影响较大,而其它因素则对长期用水量影响较大。城市用水量变化规律曲线是描述一个城市用水量变化规律的一种简单、直观的方法,它可以以曲线的形式给出用户小时用水量或日用水量变化的统计结果。其对供水管网系统模型水力计算有重要的作用。常用水量预测方法有两类：一类是因果解释性预测方法,另一类为历史数据法,都能够有效的预测城市用水量。     

季节趋势直线法

一般都认为,对季节性商品的变动,只能用季节趋势法或曲线法而不能用直线法描述和预测。其实并非完全如此。有些季节性商品的变动趋势不但可以用直线法来描述和预测,而且其精确度也非常高。有些季节性商品的变动