实验6-EXCEL时间序列分析-指数平滑

Posted xuxaut-558

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了实验6-EXCEL时间序列分析-指数平滑相关的知识,希望对你有一定的参考价值。

EXCEL时间序列分析-指数平滑法
      指数平滑法是从移动平均法发展而来的,是一种改良的加权平均法,在不舍弃历史数据的前提下,对离预测期较近的历史数据给予较大的 权数,权数由近到远按指数规律递减。       指数平滑法根据本期的实际值和预测值,并借助于平滑系数α进行加权平均计算,预测下一期的值。它是对时间序列数据给予加权平滑,从而获得其变化规律与趋势。 
       我们还是以"企业季度数据"为例,利用Excel分析工具库---"指数平滑"分析工具预测2012年第3季度的销售额会是多少。 
         【数据】-【分析】-【数据分析】-【指数平滑】 
      
       若时间序列数据的波动不大,比较平稳,则阻尼系数应取小一些,
        如0.1~0.3。
       若时间序列数据具有迅速且明显的变动倾向,则阻尼系数应取大一些,如0.6~0.9  。
   
技术分享图片

技术分享图片
                         图1-1  一次指数平滑结果 

       跟移动平均法一样,公式下拉就可以得到预测结果。根据这个图,可以知道2012年第3季度的销售额预测值为15581。         
       现在分别把阻尼系数调整为0.3/0.6及0.9,比较不同值下的预测标准误差,看看哪个预测标准误差较小。
              
技术分享图片
                       图1-2 一次指数平滑法

       多个阻尼系数的计算结果 从上图分析可以得出,在平滑系数=0.9,阻尼系数为0.1时,预测误差最小。














以上是关于实验6-EXCEL时间序列分析-指数平滑的主要内容,如果未能解决你的问题,请参考以下文章

R语言时间序列(time series)分析实战:简单指数平滑法预测

时间序列分析--指数平滑法

一文速学-时间序列分析算法之指数平滑法详解+Python代码实现

对时间序列数据作出指数平滑预测后,如何用excel计算数据的均方误差(MSE)?

R语言时间序列(time series)分析实战:霍尔特指数Holt‘s平滑法预测

使用R语言进行时间序列(arima,指数平滑)分析