指数平滑方法深度解析(一次二次三次)

CSDN同步参考链接

指数平滑方法说起来感觉挺简单的,不就是几期求均值吗,但是你知道在Eviews里做指数平滑模型的时候,1、他的初始值是如何确定的吗?2、初始值的确定方法可以按照我们想的去改变吗? 3、Eviews得到结果中的 End of Period Levels: Mean 代表什么意思? 4、如果进行预测,期数增加1期或者2期,3期的话,序列对应的sm又是什么样的?今天我们就结合Excel 和 Eviews 的结果进行对比,并给出上述问题的解析。

1. 一次指数平滑

原始数据序列:yt
平滑值序列:St
预测值序列:yt_fore

1.1 平滑值表达式


一次指数-平滑值表达式

1.2 预测值表达式


一次指数-预测值表达式

初始项可以自行定义(比如使用第1期值,或者前3期平均值等),也可以由软件自动给出。

1.3 说明
之所以给出这两个表达式,是因为网络上出现的次数太多了,而且还让人混乱,实际上这两个表达式的关系是: t+1 期的预测值是 t 期的平滑值

s0 y0 y0预测值的初始值:都用前三期的平均值表示,即
参数为0.5,y0=23,S0=(y1+y2+y3)/3=11,y0_fore=11
参数值a:0.5

1.4 适用范围
当时间序列无明显的趋势变化,可用一次指数平滑预测。

1.5 案例

原序列折线图
Excel 一次指数平滑结果

Eviews 一次指数平滑结果
Excel 和 Eviews 一次指数平滑结果对比.png

通过 Excel 和 Eviews 结果对比,发现,Eviews给出的结果是预测值结果(没有平滑值)。并且 Eviews 的初始预测值即y0的预测值默认为前8期的均值。(红色单元格即为验证过程)

探究 Eviews 中的第一期预测值(初始化值)如何得到

将Excel初始值设为 Eviews 默认值得到的结果

将 Excel 的参数值设为 0.5,初始值设为和 Eviews 一样的,即 14.625,得到 Excel 的预测结果和 Eviews 的预测结果一致。而且一次指数平滑只能预测未来 1 期的结果,如果继续预测未来 2 期、3 期,则会发现得到的结果与未来 1 期的结果相同。
未来(M16)第1期预测值为:290.5+(1-0.5)27.126=28.063
未来(M17)第2期预测值为:29
0.5+(1-0.5)27.126=28.063
未来(M18)第3期预测值为:29
0.5+(1-0.5)
*27.126=28.063

Excel 一次指数平滑原序列、平滑值、预测值序列折线图

2. 二次指数平滑

原始数据序列:yt
一次平滑值序列:St(1)
二次平滑值序列:St(2)
预测值序列:yt_fore

2.1 平滑值表达式


二次指数-平滑值表达式

2.2 预测值表达式


二次指数-预测值表达式

2.3 说明
初始值设定:参数为0.9,y0=23,S0(1)=23,S0(1)=28.4

2.4 适用范围
当时间序列的变动呈现直线趋势时,用一次指数平滑法来进行预测将存在明显的滞后偏差,此时需要使用二次指数平滑。二次指数平滑是在一次指数平滑的基础上再进行一次平滑。

2.5 案例


原序列折线图
Excel 二次指数平滑结果.png

Eviews 二次指数平滑结果.png

可以发现,Eviews 的二次指数平滑结果即为预测值结果,与 Excel 的预测结果不是很一致,原因可能是初始值的设定可能不一样。(小编暂时也不知道 Eviews 的二次指数平滑的初始值设定规则是什么)

Excel 和 Eviews 二次指数平滑未来3期结果对比

我们可以发现,未来 3 期使用 Excel 和 Eviews 的预测结果一致。另外需要注意的是,在预测未来3期(不论未来几期)时,at 和 bt 的参数估计值都是以原序列最后1期,即 1993 年测算的 at 和bt 为参数估计值,进行变量值的预测。即
y12_fore = 103+8.991=111.99
y13_fore = 103+8.99
2=120.98
y14_fore = 103+8.99*3=129.97

Excel 二次指数平滑原序列、平滑值、预测值序列折线图.png

3. 三次指数平滑

原始数据序列:yt
一次平滑值序列:St(1)
二次平滑值序列:St(2)
三次平滑值序列:St(3)
预测值序列:yttt_fore

3.1 平滑值表达式


三次指数-平滑值表达式

3.2 预测值表达式


三次指数-预测值表达式

3.3 说明
初始值设定:参数为0.3,S0=(y1+y2+y3)/3=246.1,S0(1)=246.1,S0(1)=244.5

3.4 适用范围
时间序列的变动呈现出二次曲线趋势,则需采用三次指数平滑序列进行预测。三次指数平滑是在二次指数平滑的基础上再进行一次平滑。

3.4 案例

原序列折线图

Excel 三次指数平滑结果

末尾3个值为未来3期的预测值,求该预测值时也是使用原始序列的末期(2016年)的at、bt、ct估计值进行估计。即:
y2017_fore = 706.1+98.41+4.511=809.0411
y2018_fore = 706.1+98.4
2+4.522=921.0452
y2019_fore = 706.1+98.43+4.53*3=1042.118

对最开始问题的解答:
针对问题一
Eviews中,对于一次指数平滑,初始值以前8期的均值来确定;二次指数平滑小编暂时还不确定;三次指数平滑Eviews不可以做。

针对问题二
Eviews初始值无法自己设定。

针对问题三
End of Period Levels: Mean 是一次指数平滑出现的结果,表示未来1期的预测值。

针对问题四
一次指数平滑,未来1/2/3……/n 期,都为一个值。
二次指数和三次指数平滑,可以根据方程公式算出未来未来1/2/3……/n 期的预测值。
数据参考来源
最后祝大家学习愉快~

©著作权归作者所有,转载或内容合作请联系作者
禁止转载,如需转载请通过简信或评论联系作者。
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,616评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,020评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,078评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,040评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,154评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,265评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,298评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,072评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,491评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,795评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,970评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,654评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,272评论 3 318
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,985评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,223评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,815评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,852评论 2 351

推荐阅读更多精彩内容

  • 基本思路:最近的过去态势,在某种程度上会持续的未来。指数平滑法是移动平均法中的一种,其特点在于给过去的观测值不一样...
    一心一意弄算法阅读 15,671评论 0 9
  • 基础定义 1、方差:在统计描述中,方差用来计算每一个变量(观察值)与总体均数之间的差异。为避免出现离均差总和为零,...
    丛小贱阅读 4,416评论 0 0
  • 1 指数平滑法 移动平均模型在解决时间序列问题上简单有效,但它们的计算比较难,因为不能通过之前的计算结果推算出加权...
    风逝流沙阅读 36,298评论 1 10
  • 指数平滑法本质究竟是什么?是一种数据转换方式?还是一种拟合预测算法? 从原理来讲,指数平滑法给每个历史数据赋权 指...
    巴拉巴拉_9515阅读 3,691评论 1 6
  • https://blog.csdn.net/BigData_Mining/article/details/8109...
    王金松阅读 3,125评论 0 0