一、应用

指数平滑可继续拆分为一次平滑,二次平滑和三次平滑(即Holt-Winters法),一次平滑法为历史数据的加权预测,二次平滑法适用于具有一定线性趋势的数据,三次平滑法在二次平滑法基础上再平滑一次,其适用于具有一定曲线趋势关系时使用,通常情况下使用三次平滑法较多。

无论是那种平滑法,其均涉及初始值S0和平滑系数alpha共两个参数值,初始值是平滑的最初起点值,一般取数据前1期,2期,3期,4期或5期的平均值作为初始值,如果数据序列越少则初始值S0应该取更多前几期的平均值,因为数据序列较少时前期的重要性相对较高。针对alpha值参数,其意识在于新数据的权重,alpha值越大意味着新数据所占的权重越高而原预测值所占权重越低,alpha=0意味着下一期预测值就完全等于当期预测值;alpha=1意味着下期预测值等于当期预测值。如果说数据波动不大,一般alpha值取的较小些比如0.1~0.5之间,如果数据波动较大且alpha值取值相对较大些,比如0.6~0.8之间。

二、操作

SPSSAU操作

(1)点击SPSSAU综合评价里面的‘指数平滑’按钮。如下图

SPSSAU仪表盘

(2)拖拽数据后点击开始分析

三、分析步骤

四、案例背景

当前有某省1978~1988年全民所有制固定资产投资额数据,共计11年数据,数据如下表,现希望预测出1989和1990年的固定资产投资总额数据:

五、分析结果

SPSSAU生成的分析结果如下

1. 参数设置情况

上表格展示出默认的设置情况,3个参数值均让SPSSAU自动进行。最终SPSSAU自动选择出三次平滑法为最优模型,并且初值自动设置为20.05,alpha值自动选定为0.4,基于此种自动选择,最终模型的均方根误差值RMSE为18.8,如下表格

2. 均方根误差值RMSE

由于本案例3个参数值包括平滑类型,初始值S0和alpha值,均让SPSSAU自动选择,SPSSAU自动设置初值为20.05,并在此基础上遍历3种情况及11种alpha值共计33种组合时,输出33种组合时对应的RMSE值,找出当初始值为20.05,且alpha值为0.4且进行三次平滑时得到的模型结果最优。上表格中用蓝色标识出最优时的组合。并且进行模型预测结果如下表

3. 模型预测值表格

计算公式

一次指数平滑法

式中  为t期的实际观察值, 为t期的预测值, 为平滑系数(0< <1)

二期预测值

三期预测值

t期预测值

从上表格可以看出:向后1期即1989年的固定资产投资预测为270.8亿,且1990年的固定资产投资预测为321.526。并且得到预测效果拟合图如下。

PS:关于三种平滑法,初始值S0和alpha值的说明如下表

指数平滑指标怎么看?相关推荐

  1. 指标详解(2)-- 指数平滑移动平均线(MACD)详解

    一.定义:MACD称为指数平滑移动平均线,是从双指数移动平均线发展而来的,由快的指数移动平均线(EMA12)减去慢的指数移动平均线(EMA26)得到快线DIF,再用2×(快线DIF-DIF的9日加权移 ...

  2. 时间序列分析及应用r语言pdf_R语言时间序列分析(十一):指数平滑法

    作者:黄天元,复旦大学博士在读,热爱数据科学与开源工具(R),致力于利用数据科学迅速积累行业经验优势和科学知识发现,涉猎内容包括但不限于信息计量.机器学习.数据可视化.应用统计建模.知识图谱等,著有& ...

  3. 时间序列分析:指数平滑和ARIMA模型

    时间序列分析 一.基本知识 1.时间序列的基本概念 2.时间序列分解模型 3.时间序列分解的举例--某产品销售数据分析 二.七种指数平滑模型 模型一:简单模型(Simple) 模型二:线性趋势模型(H ...

  4. 【时序】M4竞赛冠军方案:一种用于时间序列预测的指数平滑和递归神经网络的混合方法

    论文名称:A hybrid method of exponential smoothing and recurrent neural networks for time series forecast ...

  5. kdj指标主要看哪个值_KDJ指标介绍及看盘看点(图解)

    KDJ是目前股市使用很频繁的指标,该指标具有很强的指导作用,下面将对该指标进行介绍. KDJ指标介绍 KDJ的中文名称是随机指数,该指标是由乔治-莱思首创的,它是通过当日或最近几日的最高价.最低价及收 ...

  6. python时间序列指数平滑预测_时间序列分析预测实战之指数平滑法

    一.什么是时间序列分析? 在工作中,常常要对数据进行预测,确定业务未来的发展趋势,进而配置相关的营销策略.制定业务目标,由此引申出了一个重要的用数据预测未来的方法--时间序列分析,今天和大家分享就是实 ...

  7. Holt Winter 指数平滑模型

    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移动平均值.此外,移动平均法不能很好的处理数据集边缘的数据变化,也不能应用于现有数据集 ...

  8. 【时间序列】Holt-Winters 指数平滑方法及其 Python 实践

    背景 指数平滑是在 20 世纪 50 年代后期提出的,并激发了一些十分成功的预测方法.使用指数平滑方法生成的预测是过去观测值的加权平均值,并且随着过去观测值离预测值距离的增大,权重呈指数型衰减.换句话 ...

  9. 【统计】时间序列预测之 Holt-Winters 指数平滑模型

    Holt-Winters Exponential Smoothing 原文连接:link 作者作者:Sachin Date 翻译校对:datamonday Holt-Winters 指数平滑法用于预测 ...

最新文章

  1. 基于Python和OpenCV的目标跟踪学习教程 Object Tracking using Python and OpenCV
  2. 「图像分类」从数据集和经典网络开始
  3. 5月第2周编辑部标题训练:寻找读者最关注的新闻点
  4. 数据挖掘-数据预处理的必要性及主要任务
  5. 云服务器维护人员,云服务器维护工作难吗
  6. 代码中log一直报错
  7. .net面试题(一)
  8. 中文信息处理(四)—— 神经网络基础
  9. 【数据结构和算法笔记】线性表的查找(平均查找长度,二分法,判定树)
  10. CF1137E Train Car Selection(单调栈维护凸函数)
  11. 使用Requests爬取网页图片并保存
  12. install pecl php_php – pecl install pecl_http没有提供任何版本
  13. Win10系统修改用户名以及C盘下Users用户名实操手册(实测有效)
  14. 如何搭建一个在线教育平台
  15. 一图全解芯片制造的全过程
  16. OkHttp的Okio在CacheInterceptor中的应用
  17. 概要设计和详细设计说明书的区别
  18. 北航软件能力培养启发和下一步工作
  19. 智能硬件产品经理需要哪些技术基础?
  20. OKUSD发行首度披露!基于OKChain,合规是首要关注点

热门文章

  1. 出售黄金外汇交易平台,商机就是投机!
  2. sizeof(数组)
  3. 使用命令行指令进行windows系统设置
  4. 图像基础知识与Python中Pillow库Image模块的基础应用
  5. MySQL docker官方镜像介绍
  6. open failed: EACCES (Permission denied)
  7. BZOJ1179【tarjan】【spfa】
  8. 十大最昂贵Android应用:恶搞应用占半壁江山
  9. Matlab使用plot等画图的线型、符号及颜色汇总
  10. python基于百度sdk语音转文字