指数平滑指标怎么看?
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
- 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 ...
- 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& ...
- 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 ...
- 【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 ...
- 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 ...
- 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 ...
- 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 ...
- 【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 ...
- 【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
- 基于Python和OpenCV的目标跟踪学习教程 Object Tracking using Python and OpenCV
- 「图像分类」从数据集和经典网络开始
- 5月第2周编辑部标题训练:寻找读者最关注的新闻点
- 数据挖掘-数据预处理的必要性及主要任务
- 云服务器维护人员,云服务器维护工作难吗
- 代码中log一直报错
- .net面试题(一)
- 中文信息处理(四)—— 神经网络基础
- 【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)
- CF1137E Train Car Selection(单调栈维护凸函数)
- 使用Requests爬取网页图片并保存
- install pecl php_php – pecl install pecl_http没有提供任何版本
- 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)
- 如何搭建一个在线教育平台
- 一图全解芯片制造的全过程
- OkHttp的Okio在CacheInterceptor中的应用
- 概要设计和详细设计说明书的区别
- 北航软件能力培养启发和下一步工作
- 智能硬件产品经理需要哪些技术基础?
- OKUSD发行首度披露!基于OKChain,合规是首要关注点