针对时间序列的预测,常用的方法包括灰色预测、指数平滑以及ARIMA模型等技术手段。在数据序列较为有限的情况下,通常倾向于使用灰色预测和指数平滑法,这两种方法主要适用于中短期的预测。
指数平滑法可细分为一次平滑、二次平滑和三次平滑(即Holt-Winters方法)。一次平滑法基于历史数据的加权进行预测,二次平滑法则适用于具有一定线性趋势的数据。而三次平滑法是在二次平滑的基础上再次进行平滑,它更适用于具有一定曲线趋势关系的情况,通常在实际应用中三次平滑法使用较多。
无论采用哪种平滑法,都需要涉及两个参数值:初始值S0和平滑系数alpha。
初始值作为平滑的起始点,一般取自数据前1至5期的平均值。当数据序列较为稀疏时,为了确保准确性,通常会取更多前几期的平均值作为初始值,因为早期数据在数据量不足时具有相对较高的重要性。
至于alpha值参数,它代表了新数据的权重。Alpha值的取值范围在0至1之间,数值越大意味着新数据在计算中所占的权重越高,而原预测值的权重则相应降低。若数据波动较小,alpha值一般取较小值,如在0.1至0.5之间;而当数据波动较大时,alpha值的取值会相对较大些,如0.6至0.8之间。
关于三种平滑法的初始值S0和alpha值的详细说明如下表所述。
特别提醒:
-
如未特别设置平滑方法,系统将自动遍历不同的平滑方法组合,找出效果最佳的一组。
-
系统在未设置初始值S0的情况下,将根据样本量自动设定合适的初始值。
-
若未指定平滑系数alpha的值,系统将自动尝试各种alpha的取值情况,并选择效果最佳的alpha值。
现以某省1978年至1988年的全民所有制固定资产投资额数据为例,共十年数据。希望预测出1989年和1990年的固定资产投资总额数据。在本例中,系统默认不进行参数设置,由系统自动输出结果。
SPSSAU将输出以下内容:
-
参数设置情况的表格。
-
均方根误差值RMSE的表格。
-
模型预测值的表格。
-
模型拟合和预测的图示。
上述表格展示了系统默认设置下的情况,三个参数值均由SPSSAU自动确定。最终,系统自动选择了三次平滑法作为最优模型,初始值自动设定为20.05,alpha值自动选定为0.4。基于这些自动选择的值,模型的均方根误差值RMSE为18.8,如下表所示。
由于本案例中三个参数值包括平滑类型、初始值S0和平滑系数alpha均由SPSSAU自动选择,系统在自动设置初值为20.05的基础上,遍历了3种平滑情况及11种alpha值组合共计33种可能性。上表以蓝色标出了效果最佳的组合。模型的预测结果如下表所示。