针对时间序列的预测，常用方法包括灰色预测，指数平滑或ARIMA模型。灰色预测和指数平滑常用于数据序列较少时使用，且一般只适用于中短期预测。
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。
alpha值参数，其意识在于新数据的权重，alpha值的取值范围为0~1,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。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。
关于三种平滑法，初始值S0和alpha值的说明如下表：
特别提示：
-
如果不设置平滑方法，SPSSAU会自动遍历不同组合的平滑方法，找出最优效果时对应的平滑方法；
-
如果不设置初始值S0，SPSSAU自动按照样本量情况设置初始值S0；
-
如果不设置平滑系数alpha，SPSSAU自动遍历各种alpha取值情况，并且选择最优效果时对应的alpha值。
案例说明
当前有某省1978~1988年全民所有制固定资产投资额数据，共计10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：
本例子默认不进行参数设置，让SPSSAU自动输出结果，操作如下：
什么是指数平滑（指数平滑的案例详解）
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。
版权声明：本文内容由互联网用户贡献，该文观点仅代表作者本人。本站不拥有所有权，不承担相关法律责任。如发现有侵权/违规的内容， 请联系我们将立刻清除。
汇兑是什么意思（汇兑结算有什么优势）
原创文章，作者：菜鸡，如若转载，请注明出处：https://www.20on.com/177439.html
