指数平滑法是生产预测中常用的一种方法。所有预测方法中,简单的全期平均法是对时间数列的过去数据一个不漏地全部加以同等利用;移动平均法则不考虑较远期的数据,并在加权移动平均法中给予近期资料更大的权重;而指数平滑法则兼容了全期平均和移动平均所长,不舍弃过去的数据,但是仅给予逐渐减弱的影响程度,即随着数据的远离,赋予逐渐收敛为零的权数。下面将详细介绍指数平滑法这种方法。
指数平滑法的基本公式是:
St=ayt+(1-a)St-1
式中,St--时间t的平滑值;
yt--时间t的实际值;
St-1--时间t-1的实际值;
a--平滑常数,其取值范围为[0,1];
由该公式可知:
1.St是yt和
St-1的加权算数平均数,随着a取值的大小变化,决定yt和
St-1对St的影响程度,当a取1时,St=
yt;当a取0时,St=
St-1。
2.St具有逐期追溯性质,可探源至St-t+1为止,包括全部数据。其过程中,平滑常数以指数形式递减,故称之为指数平滑法。指数平滑常数取值至关重要。平滑常数决定了平滑水平以及对预测值与实际结果之间差异的响应速度。平滑常数a越接近于1,远期实际值对本期平滑值的下降越迅速;平滑常数a越接近于0,远期实际值对本期平滑值影响程度的下降越缓慢。由此,当时间数列相对平稳时,可取较大的a;当时间数列波动较大时,应取较小的a,以不忽略远期实际值的影响。生产预测中,平滑常数的值取决于产品本身和管理者对良好响应率内涵的理解。
3.尽管St包含有全期数据的影响,但实际计算时,仅需要两个数值,即yt和
St-1,再加上一个常数a,这就使指数滑动平均具逐期递推性质,从而给预测带来了极大的方便。
4.根据公式S1=ay1+(1-a)S0,当欲用指数平滑法时才开始收集数据,则不存在y0。无从产生S0,自然无法据指数平滑公式求出S1,指数平滑法定义S1为初始值。初始值的确定也是指数平滑过程的一个重要条件。
如果能够找到y1以前的历史资料,那么,初始值S1的确定是不成问题的。数据较少时可用全期平均、移动平均法;数据较多时,可用最小二乘法。但不能使用指数平滑法本身确定初始值,因为数据必会枯竭。
如果仅有从y1开始的数据,那么确定初始值的方法有:1)取S1等于y1;2)待积累若干数据后,取S1等于前面若干数据的简单算术平均数,如:S1=(y1+
y2+y3)/3等等。
温馨提示:答案为网友推荐,仅供参考