[摘

要]

分析预测变量值 三种模式和实现

[关键词]

1引言 .

型变量相互独立的假设条件约束，构成的模型可以消除一所般回归预测方法中由于白变量选择、多重共线形等造成的困 难。

时『序列分析是从‘时问上的‘属性值数据巾发日 J段组现模式并预测末来值的过程。 R A MA模型是目前最常用的用于拟合平稳序列的模型，于满足有限参数线形模型的平稳对时间序列的分析， MA在理论已趋成熟，它用有限参数 AR线彤模型描述时间序列的自相关结构， _行统计分析与便丁进 数学处理。彳限参数线彤模型能描述的随机现象相当广泛，丁 模型拟合的精度能达到实际工程的要求，且由有限参数的而线形模型结构可推导出适用的线彤预报理论。利用 AR A M 模型捕述的时间序列预报问题在零售，融，票等领域具金股 有重要的理论意义 l 1 1。

2 2移动平均模型 MA q . () MA模型的预测方式是通过过去的十扰值和现在的干扰值的线性组合预测，动平均模型的数学公式是：移 Y=e一0e l 0e 2一…一 0y t 1—一 2t t qt () 2

公式中 q为模型的阶数，.=,, ) 0q l2…q为模型的待定系 数，误差，观测值。 e为 Y为 MA q模型用过去各个时期的随机扰或预测误差的线 () j

性组合米表达当前预测值， R() A p的假设条件不满足时可以考虑用 MA() q形式。 MA() q总是满足平稳条件，冈为其中参数 取值对时问序列的影响没有 A模型巾参数 P的影响强烈， R 即较大的随机变化不会改变时序列的方向。 2 3 A M A(,)型 f . R pq模 3 1 自回归模型和移动平均模型的组合就构成了用丁描述平稳随机过程的白回归移动平均模型 AR MA,学公式为：数 y= 4Y—+d 2…+ pl+e一0e 1 2…‘ t ) tI ) I+ l 2 y y p t 1一—0e 2 t t 一

零售业足‘竞争非常激烈的产、,售产业政策制定个【零 者，营管理者，论研究者都十分关汁销售量问题。售量经

理销 一

方决定于零售企业的产品供给能力，一方面，于买另由

方市场的形成更大程度上受到来自消费市场的影响。由此看到零售业销售量是由多种因素决定的，接去从各种影响冈直素去预测它，度较大，靠性小高。本文将利用 AR难可 MA模型结合J (州市广百股份有限公司)售数据建立模型，百广销 并运用该模型对』‘的销售量进行预测。百 2 .AR A模型的表现形式 M

0 t q。 y

() 3

特殊情况下，=,模型即为 AR() p 0模型即为 MA q0, p,=, ( ) q。

A M A时间序列预测方法的基本思想是：测一个现象 R预的未来变化时，该现象的过去行为来预测未来，通过时间用即序列的历史数据揭示现象随时问变化的规律，将这种规律并

对其进行统计处理，以得到自相关系数：可 旷 P= -- 2 P P=。 k P H

() 4 () 5 () 6

延伸到未来，从而对该现象的未来做出预测。A MA模型是 R 一

种比较成熟的时间序列模型，主要有三种基本形式：自回归

模型 (R A t r r s e,动平均模型 ( A: u— ge i )移 o e sv MA: v g vrg) Moi— e e nA a 和混合模型 (R: uo e es e v g vr e。 A MA A trg sv i . e g) — r i Mo n A a 2 1自回归模型 AR() . p【

可以看出，自相关系数 P是 0和的函数， ,自相关函数从 P开始，指数衰减。若>,。呈 0自相关函数指数衰减是平滑的；若。0自相关函数的衰减是交替变化的，正负值 <,在

AR()型的预测方式是通过过去的观测值和现在的 p模干扰值的线性组合预测， 归模型的数学公式是：自 y= l一++y 2 I Y 1 2+…+ p1+e t t y I () 1

之问振荡。P的符号由(一0所决定，。, )它决定指数衰减趋于 0的方向。其偏自相关函数的起始值 lp,以后呈指数衰=。减。若 0 0 ( 1,是平滑指数衰减； 0 0机的指数衰减是> b若 ,< 振荡的。。的符号与 P相同，由 (一 0所决定。 。。也 。 )

2 4模型对比 .

公式中 P为自回归模型的阶数，4 ( l 2…p为模型 )i,, )。=的待定系数， e为误差，为一个时间序列。 AR() p模型的意义在于仅通过时间序列变量的自身历 作者简介：党姬男，,南南阳人，士，究方向：数据挖掘。男河硕研

A p, R() MA () AR q, MA(,)模型在工程技术， pq等社会