1 移动平均法
1.1 简单移动平均法
设有一时间序列y1,y2,..., 则按数据点的顺序逐点推移求出N个数的平均数,即可得到一次移动平均数.
1.2 趋势移动平均法
当时间序列没有明显的趋势变动时,使用一次移动平局就能够准确地反应实际情况,直接用第t周期的一次移动平均数,来预测第t+1周期的值。时间序列出现线性变动的趋势时候,用一次移动平均数来预测就会出现之后偏差。修正的方法是在一次移动平均数的基础上做二次移动平局,利用移动品均之后偏差的规律找出曲线的发展和发展趋势。然后才锦鲤直线趋势预测模型。
2 自回归模型(AR)
AR模型是一种线性预测,即已知N个数据,可由模型推出第N点前面或后面的数据(设推出P点).
本质类似于插值,其目的都是为了增加有效数据,只是AR模型是由N点递推,而插值是由两点(或少数几点)去推导多点,所以AR模型要比插值方法效果更好。
3 自回归滑动平均模型(ARMA)
逐渐增加模型的阶数,拟合较高阶模型,直到再增加模型的阶数而剩余残差方差不再显著减小为止。
4 GARCH模型
回归模型。除去和普通回归模型相同的之处,GARCH对误差的方差进行了进一步的建模。特别适用于波动性的分析和预测。
5 指数平滑法
移动平均法的预测值是指上是以前预测值的加权法,且对不同时间的数据给予了相同的加权。
基本思想都是:预测值是以前观测值的加权和,且对不同的数据给予不同的权,新数据给较大的权,旧数据给较小的权。