基于偏最小二乘法的二重趨勢時(shí)間序列的組合預(yù)測模型.pdf

1、二重趨勢時(shí)間序列是商業(yè)和經(jīng)濟(jì)領(lǐng)域中常見的時(shí)間序列，準(zhǔn)確的預(yù)測無論是對制定商業(yè)決策還是確定經(jīng)濟(jì)調(diào)控政策都具有重要的意義。二重趨勢時(shí)間序列具有的長期趨勢性和季節(jié)波動性在很大程度上增加了預(yù)測的難度與復(fù)雜度。采用一種單一的預(yù)測方法很難擬合序列的二重趨勢，并且不能獲取與序列相關(guān)的全面的信息。為了充分利用各種模型的優(yōu)勢，達(dá)到滿意的預(yù)測效果，就需要組合預(yù)測模型將單一模型有機(jī)結(jié)合起來。
　　 目前組合預(yù)測的研究都關(guān)注在單一模型的選擇及權(quán)重的確定

2、上，忽略了單一模型間的線性關(guān)系以及單一模型與時(shí)間點(diǎn)間的相互關(guān)系對預(yù)測效果的影響。從這個(gè)角度出發(fā)，本文考慮了單一模型及時(shí)間點(diǎn)間的相互作用，并把其作為自變量，這樣自變量間就存在很強(qiáng)的線性相關(guān)關(guān)系，因此適宜采用偏最小二乘法(PLS)對自變量進(jìn)行組合，來提高預(yù)測精度。
　　 首先，本文通過闡述研究背景與意義，在相關(guān)理論的研究綜述的基礎(chǔ)上，選取了三個(gè)單一預(yù)測模型——Holter-Winter季節(jié)乘積模型、SARIMA和時(shí)間序列分解法，并引

3、入虛擬變量對時(shí)間序列分解法進(jìn)行改進(jìn)，為后文組合預(yù)測奠定基礎(chǔ);然后，本文提出基于PLS的組合預(yù)測的建模思路，并闡述相應(yīng)的建模步驟;最后通過該組合模型在某省卷煙月銷量預(yù)測中的應(yīng)用研究，檢驗(yàn)基于PLS的組合預(yù)測在二重趨勢時(shí)間序列中的可行性。
　　 為了對模型的預(yù)測效果進(jìn)行全方位的綜合性衡量和評價(jià)，本文不儀采用基于誤差的評價(jià)指標(biāo)和擬合度指標(biāo)評價(jià)預(yù)測模型的預(yù)測精度和擬合效果，又將該模型與傳統(tǒng)定權(quán)重組合預(yù)測模型進(jìn)行對比，全面客觀地評價(jià)預(yù)測方