基于偏最小二乘法的二重趨勢時間序列的組合預測模型.pdf

1、二重趨勢時間序列是商業(yè)和經濟領域中常見的時間序列，準確的預測無論是對制定商業(yè)決策還是確定經濟調控政策都具有重要的意義。二重趨勢時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測的難度與復雜度。采用一種單一的預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的全面的信息。為了充分利用各種模型的優(yōu)勢，達到滿意的預測效果，就需要組合預測模型將單一模型有機結合起來。
　　 目前組合預測的研究都關注在單一模型的選擇及權重的確定

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

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