世界市場行情

串講三

全國高等教育自學考試

國際貿易專業學位課

課程代碼00102

2016年3月第十一章行情預測概論第一節預測的基本概念與原則1.預測的含義及作用——簡答（1）含義：根據歷史經驗、客觀資料和邏輯推斷，尋求事物發展的規律和未來趨勢。（2）作用預測是決策科學化的工具；科學的預測能增強企業競爭力，提高經營管理水平；預測可推動計劃統計工作的發展。2.預測的特點——選擇預測通常是不確定的；預測值應該是成對數字；群體預測結果比較準確；長期預測誤差較大；預測不能代替計算。3.預測的原理及原則——選擇（1）基本原理：經濟發展過程中各種因素之間相互影響的規律性，各因素之間客觀上存在著質的或量的相互聯系。（2）預測的基本原則

相關性原則、延續性原則、相似性原則、統計規律性原則4.影響預測結果客觀性的因素——選擇經濟理論的不完善；預測的范圍及對象；預測資料的利用；預測時間的長短；預測結果的方法選擇。第二節行情預測的內容和分類1.行情預測的內容——選擇（1）宏觀經濟行情的預測預測對象是影響經濟總量的因素，如國內生產總值、工業生產、失業率、通貨膨脹。（2）商品市場行情預測市場價格預測、市場需求預測、市場供給預測2.行情預測的分類——選擇按預測時間長短分，分為短（1年以內）、中（3~5年）、長期（5年以上）預測；按預測方法分，分為定性預測與定量預測；按預測結果的要求分，分為條件預測和無條件預測；按預測形式分，分為探索性預測和規范性預測；按預測是否考慮時間因素分，分為靜態預測和動態預測。3.行情預測的局限性具體商品市場的行情研究是某一具體市場變化趨勢進行概率評估；行情預測不能消除未來行情所具有的不確定性；行情預測的重要因素是預測的及時性，即所取得的預測結果必須在時間上給予一個“提前量”，以便于采取必要措施來適應市場變化趨勢和利用市場行情機會；行情預測的有條件性；要重視行情預測的反作用。4.行情預測的要求要明確預測的對象和目標；預測人員必須具備較寬的知識面和較強的分析判斷能力；重視調查研究，重視資料收集；要反復對比。第三節預測的一般步驟一般地說，行情預測有以下幾個主要步驟和一個反饋過程——簡答1.確定預測目標，制定預測計劃包括預測的內容、項目，預測所需求的資料，準備選用的預測方法，預測的進程和完成時間，預測經費的預算，調配力量，組織實施等。2.收集、整理和分析資料市場調研資料有兩類：內部資料，企業外部的資料。篩選外部資料的三個標準：直接相關性、可靠性、最新性；需要對資料進行比較鑒定和必要的調整。3.選定預測方法、建立預測模型預測方法基本上可分為定性預測法和定量預測法。選擇預測方法需綜合考慮的基本原則：準確性原則、經濟性原則、時間原則。在考慮預測方法時，可同時用幾種方法作初步的預算，將不同方法的結果進行比較，然后根據理論分析和經驗判斷選擇最佳方法進行正式的預測。4.檢驗模型，進行預測模型檢驗包括：考察參數估計值在理論上是否有意義，統計顯著性如何，模型是否具有良好的超樣本特性。評估模型優劣的基本原則：理論上要合理；統計可靠性高；預測能力強；簡單適應。5.分析預測誤差、評價預測結果分析計算預測誤差，并分析產生誤差的原因，把誤差控制在一定范圍內；和定性分析結合，調整預測值，使預測結果盡量和實際情況接近。評定定性預測結果時，主要需結合實際情況進行經濟理論分析，評價預測是否切實可行。6.提出預測報告一個典型的預測報告一般包括題目、摘要、目的、正文、結論與建議及附錄等部分。寫預測報告注意事項：能說清問題，并易于理解；避免用千篇一律的語言“套話”；

注重實事，切忌華而不實、嘩眾取寵；文字精煉，用詞科學，篇幅不宜過長。7.追蹤驗證預測結果對未來各期的經營活動進行追蹤，根據兩三期經驗活動結果觀察并比較預測值與實際值的偏差，以判斷預測是否反映企業實際情況。第四節行情預測的方法及其選擇1.預測方法的種類及評價行情預測方法大體上分為兩類，即定性分析法和定量分析法。（1）定性分析法常用的具體方法：因素分析法、歷史類推法、市場研究、各種形式的意見預測和抽樣調查法、專家集體審定以及經濟周期分析、最終使用分析等。主要特點：憑觀測者高度的理論素養，長期的經驗積累和敏銳的觀察能力，通過演繹、歸納等邏輯推理，對事物發展的性質做出主觀判斷預測。優缺點優點：可充分發揮預測者的經驗、技巧與靈感、邏輯思維能力以及對未來判斷的遠見卓識。缺點：缺乏較客觀的資料基礎，不能較準確地表述量的幅度。定性預測法從方法的系統性和完整性區分，還可分為探測法和規范法兩個分支。（2）定量預測法含義：是運用數學方法和經濟理論、通過建立模型進行預測的一種方法。分類：常用的有兩種類型：時間序列法和因果關系法。優缺點優點：預測結論能給出量的概念，并且能對其進行檢驗；缺點：需要具備完整的、系統的資料投入，有些定量預測法的運算過程比較復雜。（3）兩者的關系問題隨著經濟的發展，定量預測已成為主要的經濟預測方法。在預測工作中僅僅依靠統計手段和數學模型有許多局限性和不足之處，對經濟預測和企業預測來說尤其如此。行情預測工作要把定性和定量預測很好地結合起來，以定性分析為依據，以定量分析為手段，使兩者相輔相成，將經濟活動的性質和數量有機結合起來。2.預測方法的選擇——選擇/簡答我們可以根據擁有資料的多寡、性質、樣式類型以及預期目標、時間界限、準確程度要求等來選擇合適的預測方法。隨著經濟的發展，定量預測已成為主要的經濟預測方法，但不可片面強調定量預測的作用。同其他經濟分析工作一樣，行情預測工作要把定性和定量預測很好地結合起來，要以定性分析為依據，以定量分析為手段，使兩者相輔相成，將經濟活動的性質和數量有機結合起來。根據占用資料的性質，可首先確定宜于定量預測抑或定性預測；很少或沒有數量資料時，可采用外銷員意見綜合、專家集體審定和市場調查等方法。一般情況下，越是復雜和高級的技術需用的數量資料就越多。根據資料樣式的類型，有正常活動或狀態，定量預測可采用時間序列法，定性預測可用探測法；對正常現象的偏離，定量預測可用因果關系法，定性預測可用規范法。3.預測與決策、策劃的關系（1）預測與決策的關系預測側重于對客觀事物的科學分析，而決策側重于有利時機的藝術選擇。預測是決策科學化的前提，決策是預測的服務對象和實現機會。（2）預測與策劃的關系預測屬于研究性質的分析，提供的是參考方案，它說的是應當怎樣、可能怎樣，它更為重視科學分析的作用；策劃是指令性質的，提供的是執行方案，說的是必須怎樣，它更重視領導藝術；預測是策劃準備工作的科學化和現代化，預測分析是策劃工作的科學工具。（3）預測、決策和策劃的關系預測在決策之前，策劃在決策之后；策劃是預測、決策的產物，正確的預測、決策是科學策劃的前提；策劃是預測、決策在實踐上的安排、空間上的部署、行動上的調度，故可以說策劃是預測和決策得以實現的橋梁。第十二章定性預測方法一、定義：對所觀察事物的性質和發展方向做出主觀判斷。——名詞主要依據預測隊員的實踐經驗、判斷能力、理論與業務水平，不用或借用少量的計算即可從對被預測的對象過去和現在有關資料及相關因素的分析中，揭示出事物發展的規律，對經濟現象發展前景的性質、方向和程度做出判斷、進行預測并求得預測結果，也稱為判斷預測或調研預測。二、特點：憑借預測者高度的理論素養，長期的經驗積累，敏銳的觀察能力，通過演繹、歸納等邏輯推理做出主觀判斷預測三、優缺點——簡答優點：發揮預測者的聰明才智；所需歷史數據較少；對資料的完整性和系統性的要求不高。缺點：無法對所觀察事物做出比較精確的量的變化。四、種類：指標預測法、因素分析法和專家意見法。第一節指標預測法1.指標的分類與選擇——名詞/簡答經濟學家根據經濟指標在行情周期性變化過程中表現出來的的特點將指標分成三類：領先指標、同步指標和落后指標。（1）同步指標我國常采用的如下指標作為同步指標：工業總產值、全民工業總產值、預算內工業企業銷售收入、社會商品零售額、國內商品純購進、國內商品純銷售、海關進口額、貨幣流通量、廣義貨幣M2、銀行現金收入等10項。（2）領先指標它們一般在經濟周期到達高峰以前走低，并在經濟周期到達谷底之前上升，平均領先經濟周期的轉折點2——10個月。領先指標包括：新收訂單、建筑合同與許可、股票價格、工業原料價格等。（3）落后指標這組指標的轉折點往往發生在經濟周期的轉折點之后2——7個月。我國落后指標：全民固定資產投資、商業貸款、財政收支、零售物價總指數、消費品價格指數、集市貿易價格指數等共6項。2.使用領先—同步—落后指標體系進行預測——簡答（1）使用領先指標預測周期的轉折點當經濟活動不振時，領先指標首先下降；當經濟活動出現轉折，呈現上升趨勢時，領先指標首先上升。西方國家所編制的領先指標在周期的變化中具有領先特征的原因：①對未來生產活動的承諾；②生產開始前所需辦妥的手續和準備；③生產和就業發生變化的最初調整；④對周期過程中的變動具有較高敏感性的指標；⑤市場對未來的預測。一般來說最好使用綜合指數。缺點：領先指標雖然領先于周期的波動，但是領先的時間并不穩定；領先指標有時會提供虛假的信號；領先指標雖然領先于周期的變動，但許多領先指標在公布時間上并不領先。（2）使用領先指標預測出口一個國家的出口依賴于其貿易伙伴的進口，而貿易伙伴的進口又取決于它在周期中所出的階段。挑選領先指標時，一般應注意選擇那些同出口產品關系較密切的指標。使用進口國的領先指標來預測一國的出口前景這一方法具有簡單易行、易于操作的特點，比較適合用于一般的外貿業務部門。缺點：過分強調了領先指標對出口可能產生的影響。實際預測中，我們應根據這些因素的變動來修改預測值，使預測值更加符合實際的情況。（3）使用同步指標預測物價水平的變動——簡答消費者價格指數是衡量資本主義國家物價水平變動的一個重要指標。可利用國內生產總值和（或）工業生產指數等反映總體經濟活動的同步指標來預測它未來的變動。缺點：這一方法以總體經濟活動與物價之間的關系作為理論基礎，但卻忽略了貨幣量增長對物價水平的影響。第二節因素分析法1.因素分析法及基本程序含義：因素分析法是憑借預測者對現狀的熟悉，運用理論和經驗，比較、評估有利因素和不利因素作用的方向、程度及時間，最后對經濟行情未來的變動趨勢做出判斷。——名詞基本程序：①列舉能觀察到的可影響行情變化的主要因素并將其分成有利和不利因素；②比較、評估各種因素作用的方向、程度和時間，運用理論及經驗，做出歷史的、辯證的分析；③得出結論。形式：簡單和復雜兩種形式。（簡述因素分析法的）局限性：不能表明各種具體因素在整個行情變化中所起的作用的大小，以及各種力量在綜合效果中所占的比重，也不能比較準確地表示行情變量之間在量上的相互關系。主觀判斷性性強，很多程度上依賴預測者的經驗和理論素養。2.因素分析法的實際應用因素分析法在經濟周期分析、市場調研及價格預測中是一種經常使用的方法。3.運用因素分析法時需注意的問題所列舉的因素應該是那些對影響行情變動比較重要的因素；在篩選各種因素時，不僅要注意經濟因素的變動，而且要注意那些非經濟因素的變動；在重要因素中，要找出哪些是起主導作用的、最重要的因素。預測的結論要確切，不能模棱兩可。第三節專家意見法1.德爾菲意見法——名詞/選擇專家意見法，最主要最常見的是德爾菲意見法。德爾菲意見法，是根據預測目的選定一個專家組，以函詢調查方式向專家提出問題，同時提供所有與預測有關的情報，請專家做出個人預測。然后將個人意見綜合、整理后匿名反饋給各個專家，再次征求意見。這樣，在專家和支持預測機構之間往返循環幾次，個人意見不斷得到修正，最后將較為一致的意見作為最終預測。特征：匿名性、反饋性、統計性。以匿名方式反復征詢是該方法的重要特征。2.德爾菲意見法的實施步驟——簡答/選擇確定預測目標選定專家小組設計調查表和調查提供第一輪征詢綜合、整理及反饋3.德爾菲意見法的不足有些問題提供面對面討論或爭議可能會了解得更透徹；運用調查表進行函詢時，調查表的回收率常常令人擔心。第十三章定量預測方法第一節時間序列數據的分析和處理時間序列數據：是按照時間的先后順序排列的一組反映經濟或者市場變動的數據，它是經濟研究中最常見的數據排列形式。——名詞對時間序列數據進行分析時，要做兩方面的工作：——選擇一是對數據進行簡單地變換；二是將原始的和經過變換的歷史數據描繪著坐標圖上。1.計算時間序列的變動幅度——選擇、計算計算時間序列數據變動幅度的方法有：（1）計算時間序列數據的一次差（當期-前期）一次差表示時間數據逐期增長的絕對值。根據實際情況，一次差的符號可以為正，也可以為負。計算一次差的主要目的：區別不同時間序列數據的波動程度。同描點繪圖相比，一次差能使我們更準確地判斷時間序列數據的變動趨勢。（2）計算時間序列數據的逐期增長率=（當期-前期）/前期×100%時間序列數據的逐月增長率即統計中常說的環比增長率。民用勞動力增長率公式民用勞動力增長率=（本期勞動力人數-上期勞動力人數）/上期勞動力人數×100%與一次差相比，逐期增長率的優點：逐期增長率是一個相對數指標，它可以消除因時間序列數據所使用單位不同而造成的影響。在比較不同時間序列的變動時，應把增量和增長率結合起來考察。（3）將逐期增長率轉換成年率年率=[（本期值÷上期值）12-1]×100%年率是在逐期增長率的基礎上計算出年增長率，將逐月（周期或季度）增長率轉換成年增長率。計算題：

美國1989年1月民用勞動力總數為123.265百萬人，1988年1月為120.916百萬人。求1989年1月與去年同期相比民用勞動力的增長率（保留3位小數）解：與去年同期相比的百分比=（本期/同期-1）*100%=（123.365/120.916-1）*100%=1.943%公式:年率=[-1]*100%應注意的問題：如果某一個月的增長率很高，那么所推算出的年率也會很高，結果會夸大該年的增長率；相反，如果某個月的增長率很低，則有可能會低估全年的增長率。（4）計算與上一年同期相比增長的百分比與去年同期相比增長的百分比=（本期水平÷去年同期水平-1）×100%公式：與上一年同期相比增長率的百分比=【（本期水平/上一年同期水平）-1】×100%與年率的差別：年率是從月的增長率推算出年的增長率，可將其看成是時間序列數據的短期內的變動對長期變動可能產生的影響；與上一年同期相比增長率的百分比則是一年來時間序列數據變動的實際情況。2.調整季節因子——選擇剔除季節因素的具體步驟為：——簡答（1）計算4期（4個季度）移動平均值（2）用原始數據除以移動平均值，求出季節比率(關鍵步驟）（3）計算季節比率的算術平均值，剔除隨機因素（偶然波動因素）的影響（4）對各季節的季節比率的平均值加以調整，求出季節指數（5）用原始數據除以季節指數，再乘以100，剔除季節因素的影響3.周期分析——選擇計算周期指數的具體方法為：——簡答1、選取一組能反映周期變動的時間序列數據。2、將時間序列劃分成三個階段。3、分別以高峰和低谷月份為100計算周期指數。通過周期指數，可對歷史上所出現的周期進行比較，以便對目前所處周期的發展趨勢做出判斷。在計算時，要選取多少個周期，可根據具體情況而定，一般沒有特別的要求。通常所選取的周期越長，越能充分反映周期變動的共性，但也應注意由于客觀條件的變更，距離今天越遠的周期，越不能反映目前周期的特點。周期分析對于搞好行情預測是十分有益的，特別是當周期接近轉折點時，可利用過去的變化模式來推測未來。第二節回歸分析與預測——簡單線性

回歸模型回歸模型的組成部分：一是以經濟理論為基礎所確定的經濟變量之間的相互依賴關系；二是反映經濟現象變動的數據；三是估算變量相互關系的統計方法。

回歸模型以一定的經濟理論為基礎，建立能夠反映經濟變量之間相互關系的數學模型，然后搜集同模型有關的數據，最后使用統計方法來估算和評價所建立的模型。1.簡單線性回歸模型及基本假定——選擇簡單線性回歸模型只有兩個變量，它們之間的關系是線性的，一般表示為：Y=α+βXY——預測的變量，又稱為因變量；X——為影響Y的變量，又稱自變量；α、β——分別為方程的截距和斜率。在行情預測中，自變量X一般是事先給定的。直線方程Y=α+βX一般只能預測因變量Y的大致趨勢，而不能準確地預測出實際值，預測值同實際值之間存在著一個隨機變量。X與Y為線性關系誤差的期望為0，方差為一常數各項誤差之間不存在相關關系2.簡單線性回歸方程的估算——計算/選擇估算誤差的大小是衡量估算結果的一個重要標準，所估算回歸方程的誤差越小，估算的效果就越好。最小二乘法是估算回歸模型參數最基本的方法。——計算

ΣY=na+bΣxΣXY=aΣX+bΣX2計算：某種商品的需求量Y與該商品的價格X有關，己知某時期內X、Y的數據如下表：根據以上數據，建立簡單線性回歸方程，并預測當價格為8美元時的需求量。(結果保留兩位小數)

答案：ΣX=22,ΣY=46,ΣXY=139,ΣX2=146,n=5,Y=14.87-1.29X,x=8,y=4.55價格X(美元)124510需求量Y(米)151210633.所估算回歸方程的幾個重要特征——選擇從最小二乘法的估算結果中可以看出它具有以下幾個特征：1、所估算的回歸方程通過x和Y的平均值2、方程的總離差(TSS)等于回歸平方和(ESS)與殘差平方和(RSS)之和，即：TSS＝ESS＋RSS。一般來說，回歸平方和在總離差中所占的比重越大，方程的回歸效果就越好。3、回歸效果測定指數R2和相關系數可用來衡量回歸模型自變量和因變量值間的相關程度。——計算

相關系數（R）等于回歸平方和（ESS）除以總離差（TSS），再開平方根。

4、回歸方程的標準誤差是衡量回歸方程誤差大小的一個重要尺度。回歸方程的參數也存在誤差，通常用參數的標準差表示之計算題1、某回歸模型，經過計算得回歸平方和殘差平和求該回歸方程的總離差和R2的值。解：總離差=回歸平方和+殘差平和=97+3=100R2=97/100=0.972、某種商品的價格X和供給量Y之間的有關數據如下表：根據以上數據，求回歸平方和ESS與測定指數R2的值（保留2位小數）解：ESS==46.53TSS==48.8R2=ESS/TSS=0.95價格X23589供給量觀察值Y357912供給量估算值Y^3.44.526.7510.1111.233、利用下面表格里的回歸效果，選擇能夠利用的數據，計算出總離差TSS，殘差平方和RSS以及R2的值（保留2位小數）

回歸效果計算過程表：解：TSS==16+4+25+1+16+36=98RSS==0+0.08+0.02+0.52+1.3+0.08=2ESS=TSS-RSS=98-2=96R2=(TSS-RSS)/TSS=96/98=0.984.回歸參數的顯著性檢驗——選擇/簡答

為了推斷自變量是否對應變量有顯著影響，應對回歸參數進行顯著性檢驗。T檢驗是檢驗自變量X是否對因變量Y具有顯著性影響的一個最常見方法。計算t統計值：t=b/Sb(回歸方程斜率/標準差）將所計算的t統計值與其臨界值tε/2進行比較如果t>tε/2，則說明小概率事件發生，參數具有顯著性，拒絕原假設，表明自變量X與因變量之間有顯著的影響如果t<tε/2，則接受原假設，表明自變量X與因變量之間沒有顯著的影響。當回歸效果不顯著時，一般應考慮修改所建立的模型。計算題

已知某回歸方程Y^=103.5+1.56X1+0.25X2，并計算B1=1.56和B2=0.25的標準差分別為2.12和2.34，根據此回歸樣本數據，在5%的顯著水平下，查得t的理論值是2.201.請分別計算B1及B2的t1和t2值，并簡單說明此回歸模型能否滿意地解釋現象。（保留2位小數）解：t1=1.56/2.12=0.74t2=0.25/2.34=0.11兩者均小于t的理論值2.201，說明X1和X2對Y的影響不顯著，應對模型進行修改。

第三節回歸分析與預測——多元回歸模型1.多元回歸模型的基本形式Yi=β1+β2X2i+β3X3i+...+βkXki+ui多元回歸的基本假設:

誤差項u的數學期望值為0;（同簡單線性回歸）

誤差的方差為一常量;（同簡單線性回歸）

各項誤差之間不存在相關關系;（同簡單線性回歸）

自變量是事先給定的,彼此之間不存在相關關系.2.多元回歸模型的計算與分析——

估算多元回歸模型方程中的未知參數的方法是最小二乘法——選擇R2和經過調整的R2——

計算3.回歸參數的假設檢驗（t檢驗）4.違背基本假設的多元回歸模型在使用多元回歸模型時要注意：(1)多共線性——簡答/名詞/選擇模型中的自變量可能會存在著一定程度的相關關系.

一般當所計算的任意兩個自變量之間相關系數r超過±0.8時，則認為多共線性是嚴重的。產生的原因——簡答模型中的一些自變量可能是時間的函數,即隨著時間的推移,這些變量會呈現同步變動趨勢;如果某個變量的當前值和它的滯后值同時作為模型的自變量,那這個變量的當前值和它的滯后值就可能存在著相關關系;自變量之間本身就存在著因果關系.檢驗方法：計算相關系數和觀察自變量參數標準差的變動處理方法：（１）放棄導致多共線性的自變量（２）延長觀察數據的時間長度（３）不做處理——模型的預測結果是準確的2、異方差性——名詞/選擇定義：模型中的方差因自變量的變化而變化，導致誤差的方差為變量的現象。

檢驗方法：畫圖觀察和戈德菲爾德——匡特檢驗(判斷多共線性是否存在的方法)3、自相關性——簡答/名詞/選擇定義：誤差項之間存在相關關系p326圖13-9

簡述自相關產生的原因：所建立的模型漏掉了某些較為重要的自變量錯誤地選擇了回歸方程的形式對數據進行平滑或其他形式的處理導致誤差之間產生相互的聯系檢驗方法：德賓——沃森檢驗自相關的消除：將漏掉的變量增加進去；重新選擇適當的方程形式；轉化數據的方法五、回歸模型在行情分析和預測中的應用——名詞/選擇1、事后預測：在預測期內，模型中的自變量和因變量的值都是已知的。2、事先預測：在預測期內，模型中的因變量的值是未知的，而自變量的值則可能是已知的，也可能是未知的。——名詞3、均方誤差：用預測誤差的平方和除以觀察值的個數。4、絕對誤差第四節時間序列預測時間序列預測：是通過對所收集到的時間序列數據進行分析、研究，找出其變動的趨勢。然后利用趨勢外延的方法來推算出未來的變動。——名詞解釋時間序列預測的優點所需數據少，只需要一組欲預測變量的歷史數據適用于回歸模型所需的自變量數據比較缺乏，而所要預測變量的歷史數據又比較完整，足以反映其變動趨勢的場合。缺陷1、無法預測時間序列的轉折點2、預測人員需要依靠自己的經驗和知識對預測結果進行修正3、在市場情況比較穩定、時間序列具有明顯的變動趨勢時才比較有效。預測方法——選擇1.回歸趨勢模型線性趨勢方程（最小二乘法）、指數曲線方程、二次曲線方程2.移動平均模型簡單移動平均預測、加權移動平均預測3.指數平滑模型指數平滑模型——簡單指數平滑、布朗線性指數平滑、三次指數平滑一、回歸趨勢模型——選擇/計算/名詞將所預測的行情變量作為因變量，時間作為自變量，然后利用最小二乘法模擬行情變量的發展趨勢，并將這一趨勢向外延以預測未來的方法，又稱趨勢外延法。在某一行情變量的長期變動呈現出明顯的趨勢時，我們可以采用回歸方程來擬合趨勢曲線，并在此基礎上向外延伸，來預測未來的變動。當時間序列數據的趨勢近似于一條直線時，可選擇直線趨勢模型來進行預測；——計算

當時間序列數據的逐期增長率近似為一常量時，可選擇指數曲線作為預測模型；當時間序列數據逐期增長絕對量之差近似于一常量時，可選擇二次曲線模型。二、移動平均模型1、筒單移動平均預測——選擇/計算利用時間序列過去所處水平的算術平均值來預測未來。按照同一時間間隔，依次計算時間序列數據的算術平均值時間間隔的確定：比較預測的均方誤差和絕對誤差的大小2、加權移動平均預測——選擇/計算賦予靠近預測期的觀察值以較大的權數，強調時間序列近期的變動對未來具有較大的影響簡單移動平均和加權移動平均模型一般都只適用于沒有明顯趨勢、比較平穩的時間序列數據計算題：

某外貿公司2010年1月至9月主要外銷商品的月銷售額有關數據如下表：要求：1、計算2010年9月的5期簡單移動平均值2、預測2011年11月的銷售額解：1、M9=（Y9+Y8+Y7+Y6+Y5)/5=(82+79+74+70+76）/5=76.22、Y10=M9=76.2Y11=（Y10+Y9+Y8+Y7+Y6)/5=(76.2+82+79+74+70）/5=76.24時間T月123456789銷售額YT萬元657283787670747982三、指數平滑模型——應用最為廣泛的時間序列模型

——選擇1、簡單指數平滑

簡單指數平滑模型適合于比較平穩、沒有明顯趨勢的時間序列數據

2、布朗線性指數平滑——時間序列數據具有線性趨勢3、三次指數平滑——時間序列數據呈現出非線性趨勢4、平滑系數的選擇，當時間序列數據波動較大時，應盡量選擇較大的a值，這樣可以增加指數平滑系列的敏感程度；當時間序列數據相對比較平穩時，選擇較小的α值。——選擇第11~13章自測題一、單項選擇題（共20題）1.預測的準確性主要取決于預測者的經驗、理論、業務水平以及掌握的情況和分析判斷能力，這種預測是（）A.定量預測B.定性預測C.探索性預測D.規范預測2、德賓-沃森（DW）檢驗是用來檢驗（）A.多共線性B.異方差性C.規范預測D.自相關性3、布朗線性指數平滑又稱（）A.一次指數平滑B.二次指數平滑C.三次指數平滑D.簡單指數平滑4、將各月的工業生產指數同高峰和低谷月份的工業生產指數進行比較，得到的是（）A.工業生產趨勢值B.工業生產周期指數C.工業生產季節比率D.工業生產季節指數5、簡單移動平均預測時，n的值越大沒經過移動平均的時間序列的波動幅度就（）A.不存在了B.越小C.越大D.一致了6、為了保證預測精度不下降，在使用回歸模型進預測時，所給定的自變量一般為（）A.可以是任意的B.必須是某一數值C.不得大于100D.不應該超過自變量觀察值的范圍7、對于二元回歸模型中的未知參數的值（）A.只能用人工方法計算B.只能用計算機技計算C.可以憑經驗估算D.可以用最小二乘法估算8、領先指標先于周期的變化，其領先時間為（)A.一個月B.一年C.二年D.以上皆有可能9、群體預測的誤差一般不超過（）A.3%B.5%C.8%D.10%10、一項成功有效的預測，其預測值與實際值的誤差范圍為（）A.5%以下B.5%~10%C.10%~15%D.15%~20%11、所估算回歸方程的誤差越小，估算的效果會（）A.越差B.越好C.無關D.不確定12、時間系列的一次差所表示的時間系列逐期增長的（）絕對量B.相對量C.增長率D.百分比13、估計誤差的大小是衡量估算結果的一個重要標準。估算的效果越好，則所估算回歸方程的誤差（）A.越大B.越小C.大于1D.小于114、簡單線性回歸模型與多元回歸模型的基本假設（）A.完全相同B.除了有相同的條件外，后者比前者少C.除了有相同的條件外，后者比前者多D.沒有關系15、時間系列預測的一個主要缺陷是：由于它是將過去的趨勢延伸到未來，因此這種方法無法預測時間系列的（）A.拐點B.平衡點C.轉折點D.整合點16、定性預測法的主要缺點是無法對所觀察的事物作出比較準確的（）A.性質上的判斷B.發展方向上的判斷C.數量變化幅度上的判斷D.現象之間相互聯系方面的判斷17、中期預測的預測期限一般為（）A.1~3年B.3~5年C.5~10年D.10~20年18、德爾菲意見法的重要特征是（）A.注重專家的權威B.專家之間直接聯系C.以匿名方式反復征詢D.無需反饋19、相關系數的值越接近0，則回歸效果（）A.越差B.越好C.不確定D.與相關系數無關20、除了簡單線性回歸模型的基本假設條件，多元回歸模型還應滿足的假設是（）A.誤差項u的數學期望值為0B.誤差的方差為一常量C.各項誤差之間不存在相關關系D.自變量間不存在相關關系21、當時間系列呈現出某種非線性趨勢時，適用于預測的指數平滑模型為（）A.簡單指數平滑模型B.布朗線性指數平滑模型C.二次指數平滑模型D.三次指數平滑模型22、在回歸模型中，t統計值的大小表示（）A.模型的擬合效果B.自變量對因變量的影響大小C.判斷異方差D.模型趨勢23、時間序列可能逐期按一種近似不變的比率增加，即它的環比增長率近似與一個常量，在這種情況下我們應選擇以下哪種方程來模擬時間系列的趨勢（）A.線性趨勢方程B.指數曲線方程C.多元線性方程D.直線方程24、在判斷回歸模型中自相關時，我們經常檢驗DW值，設DW的上限是d，下限是dt，當DW<dt時，誤差項間（）A.存在正自相關B.檢驗無結論C.存在負自相關D.不存在自相關25、一般來說，生產周期越長，預測值會（）A.越長B.與生產周期無關C.越短D.無法確定26、如果用原始數據除以4期移動平均值，可獲得（）A.長期趨勢值B.周期指數C.季節比率D.偶然波動27、所謂二元回歸模型是指（）A.模型中含有兩個自變量B.模型中含有兩個因變量C.模型中自變量與因變量一共有兩個D.模型中自變量與因變量一共有多個28、用來反映社會經濟現象和過程的統計數字，可以說明社會經濟現象的變化和量的關系，能夠提供經濟情況和周期變化的具體概念是（）A.指標B.指數C.因素D.模型29、檢驗回歸方程中自變量X是否對因變量Y具有顯著影響的一個常見方法是（）A.F檢驗B.R2檢驗C.自變量相關系數檢驗D.t檢驗30、布朗線性指數平滑又稱（）A