簡單指數平滑
簡單指數平滑法(SES)適用於預測沒有趨勢和季節性的模型。
上式中,距離預測時間越近的日期佔的權重越大,距離越遠權重越小。
有三種等效形式:
1.1 權重平均形式
t+1時刻的預測值 等於最近鄰的觀測值 和最近鄰的預測值 的加權平均。
該式子必須從某個地方起始,設置第一個預測值爲 ,那麼
將上述方程按如下方式替換,可以得到:
1.2 分量形式
簡單指數平滑方法中的位移組分是水平(level),其組分可以分爲一個預測方程和一個平滑方程,平滑方程對以前的level做指數平滑。表達式如下:
其中 是時間 時刻的水平值。預測方程表明t+1時刻的預測值是t時刻的預估水平。平滑方程給出了在t時刻的預估水平。
1.3 誤差修正形式
第三種形式是通過將分量形式中的平滑方程重新組合,得到了誤差修正形式:
其中 。如果t時刻的誤差是負的,那麼 ,所以t-1時刻的水平被高估了。新的水平 這時候是 向下調整。 越接近1,預估水平越粗糙(發生了很大的調整)。\alpha$越接近0,預估水平的平滑(發生了小的調整)
2 多個範圍的預測
目前爲止給出的預測方程都是隻預測後一個步長的的情況。簡單的指數平滑具有一個平的預測方程,對於更長期的預測,有:
這樣的預測只有在時間序列沒有趨勢或者季節性規律時才適用。
3 初始化
每個指數平滑方法都需要對平滑過程初始化。在簡單指數平滑時,需要給初始值水平 賦值,當時間序列較短或 較小時,權重可能會顯著影響預測結果。
另一種方式是通過優化的方法來確定 的值,例如在簡單指數平滑模型中,只有一個 值,可以通過比較平方誤差之和(SSE)來確定最佳的 。