2019-2019預(yù)測與決策復(fù)習(xí)要點(diǎn)

1、第一章概述預(yù)測的概念：是對研究對象的未來狀態(tài)進(jìn)行預(yù)計和推測，是預(yù)測者根據(jù)有關(guān)歷史資料和新情報，運(yùn)用適當(dāng)方法和技巧，對研究對象的未來狀態(tài)進(jìn)行科學(xué)的分析、估算和推斷，并對預(yù)測結(jié)果進(jìn)行驗(yàn)證評估和應(yīng)用的活動過程。決策的概念：為解決某種問題，從多種替代方案中選擇一種行動方案的過程。預(yù)測的基本原理：系統(tǒng)性原理；慣性原理：時間和空間上的延續(xù)；類推原理；相關(guān)原理；概率推斷原理預(yù)測方法的分類：定性預(yù)測；回歸預(yù)測；時間序列預(yù)測選擇依據(jù)：合適性、費(fèi)用、精確性適用情況：線性回歸短、中期因變量與自變量之間存在線性關(guān)系趨勢外推中期到長期當(dāng)被預(yù)測項目的有關(guān)變量用時間表示時，用非線性回歸移動平均短期不帶季節(jié)艾動的反復(fù)預(yù)測指數(shù)

2、平滑短期具有或不具有季節(jié)變動的反復(fù)預(yù)測平穩(wěn)時間序列短期適用于任何序列的發(fā)展形態(tài)的一種高級預(yù)測方法了解預(yù)測基礎(chǔ)性工作：調(diào)研抽樣的方法：隨機(jī)抽樣：單純隨機(jī)抽樣；分層隨機(jī)抽樣；分群隨機(jī)抽樣非隨機(jī)抽樣：便利抽樣；判斷抽樣；配額抽樣數(shù)據(jù)預(yù)處理的方法：剔除法、平均值法、拉平法、比例法、差分法等第二章定型預(yù)測方法定性預(yù)測定義：預(yù)測者依靠熟悉業(yè)務(wù)知識、具有豐富經(jīng)驗(yàn)和綜合分析能力的人員與專家，根據(jù)已掌握的歷史資料和直觀材料，運(yùn)用個人的經(jīng)驗(yàn)和分析判斷能力，對事物的未來發(fā)展做出性質(zhì)和程度上的判斷，然后，再通過一定形式綜合各方面的意見，作為預(yù)測未來的主要依據(jù)。定性預(yù)測方法：1.德爾菲法：是根據(jù)有專門知識的人的直接經(jīng)驗(yàn)

3、，對研究的問題進(jìn)行判斷、預(yù)測的一種方法；2.相互影響分析法：分析各個事件之間由于相互影響而引起的變化，以及變化發(fā)生的概率，研究各個事件在未來發(fā)生的可能性的一種預(yù)測方法。3.市場預(yù)測法：1 ）聯(lián)測法：以一企業(yè)的普查資料或某一地區(qū)的抽樣調(diào)查為基礎(chǔ)，進(jìn)行分析、判別、聯(lián)測，確定某一行業(yè)以致整個市場的預(yù)測值方法。2 ）轉(zhuǎn)導(dǎo)法：也稱連續(xù)比率法，是以間接調(diào)查所得的某項經(jīng)濟(jì)指標(biāo)預(yù)測值為基礎(chǔ)，依據(jù)該指標(biāo)與預(yù)測目標(biāo)間相關(guān)比率的資料，轉(zhuǎn)導(dǎo)出預(yù)測值的一種方法。3 ）類比法：利用兩事物發(fā)生時間差異、形式上的相同或相似，借用先行的、同類的、相似的事物的有關(guān)參數(shù)，來推斷預(yù)測目標(biāo)未來發(fā)展趨向與可能發(fā)展水平的一種對比推測的方法

4、。Delphi方法的特點(diǎn)：反饋性、匿名性、統(tǒng)計性Delphi法一般預(yù)測程序：4 .提出要求，明確預(yù)測目標(biāo)，書面通知被選定的專家、專門人員5 .專家預(yù)測，并將預(yù)測結(jié)果書面回復(fù)給預(yù)測單位6 .主持預(yù)測單位歸納整理專家預(yù)測結(jié)果，并將結(jié)果反饋給專家7 .專家修正預(yù)測結(jié)果第三章回歸分析預(yù)測方法預(yù)測流程：確立預(yù)測目標(biāo)；確立影響因素；進(jìn)行相關(guān)分析；搜集整理歷史資料；建立回歸預(yù)測模型；進(jìn)行顯著性檢驗(yàn)；進(jìn)行實(shí)際預(yù)測。參數(shù)估計方法：錯誤!未找到引用源。錯誤!未找到引用源。模型適用范圍：一元線性：?自變量x與應(yīng)變量y之間存在線性關(guān)系；?正態(tài)性：隨機(jī)誤差（即殘差）e服從均值為0,方差為62的正態(tài)分布；?等方差：對于所

5、有的自變量x,殘差e的條件方差為62,且為常數(shù);?獨(dú)立性：在給定自變量x的條件下，殘差e的條件期望值為0;?無自相關(guān)性：各隨機(jī)誤差項e互不相關(guān).多元線性：?無自相關(guān)性：各隨機(jī)誤差項e互不相關(guān).?獨(dú)立性：殘差e的條件期望值為0;?解釋變量與擾動誤差項不相關(guān)?解釋變量間不存在線性相關(guān)關(guān)系?正態(tài)性：隨機(jī)誤差（即殘差）e服從均值為0,方差為62的正態(tài)分布;?等方差：殘差e的條件方差為62,且為常數(shù)；檢驗(yàn)方法：擬合優(yōu)度檢驗(yàn)、變量的顯著性檢驗(yàn)及參數(shù)的區(qū)間估計可決系數(shù)的概念及作用：可決系數(shù)R2:度量擬合優(yōu)度的指標(biāo)?？傠x差TSS可分解為兩部分：一部分來自回歸線（ESS）,另一部分則來自隨機(jī)勢力（RSS）oR2

6、=ESS/TSS=1-RSS/TSSR2越接近1,說明實(shí)際觀測點(diǎn)離樣本線越近，擬合優(yōu)度越高?？蓻Q系數(shù)與相關(guān)系數(shù)的關(guān)系：r=錯誤!未找到引用源。，相關(guān)系數(shù)有正負(fù)回歸分析中各類檢驗(yàn)指標(biāo)的檢驗(yàn)?zāi)康模?因素的相關(guān)性檢驗(yàn)：自相關(guān)檢驗(yàn)（D-W）;多重共線性檢驗(yàn)r?方程的線性檢驗(yàn)：回歸系數(shù)的顯著性檢驗(yàn)（t檢驗(yàn)）；假設(shè)檢驗(yàn)（F檢驗(yàn)）?單個系數(shù)的線性檢驗(yàn)：顯著性檢驗(yàn)（t檢驗(yàn)）線性回歸計算步驟：1,參數(shù)估計:錯誤!未找到引用源。錯誤!未找到引用源。2.標(biāo)準(zhǔn)誤差SE=錯誤!未找到引用源。3,可決系數(shù)R2=1-錯誤!未找到引用源。4.模型顯著性檢驗(yàn)F=錯誤!未找到引用源。F（1,n-2）5,系數(shù)顯著性檢驗(yàn)tb=b/S

7、E*錯誤!未找到引用源。t（n-2）6,自相關(guān)檢驗(yàn)D-W=錯誤!未找到引用源。Ui=yi-錯誤!未找到引用源。殘差1.52.57.多重共線性：錯誤!未找到引用源。第四章趨勢外推預(yù)測方法趨勢外推方法的定義：趨勢外推預(yù)測法：根據(jù)事物特有規(guī)律，推測并著重研究其可能的發(fā)展趨勢.它是根據(jù)變量（預(yù)測目標(biāo)）的時間序列數(shù)據(jù)，提示其發(fā)展變化規(guī)律，并通過建立合適的預(yù)測模型，推斷其未來變化的趨勢。應(yīng)用條件：1.技術(shù)（或經(jīng)濟(jì)）發(fā)展的因素，不但決定了過去的技術(shù)發(fā)展，而且在很大程度上也決定該技術(shù)的未來發(fā)展。2.技術(shù)或經(jīng)濟(jì)的發(fā)展過程，一般屬于漸進(jìn)變化，而不是跳躍性變化。幾種常用趨勢外推方法的模型形式：多項式曲線預(yù)測模型：y

8、t=b0+bit+b2t2+-+bntn指數(shù)曲線預(yù)測模型：yt=aebt修正：yt=a+bct對數(shù)曲線預(yù)測模型：yt=a+blnt生長曲線預(yù)測模型：Gompertz:yt=錯誤!未找到引用源。差分法與模型選擇一階差分相等或大致相等：一次線性模型二階差分相等或大致相等：二次線性模型一階差分比率相等或大致相等：指數(shù)曲線模型一階差分的一階比率相等或大致相等：修正指數(shù)曲線模型lgy的一階差分的一階比率相等或大致相等：Gompertz曲線模型適用條件：指數(shù)曲線：快速增長期修正指數(shù)曲線：一般取0c1,趨于飽和Gompertz曲線：對處在成熟期的商品進(jìn)行預(yù)測，以掌握市場要求和銷售的飽和量指數(shù)曲線：yt=ae

9、btlnyt=lna+btYt=A+btb=錯誤!未找到引用源。A=錯誤!未找到引用源。a=eA修正指數(shù)曲線：yt=a+bct三和法：錯誤!未找到引用源。錯誤!未找到引用源。錯誤!未找到引用源。c=錯誤！未找到引用源。嚴(yán)b=(Ely-Dy)*(c-1)/(cn-1)2a=1/nEly-b*(cn-1)/(c-1)Gompertz曲線：yt=錯誤!未找到引用源。lgy=lgk+lgabt計算類比修正指數(shù)模型lgk=algab=c第五章確定型時間序列預(yù)測方法各類模型的適用條件：平穩(wěn)時間序列：一次移動平均，一次指數(shù)平滑線性趨勢：線性二次移動平均，線性二次指數(shù)平滑非線性趨勢：二次曲線平滑含有季節(jié)性因素

10、：溫特線性和季節(jié)性指數(shù)平滑法一次移動平均：Ft+1=錯誤!未找到引用源。權(quán)數(shù)相等一次指數(shù)平滑：Ft+1=aXt+(1-a)Ft權(quán)數(shù)遞減FI=XIMSE=錯誤!未找到引用源。最小線性二次移動平均：O0.VHJ-N；=25；-耳4+加二/十五盟線性二次指數(shù)平滑:布朗單一參數(shù)線性指數(shù)平滑法：錯誤!未找到引用源S；=axf+(l-a)S；_tSt=0耳+(1a)S；T%=+(St-Sf)=2Sj-Sta八，川=一”I I-2-2J=%+4陽，=ax！+(l-a)(Sf_+/J-h-)%E卡用SrGXr(1(7)5jSt-aS*l(1)$5；=aS；+(-95；凡-3S.3、+工rri*4ar*in丁(

11、65Y 逐,-(1Q-8cT)3；-(4-3a)、；EC)11，二%-b尸H叫舊一霍爾特雙參數(shù)線性指數(shù)平滑法：Si=xiS2=x2bi=bi=S2-Si二次曲線平滑：錯誤!未找到引用源溫特線性和季節(jié)性指數(shù)平滑法：St=axt/lt-L+(i-a)(St-i+bt-i)bt=MSt-St-i)+(i-汕t-ilt=段t/St+(i-B)lt-LFt+m=(St+btm)It-L+mSL+1=xL+1bL+1=錯誤!未找到引用源。錯誤!未找到引用源。第六章隨機(jī)型時間序列預(yù)測方法AR,MA,ARMA序列的應(yīng)用前提條件：平穩(wěn)性時間序列MA(q):有限階移動平均模型總是平穩(wěn)的ARMA(p,q):由于AR

12、MA(p,q)模型是AR(p)模型與MA(q)模型的組合;而MA(q)模型總是平穩(wěn)的，因此ARMA(p,q)模型的平穩(wěn)性取決于AR(p)部分的平穩(wěn)性。當(dāng)AR(p)部分平穩(wěn)時，則該ARMA(p,q)模型是平穩(wěn)的，否則，不是平穩(wěn)的。模型識別方法:模型自相關(guān)ACF(pk)偏自相關(guān)PACF(巾kk)白噪聲00AR(p)我減也丁布(幾何型或晨湯型)P階后截尾：巾kk=0MA(q)Q階后截尾：pk=0我減也丁布(幾何型或晨湯型)ARMA(p,q)q階后衰減趨于零(幾何型或震蕩型)p階后衰減趨于零(幾何型或震蕩型)預(yù)測步驟:模型識別、平穩(wěn)性檢驗(yàn)、模型階數(shù)的確定、參數(shù)估計、建立模型自相關(guān)函數(shù)：概念：x(t-k

13、)與xt的相關(guān)性。估計方法：錯誤!未找到引用源。作用：用于分析時間序列的隨機(jī)性、平穩(wěn)性和季節(jié)性；初步確定移動平均模型的階數(shù)。偏自相關(guān)函數(shù)：概念：x(t-k)對xt的單純測度估計方法：最小方差估計作用：初步判定自回歸模型的階數(shù)。第八章決策理論概述風(fēng)險型決策的概念：根據(jù)預(yù)測各種時間可能發(fā)生的先驗(yàn)概率，然后再采用期望效用最好的方案作為最優(yōu)決策方案。決策的三個基本概念：決策函數(shù)：根據(jù)樣本的觀測值對總體參數(shù)Q做出推斷，這是樣本統(tǒng)計量d是樣本觀察值x1,x2,x3,-xn的一個函數(shù)，那么d=d(x1,x2xn)損失函數(shù)：當(dāng)參數(shù)的真值為9,而決策結(jié)果為d,兩者的不一致會帶來一定的損失，這種損失是一個隨機(jī)變量，用L(8,d