需求预测指数平滑法详解2:一次指数平滑法(公式、解释与实例)

时间:2019-10-09 来源: 热点专题

  2019 May嘉熙

  

  许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。

  前一篇《指数平滑法的概念与逻辑假设》,我讲解了时间序列和指数平滑法的基本概念与定义。

  从本篇开始,我将陆续讲解各种指数平滑法的算法、应用和实例。首先开始的是一次指数平滑法。本篇将从五个部分展开:一次指数平滑法公式、平滑系数α、初始值确定、实例和曲线对比。

  (下图为本专栏的总目录。)

  

  一、一次指数平滑法公式。

  一次指数平滑法的基础公式:St=St-1 + α(Xt-1-St-1)。

  公式中,St表示第t期的预测值,St-1表示t-1期预测值,Xt-1表示第t-1期的实际值,α为平滑系数。

  比如,假定t期是本期,或者说这个月,那么,St就是我们要计算的这个月的预测值,St-1表示上个月预测值,Xt-1表示上个月的实际值。

  此公式用文字描述,就是,本期的预测=上期的预测值+平滑系数*(上期的实际值-上期的预测值)。

  如果A产品,上个月的预测值为4905个,实际值为4853个,平滑系数α我们取值0.2,那么, A产品这个月的预测值=上月预测值+平滑系数α*(上期实际值-上期预测值)=4905+0.2*(4853-4905)=4895个。

  一次指数平滑法公式如下图。

  

  二、平滑系数α。

  在本专栏第一篇文章中,我提到指数平滑法实际上是一种特殊的加权平均法,我同时指出,指数平滑法本质上是对前一期的需求进行预测,然后对上期的预测误差进行调整,从而生成本期的预测结果。

  那么,加权平均,加权权数是多少呢?对预测误差进行调整,调整系数是多少呢?

  这个加权权数和调整系数,就是指数平滑法的平滑系数α。

  平滑系数,也称平滑常数,用α表示,是指数平滑法最重要的参数。平滑系数α代表着新旧数据的分配值,它的大小,体现着当前预测对近期数据和远期数据的依赖程度。

  1、α 数值在0-1之间(即0<α<1)。

  2、α 越小,平滑作用越强,对预测结果的调整较小,对实际数据变动反应较迟缓。

  3、α 越大,对实际值的变化越敏感,即对预测结果的调整越大,也就是对近期数据依赖越大。

  平滑系数α到底取值多少,如何确定,我将在本专栏第三篇文章专门讲述,请关注阅读,本篇先略过。

  

  三、初始值的确定。

  {!-- PGC_COLUMN --}

  上面说到,用指数平滑法进行预测,本期的预测值是上期实际值与上期预测值的加权平均。上期实际值是已知的,那上期预测值怎么来呢?按指数平滑法公式与算法,上期预测值则为上上期实际值与上上期预测值的加权平均,以此类推,一直往前计算。

  那么问题来了,一直往前计算,算到什么时候为止,再说数据有限,总得有个最初的第一个预测吧。这就提出了指数平滑法初始值的概念。

  在指数平滑法中,初始值就是指第一期预测值。

  那么,这个初始值这个第一期的预测值如何确定呢?下面介绍三个初始值的确定方法。

  1、如果历史数据较少,比如少于15期,一般以前几期的算术平均值为初始值。前几期可以是前两期,也可以前五期,根据数据特性和实际情况而定,大多数情况下取前三期。

  2、如果历史数据较多,比如在15期或15期以上,可以直接用第一期实际数据作为初始值。

  3、如果刚开始用指数平滑做预测,即没有历史数据,则可以主观估计,同时取较高的平滑系数α值(比如0.6以上),削弱初始值的影响。

  

  四、一次指数平滑法实例。

  请看下图的数据。

  A产品前期20期实际数据如图中表格第二行“实际值”所示。有了这一序列数据,我们可以用一次指数平滑法对A产品第21期的需求进行预测。

  1、确定初始值。本例因历史数据较多,有20期,故直接采用第一期实际值为初始值,初始值为6553。

  2、确定平滑系数α。平滑系数α的确定方法下篇文章介绍,本例,我们α取值为0.2。

  3、计算第二期预测值。我们按照一次指数平滑法公式,第二期的预测=第一期的预测值+平滑系数*(第一期的实际值-第一期的预测值),将相应的数据代入公司,得到第二期的预测值。

  4、计算第三期预测值。步骤和方法与计算第二期预测值相同。

  5、逐一计算各期预测值,直到算出第21期,就是我们要得到的第21期需求预测,预测结果为。

  注:在Excel中,计算各期预测值,只要设好第二期公式=J4+0.2*(J3-J4),往后拖动公式填充即可。

  

  五、一次指数平滑预测曲线图。

  下图为上例中A产品需求的实际值与预测值曲线对比图。

  从图中可看出,实际曲线与预测曲线差异较大,也就是拟合不是很好。这是因为,一次指数平滑法适合没有趋势和季节性,或者趋势不明显的预测,而这组数据波动较大,既有趋势又有季节性,用一次指数平滑法预测,会带来较大的偏。

  我们需要采取其它的指数平滑方法,比如带有趋势的指数平滑Holt双参数指数平滑法,带有趋势又带有季节性的指数平滑Holt-Winters三参数指数平滑法等。我将分别在第4-7篇进行讲解。

  

  下一篇,本专栏《指数平滑法详解》的第3篇,平滑系数α确定方法,即将推出,敬请期待。

  

  许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。

  前一篇《指数平滑法的概念与逻辑假设》,我讲解了时间序列和指数平滑法的基本概念与定义。

  从本篇开始,我将陆续讲解各种指数平滑法的算法、应用和实例。首先开始的是一次指数平滑法。本篇将从五个部分展开:一次指数平滑法公式、平滑系数α、初始值确定、实例和曲线对比。

  (下图为本专栏的总目录。)

  

  一、一次指数平滑法公式。

  一次指数平滑法的基础公式:St=St-1 + α(Xt-1-St-1)。

  公式中,St表示第t期的预测值,St-1表示t-1期预测值,Xt-1表示第t-1期的实际值,α为平滑系数。

  比如,假定t期是本期,或者说这个月,那么,St就是我们要计算的这个月的预测值,St-1表示上个月预测值,Xt-1表示上个月的实际值。

  此公式用文字描述,就是,本期的预测=上期的预测值+平滑系数*(上期的实际值-上期的预测值)。

  如果A产品,上个月的预测值为4905个,实际值为4853个,平滑系数α我们取值0.2,那么, A产品这个月的预测值=上月预测值+平滑系数α*(上期实际值-上期预测值)=4905+0.2*(4853-4905)=4895个。

  一次指数平滑法公式如下图。

  

  二、平滑系数α。

  在本专栏第一篇文章中,我提到指数平滑法实际上是一种特殊的加权平均法,我同时指出,指数平滑法本质上是对前一期的需求进行预测,然后对上期的预测误差进行调整,从而生成本期的预测结果。

  那么,加权平均,加权权数是多少呢?对预测误差进行调整,调整系数是多少呢?

  这个加权权数和调整系数,就是指数平滑法的平滑系数α。

  平滑系数,也称平滑常数,用α表示,是指数平滑法最重要的参数。平滑系数α代表着新旧数据的分配值,它的大小,体现着当前预测对近期数据和远期数据的依赖程度。

  1、α 数值在0-1之间(即0<α<1)。

  2、α 越小,平滑作用越强,对预测结果的调整较小,对实际数据变动反应较迟缓。

  3、α 越大,对实际值的变化越敏感,即对预测结果的调整越大,也就是对近期数据依赖越大。

  平滑系数α到底取值多少,如何确定,我将在本专栏第三篇文章专门讲述,请关注阅读,本篇先略过。

  

  三、初始值的确定。

  {!-- PGC_COLUMN --}

  上面说到,用指数平滑法进行预测,本期的预测值是上期实际值与上期预测值的加权平均。上期实际值是已知的,那上期预测值怎么来呢?按指数平滑法公式与算法,上期预测值则为上上期实际值与上上期预测值的加权平均,以此类推,一直往前计算。

  那么问题来了,一直往前计算,算到什么时候为止,再说数据有限,总得有个最初的第一个预测吧。这就提出了指数平滑法初始值的概念。

  在指数平滑法中,初始值就是指第一期预测值。

  那么,这个初始值这个第一期的预测值如何确定呢?下面介绍三个初始值的确定方法。

  1、如果历史数据较少,比如少于15期,一般以前几期的算术平均值为初始值。前几期可以是前两期,也可以前五期,根据数据特性和实际情况而定,大多数情况下取前三期。

  2、如果历史数据较多,比如在15期或15期以上,可以直接用第一期实际数据作为初始值。

  3、如果刚开始用指数平滑做预测,即没有历史数据,则可以主观估计,同时取较高的平滑系数α值(比如0.6以上),削弱初始值的影响。

  

  四、一次指数平滑法实例。

  请看下图的数据。

  A产品前期20期实际数据如图中表格第二行“实际值”所示。有了这一序列数据,我们可以用一次指数平滑法对A产品第21期的需求进行预测。

  1、确定初始值。本例因历史数据较多,有20期,故直接采用第一期实际值为初始值,初始值为6553。

  2、确定平滑系数α。平滑系数α的确定方法下篇文章介绍,本例,我们α取值为0.2。

  3、计算第二期预测值。我们按照一次指数平滑法公式,第二期的预测=第一期的预测值+平滑系数*(第一期的实际值-第一期的预测值),将相应的数据代入公司,得到第二期的预测值。

  4、计算第三期预测值。步骤和方法与计算第二期预测值相同。

  5、逐一计算各期预测值,直到算出第21期,就是我们要得到的第21期需求预测,预测结果为。

  注:在Excel中,计算各期预测值,只要设好第二期公式=J4+0.2*(J3-J4),往后拖动公式填充即可。

  

  五、一次指数平滑预测曲线图。

  下图为上例中A产品需求的实际值与预测值曲线对比图。

  从图中可看出,实际曲线与预测曲线差异较大,也就是拟合不是很好。这是因为,一次指数平滑法适合没有趋势和季节性,或者趋势不明显的预测,而这组数据波动较大,既有趋势又有季节性,用一次指数平滑法预测,会带来较大的偏。

  我们需要采取其它的指数平滑方法,比如带有趋势的指数平滑Holt双参数指数平滑法,带有趋势又带有季节性的指数平滑Holt-Winters三参数指数平滑法等。我将分别在第4-7篇进行讲解。

  

  下一篇,本专栏《指数平滑法详解》的第3篇,平滑系数α确定方法,即将推出,敬请期待。

新闻排行
  1.   2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的

      2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的...

  2.   2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的

      2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的...

  3.   2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的

      2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的...

  4.   2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的

      2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的...

  5.   2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的

      2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的...

  6.   2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的

      2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的...

  7.   2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的

      2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的...

  8.   2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的

      2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的...

  9.   2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的

      2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的...

  10.   2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的

      2019May嘉熙    许栩原创专栏《指数平滑法详解》第2篇,一次指数平滑法。  前一篇《指数平滑法的...

日期归档
友情链接