一种指数平滑法的商品价格预测方法技术

本发明专利技术涉及数据分析和数据预测领域，具体提供了一种指数平滑法的商品价格预测方法，具有如下步骤：(1)建立指数平滑算法模型，(2)指数平滑算法商品价格预测。与现有技术相比，本发明专利技术通过指数平滑算法对未来商品的价格进行预测，无需对预测人员有过高的市场经验和战略眼光，只要通过对过去的商品价格收集，然后进行预测，就可以得到一可靠的结果。就可以得到一可靠的结果。就可以得到一可靠的结果。

【技术实现步骤摘要】
一种指数平滑法的商品价格预测方法


[0001]本专利技术涉及数据分析和数据预测领域，具体提供一种指数平滑法的商品价格预测方法。

技术介绍

[0002]商品的价格,对于人们生活的采购、生产的决策都有着至关重要的意义。目前对于商品的预测，主要是人工通过经验进行预测，难以把握准确得未来变化趋势。
[0003]人工预测的主观性较强，对于预测人员的市场经验、战略与眼光等有较高的要求。对于普通的数据预处理方法，采用去均值、中位数等方法，不能准确的反应实际情况。

技术实现思路

[0004]本专利技术是针对上述现有技术的不足，提供一种实用性强的指数平滑法的商品价格预测方法。
[0005]本专利技术解决其技术问题所采用的技术方案是：
[0006]一种指数平滑法的商品价格预测方法，其特征在于，具有如下步骤：
[0007](1)建立指数平滑算法模型；
[0008](2)指数平滑算法商品价格预测。
[0009]进一步的,在步骤(1)中，进一步包括一次指数平滑法模型、二次指数平滑法模型和三次指数平滑法模型。
[0010]进一步的,所述一次指数平滑法模型为：
[0011][0012]式中，α为平滑系数，满足0＜α＜1，推出：
[0013][0014]二次指数平滑法模型为：
[0015][0016]进一步的,三次指数平滑法模型进一步包括：
[0017]三次指数平滑法加法模型，如下：
[0018][0019][0020][0021]三次指数平滑法乘法模型，如下：
[0022][0023][0024][0025]进一步的,在步骤(2)中，进一步包括：
[0026]S1、获取历年商品价格，进行原始数据预处理；
[0027]S2、在取得连续商品价格时间序列数据之后，要对所述数据进行平稳性和纯随机性检验，所述平稳性和纯随机性检验称为序列预处理；
[0028]S3、针对步骤S2中的检验结果，对于非平稳的商品价格时间序列数据进行平稳化处理；
[0029]S4、对于时间序列进行确定性因素分解时，将原始时间序列数据分解为趋势、季节性周期变化以及随机波动；
[0030]S5、根据自相关图和偏自相关图的进行参数估计，构建ARIMA模型，导入商品价格时间序列数据对模型进行拟合；
[0031]S6、根据拟合结果调整模型参数，得到最优模型；
[0032]S7、使用得到的模型对未来商品价格进行预测，得到预测结果。
[0033]进一步的,在步骤S2中，对序列的平稳性检验一般只需满足宽平稳，宽平稳的定义如下：
[0034]如果{X
t
}满足以下三个条件：
[0035](4)任取t∈T，有EX
t2
＜∞；
[0036](5)任取t∈T，有EX
t
＝μ，μ为常数；
[0037](6)任取t，s，k∈T,且k+s
‑
t∈T,有γ(t，s)＝γ(k，k+s
‑
t)
[0038]则称{X
t
}为宽平稳序列。
[0039]作为优选，在步骤S3中，对于非平稳的商品价格时间序列数据进行平稳化处理时，采用差分方法，一次一阶差分后，若序列仍为非平稳序列，则进行二次差分。
[0040]进一步的,在步骤S1中，为使填充的缺失值更接近真实值，采用三次指数平滑算法预测算法来对缺失值进行填充，
[0041]三次指数平滑算法如果采用加法模型，如下：
[0042][0043][0044][0045]三次指数平滑算法如果采用乘法模型，如下：
[0046][0047][0048][0049]预测公式如下：
[0050][0051]k是这个周期长度。
[0052]本专利技术的一种指数平滑法的商品价格预测方法和现有技术相比，具有以下突出的有益效果：
[0053]本专利技术通过指数平滑算法对未来商品的价格进行预测，无需对预测人员有过高的市场经验和战略眼光，只要通过对过去的商品价格收集，然后进行预测，就可以得到一可靠的结果。
附图说明
[0054]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0055]附图1是一种指数平滑法的商品价格预测方法的流程示意图。
具体实施方式
[0056]为了使本
的人员更好的理解本专利技术的方案，下面结合具体的实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例都属于本专利技术保护的范围。
[0057]下面给出一个最佳实施例：
[0058]如图1所示，本实施例中的一种指数平滑法的商品价格预测方法，具有如下步骤：
[0059](1)建立指数平滑算法模型；
[0060]一次指数平滑法模型为：
[0061][0062]式中，α为平滑系数，满足0＜α＜1，推出：
[0063][0064]二次指数平滑法模型为：
[0065][0066]三次指数平滑法如果采用加法模型，构造如下：
[0067][0068][0069][0070]三次指数平滑法如果采用乘法模型，构造如下：
[0071][0072][0073][0074](2)建立指数平滑算法模型；
[0075]S1、获取历年的商品价格，并进行原始数据预处理。数据预处理主要在于对原始数据可能存在的个别缺失值进行填充，缺失值填充方法主要有固定值填充、均值填充、中位数填充等。
[0076]S2、在取得连续的商品价格时间序列数据之后，首先要对它进行平稳性和纯随机性检验，这两个重要的检验称为序列的预处理。对序列的平稳性检验一般只需满足宽平稳，宽平稳的定义如下：
[0077]如果{X
t
}满足以下三个条件：
[0078](1)任取t∈T，有EX
t2
＜∞；
[0079](2)任取t∈T，有EXt＝μ，μ为常数；
[0080](3)任取t，s，k∈T,且k+s
‑
t∈T,有γ(t，s)＝γ(k，k+s
‑
t)
[0081]则称{X
t
}为宽平稳序列。
[0082]S3、针对S2中的检验结果，对于非平稳的商品价格时间序列数据进行平稳化处理，采用差分方法，一次一阶差分后，如果序列仍为非平稳序列则进行二次差分。
[0083]S4、对于时间序列进行确定性因素分解，将原始时间序列数据分解为趋势、季节性周期变化以及随机波动。采用乘法模型克本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种指数平滑法的商品价格预测方法，其特征在于，具有如下步骤：(1)建立指数平滑算法模型；(2)指数平滑算法商品价格预测。2.根据权利要求1所述的一种指数平滑法的商品价格预测方法，其特征在于，在步骤(1)中，进一步包括一次指数平滑法模型、二次指数平滑法模型和三次指数平滑法模型。3.根据权利要求2所述的一种指数平滑法的商品价格预测方法，其特征在于，所述一次指数平滑法模型为：式中，α为平滑系数，满足0＜α＜1，推出：二次指数平滑法模型为：4.根据权利要求3所述的一种指数平滑法的商品价格预测方法，其特征在于，三次指数平滑法模型进一步包括：三次指数平滑法加法模型，如下：三次指数平滑法加法模型，如下：三次指数平滑法加法模型，如下：三次指数平滑法乘法模型，如下：三次指数平滑法乘法模型，如下：三次指数平滑法乘法模型，如下：5.根据权利要求1所述的一种指数平滑法的商品价格预测方法，其特征在于，在步骤(2)中，进一步包括：S1、获取历年商品价格，进行原始数据预处理；S2、在取得连续商品价格时间序列数据之后，要对所述数据进行平稳性和纯随机性检验，所述平稳性和纯随机性检验称为序列预处理；S3、针对步骤S2中的检验结果，对于非平稳的商品价格时间序列数据进行平稳化处理；S4、对于时间序列进行确定性因素分解时，将原始时间序列数据分解为趋势、季节性周期变化以及随机波动；S5、根据自相关图和偏自相关图的进行参数估计，构建ARIMA模型，导入商品价格时间序列数据对模型进行拟合；S6、根...

【专利技术属性】
技术研发人员：张通，张帆，
申请(专利权)人：浪潮卓数大数据产业发展有限公司，
类型：发明
国别省市：