移动平均法的两个版本

  • 移动平均法的两个版本
  • 一、移动平均法来预测
  • 二、移动平均法看趋势


移动平均法的两个版本

最近发现移动平均法有两个版本或者说是两个不同的用途，一个用于预测，另一个用于反映发展趋势。

一、移动平均法来预测

这是大多数的移动平均法，也是百度出来的。用于预测时，也就是将最近几期的数据求平均值作为下一期的预测值，用了几期的数据就算几期移动平均。例如：python移动平均法预测MAE MSE 移动平均数法预测_人工智能 期移动平均公式python移动平均法预测MAE MSE 移动平均数法预测_python_02 其中，python移动平均法预测MAE MSE 移动平均数法预测_数据_03 为第 python移动平均法预测MAE MSE 移动平均数法预测_数据_04 期的实际数据，python移动平均法预测MAE MSE 移动平均数法预测_数据_05 为第 python移动平均法预测MAE MSE 移动平均数法预测_机器学习_06 期的预测数据。
该公式还能进行变形，变成加权移动平均，也就是每一项的前面乘上权重系数，系数的值越大，代表这项对预测值的重要程度越大，对于3期加权移动平均法，公式如下 python移动平均法预测MAE MSE 移动平均数法预测_数据_07 其中 python移动平均法预测MAE MSE 移动平均数法预测_python_08 为权重系数，且 python移动平均法预测MAE MSE 移动平均数法预测_数据_09

二、移动平均法看趋势

这是我最早学的移动平均法，是通过将项数（时距）扩大，计算其移动平均数来削弱偶然因素的影响。根据移动平均法得到新的时间序列，可以更好地反映现象的发展趋势。例如：python移动平均法预测MAE MSE 移动平均数法预测_人工智能 项移动平均公式 python移动平均法预测MAE MSE 移动平均数法预测_数据_11 其中python移动平均法预测MAE MSE 移动平均数法预测_数据_03 为第 python移动平均法预测MAE MSE 移动平均数法预测_数据_04 期的实际数据，python移动平均法预测MAE MSE 移动平均数法预测_机器学习_14 为第 python移动平均法预测MAE MSE 移动平均数法预测_数据_04 期的三项移动平均数。对于不同项数的移动平均，所用公式略有不同，即得到的最终趋势项数是不同的。时距越大，最后得到的趋势项数就越少，反映原数列的长期趋势就越不完整。
对于奇数项的移动平均python移动平均法预测MAE MSE 移动平均数法预测_python_16 对于偶数项的移动平均python移动平均法预测MAE MSE 移动平均数法预测_时间序列_17 例子：已知一个长度为 python移动平均法预测MAE MSE 移动平均数法预测_机器学习_18

t

x

1

-3

2

19

3

5

4

13

5

2

6

-5

7

-15

8

8

9

15

10

5

11

-18

12

-9

13

0

14

-1

15

-8

16

5

17

-15

18

-11

19

1

20

-16

用 python移动平均法预测MAE MSE 移动平均数法预测_python_19 期移动平局，即 python移动平均法预测MAE MSE 移动平均数法预测_python_20 求趋势估计 python移动平均法预测MAE MSE 移动平均数法预测_数据_21 和 python移动平均法预测MAE MSE 移动平均数法预测_人工智能_22；
解：对于 python移动平均法预测MAE MSE 移动平均数法预测_python_20，公式为 python移动平均法预测MAE MSE 移动平均数法预测_数据_24 则得到 python移动平均法预测MAE MSE 移动平均数法预测_人工智能_25