예측기법

소개글

각종 예측기법에 대해 정리한 내용입니다^^
많은 도움이 되셨으면 좋겠습니다~

목차

1. 최소자승법(Least-squares method)
2. 지수평활법(Exponential-smoothing method)
3. Box - Jenkins
4. 회귀분석(Regression)

본문내용

1. 최소자승법(Least-squares method)
일련의 측정 자료에 가장 부합하는, 즉 측정값 Yi와 이론적 모델 반응값 yi의 차이의 제곱의 합 E가 최소가 되도록 하는 모델변수 Pi를 결정하는 방법으로 식으로 표현하면 다음과 같다.

2. 지수평활법(Exponential-smoothing method)
• 지수평활법은 단기예측에 있어서 매우 유용한 기법으로서 과거의 관측 값으로 미래의 값을 예측할 때 최근의 자료에 더 많은 가중치를 두고 자료가 오래될수록 가중치는 지수적으로 감소시키며 예측 하는 방법이다.
• 이동평균법에서는 이동평균을 계산하기 위해 최근 m개의 관측 값이 필요하였고 최근 m개의 관측 값에 대하여 동일한 비중을 부여하였을 뿐 아니라 그 이전의 관측 값들은 무시하였다. 그러나 미래의 값을 예측하는데 필요한 정보는 최근의 자료에 더 많이 포함될 수 있으며 또한 예측을 위해서는 더 많은 자료들을 사용하는 것이 일반적으로 바람직한 예측방법이다. 즉 지수평활법은 이동평균법의 단점인 가중치 선정기준 및 대상기간 n의 설정기준의 불합리성을 보다 합리적으로 개선시킨 일종의 가중이동 평균법의 하나로도 볼 수 있다.
• 가중치는 지수로서 이를 N기간에 모두 합하면 1이 되도록 한다.
• 가중이동평균법은 가중치 결정의 어려움이라는 단점을 가지고 있으므로 이를 해소하기 위해 지수평활 법에서는 평활상수(α)를 이용하여 현재에서 과거로 갈수록 더 적은 비중을 주는 방법을 채택하고 있다.
• α의 값이 높을수록 최근의 수요수준에 더 큰 비중이 주어지며 기본식은 다음과 같다.
Ft-1 = αYt + (1-α)Ft
(Ft+1 : 기간 t+1에서의 예측값)
α : 평활상수(0 ≤ α ≤ 1)
Yt : 기간 t에서의 실측치, Ft : 기간 t에서의 예측치)
• 평활상수 α 의 역활
- 평활의 정도와 예측치와 실제치와의 차이에 반응하는 속도 결정
- α값이 클수록 예측치는 수요변화에 더 많이 반응하며 α값이 작을수록 평활의 효과는 더 커짐

참고 자료

없음