预测算法

提前一步

每个模型都支持基于对应的预测公式提前一步预测。 在模型估算过程中，需要提前一步预测来计算模型错误。

提前一步预测使用当前点的计算级别和趋势状态以及最后一个季节性周期的季节性状态，针对每个数据点按顺序计算。

预测误差的计算方式是，从当前点的观察值减去上一个点的预测值。 用于估算模型的总体模型误差作为绝对预测误差的平均值来计算。 误差越小，模型拟合度越好。 预测统计详细信息中显示的准确性度量提供了提前一步预测误差的多个模型摘要。

提前 k 步

提前 k 步预测用于根据观察的时间序列数据，对任何数量的未来值进行预测。 对于指定的模型，此类预测基于的预测公式与提前一步预测相同。

默认情况下，生成的预测值数为历史数据序列长度的 20%。 可以在预测对话框中指定要预测的值的准确数量。 此外，还会预测特定序列末尾的任何缺失值，但是这些值不会计入指定的预测周期数。

置信界限

置信界限提供与每个预测值关联的不确定性级别。 由于预测越远越不可靠，因此界限通常会朝未来的方向变得更宽。 置信界限为所观察时间序列的未来行为提供相关洞察。

置信界限的计算基于观察数据的估算预测误差的总体方差、一个取决于指定模型的因子以及最后一个观察点中的步骤数。