[发明专利]一种基于季节性时间序列的企业开票金额预测方法

权利要求书

1.一种基于季节性时间序列的企业开票金额预测方法，其特征在于，包括如下步骤：

(1)获取待预测企业的历史相关信息，包括企业的开票日期、状态以及开票金额；对获取的数据进行清洗与整合，形成周期性数据；

(2)根据整合的周期性数据，计算开票数据的移动平均指标，指标包含四项移动平均值和中心化移动平均值；

(3)根据中心移动平均值，计算周期性季节指数；

(4)根据周期性季节指数，去除季节性因素，建立长期趋势模型；

(5)根据周期性季节指数与长期趋势模型，对企业的季度开票金额进行预测。

2.根据权利要求1所述的一种基于季节性时间序列的企业开票金额预测方法，其特征在于，步骤(1)中，清洗作废、重复的数据，将开票数据按照自然季度分组统计季度开票金额，记为y_(t)，t为自然季度序号。

3.根据权利要求2所述的一种基于季节性时间序列的企业开票金额预测方法，其特征在于，步骤(2)中，四项移动平均值的计算公式如下：

中心化移动平均值的计算公式如下：

4.根据权利要求3所述的一种基于季节性时间序列的企业开票金额预测方法，其特征在于，步骤(3)中，周期性季节指数的计算方法如下：

首先，计算各年同季观察值的平均数A_(i)：

其中，N为统计的年度数量，i为自然季度序号，Dataium(i)表示第i季度有观察值的年度数量；

TC(n，i)表示第n年第i季度的中心化移动平均值，将TC_(t)转化为TC_(n，i)，下标对应公式为：

t＝4*(n-1)+i

其次，计算历年间所有季度的平均值B：

B＝y₍₁₎+y₍₂₎+…+y_(t-1)+y_(t)/t

最后，计算周期性季节指数S_(i)，公式如下：

5.根据权利要求4所述的一种基于季节性时间序列的企业开票金额预测方法，其特征在于，步骤(4)的具体方法如下：

首先，获得去除季节性因素的数据：

T_(t)＝y_(t)/S_(i)

T_(t)表示第t季度去除季节性因素的开票数据，y_(t)表示第t季度的开票数据，S_(i)表示周期性季节指数；

然后，用季度时间周期t和第t季度去除季节性因素的开票数据T_(t)作为模型的训练数据，采用线性回归分析方法，建立一元线性回归模型方程：

T_(t)＝β₀+β₁t

其中，β₀和β₁为模型回归系数；

最后，利用训练数据对模型进行训练，得到模型回归系数β₀和β₁，并对建立的模型进行显著性指标P值检验，查看模型拟合效果，当P值小于0.05时，即认为模型合格。

6.根据权利要求5所述的一种基于季节性时间序列的企业开票金额预测方法，其特征在于，步骤(5)的具体方法如下：

根据季节性指数S_(i)与长期趋势T_(t)建立预测模型，对第t季度的开票金额进行预测，公式如下：