需求预测-ppt课件.ppt

1、第六章 需求预测 Demand Forecasting本章内容本章内容第一节第一节 预测预测第二节第二节 定性预测方法定性预测方法第三节第三节 定量预测方法定量预测方法第三节第三节 预测误差及监控预测误差及监控1.1 1.1 预测及其种类预测及其种类1.2 1.2 影响需求预测的因素影响需求预测的因素1.3 1.3 预测分类预测分类1.4 1.4 预测的一般步骤预测的一般步骤1.5 1.5 预测中应该注意的问题预测中应该注意的问题第一节第一节 预测预测I see that you willget an A this semester.1.1 1.1 预测及其种类预测及其种类 预测是对未来可能发

2、生的情况的预计与推测。预测是对未来可能发生的情况的预计与推测。 作用作用“凡事预则立，不预则废凡事预则立，不预则废”。预测为人们提供了即将。预测为人们提供了即将发生的情况的信息，增加了成功的机会。发生的情况的信息，增加了成功的机会。但预测不是一门精确的科学，它是科学与艺术的结合。但预测不是一门精确的科学，它是科学与艺术的结合。预测离不开科学测定的数据，也离不开人们的经验和预测离不开科学测定的数据，也离不开人们的经验和判断。判断。不能因为预测的失误而否定预测。不能因为预测的失误而否定预测。 预测的基本假设：预测的基本假设：过去的发展状态要持续到将来过去的发展状态要持续到将来 对总量的预测要比对个

3、体的预测精确对总量的预测要比对个体的预测精确如每天从成都到北京旅客数量的预测，比预计某个如每天从成都到北京旅客数量的预测，比预计某个人将到何处出差要准确人将到何处出差要准确 预测精度随预测的时间范围增加而降低预测精度随预测的时间范围增加而降低1.1 1.1 预测及其种类预测及其种类( (续）续） 预测的作用预测的作用帮助管理者设计生产运作系统帮助管理者设计生产运作系统 生产什么产品，提供何种服务生产什么产品，提供何种服务 在何处建立生产在何处建立生产/ /服务设施服务设施 采用什么样的流程采用什么样的流程 供应链如何组织供应链如何组织帮助管理者对系统的使用进行计划帮助管理者对系统的使用进行计划

4、 今年生产什么，生产多少今年生产什么，生产多少 如何利用现有设施提供满意服务如何利用现有设施提供满意服务1.1预测及其种类预测及其种类( (续）续） 按性质分为按性质分为5 5种种科学预测科学预测 科学预测是对科学发展情况的预计与科学预测是对科学发展情况的预计与推测。如门捷列夫预计有推测。如门捷列夫预计有3 3个当时未发现的元素：个当时未发现的元素：亚铝、亚硼和亚硅。后来，发现了，是镓、钪和亚铝、亚硼和亚硅。后来，发现了，是镓、钪和锗。锗。技术预测技术预测 技术预测是对技术进步情况的预计与技术预测是对技术进步情况的预计与推测。推测。经济预测经济预测 政府部门以及其它一些社会组织经常政府部门以及

5、其它一些社会组织经常就未来的经济状况发表经济预测报告。就未来的经济状况发表经济预测报告。1.1预测及其种类预测及其种类( (续）续）社会预测社会预测 社会预测是对社会未来的发展状况的社会预测是对社会未来的发展状况的预计和推测。比如人口预测、人们生活方式变化预计和推测。比如人口预测、人们生活方式变化预测、环境状况预测等。预测、环境状况预测等。需求预测需求预测 需求预测为企业给出了产品在未来的需求预测为企业给出了产品在未来的一段时间里的需求期望水平一段时间里的需求期望水平, ,为企业的计划和控制为企业的计划和控制决策提供了依据。决策提供了依据。 需求预测需求预测与企业生产经营活动关系最密切。与企业

6、生产经营活动关系最密切。1.2 1.2 影响需求预测的因素影响需求预测的因素需求需求产品生命周期产品生命周期竞争者的行为竞争者的行为商业周期商业周期顾客偏好顾客偏好随机影响随机影响顾客的购买行顾客的购买行为为时间时间广告广告 推销努力推销努力 商业信誉商业信誉 产品或服产品或服务的设计务的设计 信用政策信用政策 产品质量产品质量 输入输入输出输出反馈反馈企业努力企业努力1.3 预测分类 按预测时间长短分按预测时间长短分长期预测长期预测(Long-range Forecast) (Long-range Forecast) 对对5 5年或年或5 5年以年以上的需求前景的预测。它是企业长期发展规划的

7、依据。上的需求前景的预测。它是企业长期发展规划的依据。中期预测中期预测(Intermediate-range Forecast) (Intermediate-range Forecast) 中期中期预测是指对一个季度以上两年以下的需求前景的预测。预测是指对一个季度以上两年以下的需求前景的预测。它是制订年度生产计划、季度生产计划的依据。它是制订年度生产计划、季度生产计划的依据。短期预测短期预测(Short-range Forecast) (Short-range Forecast) 短期预测是对短期预测是对一个季度以下的需求前景的预测。它是调整生产能力、一个季度以下的需求前景的预测。它是调整生产

8、能力、采购、安排生产作业计划等具体生产经营活动的依据采购、安排生产作业计划等具体生产经营活动的依据。1.3 预测分类（续） 按主客观因素所起的作用分按主客观因素所起的作用分 定性预测方法定性预测方法主观判断、不需要数学公式主观判断、不需要数学公式预测依据：各种主观意见预测依据：各种主观意见定量预测方法定量预测方法利用统计资料和数学模型进行预测利用统计资料和数学模型进行预测主观判断仍然重要主观判断仍然重要 预测预测方法方法定性定性预测预测方法方法定量定量预测预测方法方法德尔菲法德尔菲法部门主管讨论法部门主管讨论法用户调查法用户调查法销售人员意见汇集法销售人员意见汇集法因果模型因果模型时间序列时间

9、序列模型模型时间序列时间序列平滑模型平滑模型时间序列时间序列分解模型分解模型移动平均法移动平均法一次指数平滑法一次指数平滑法二次指数平滑法二次指数平滑法乘法模型乘法模型加法模型加法模型1.4 1.4 预测的一般步骤预测的一般步骤 1 确定预测的目的确定预测的目的 2 确定预测的时间范围确定预测的时间范围 3 选择预测的方法选择预测的方法 4 收集和分析数据收集和分析数据 5 准备预测准备预测 6 对预测进行监控对预测进行监控 “预测预测”1.5 1.5 预测中应该注意的几个问题预测中应该注意的几个问题 判断在预测中的作用判断在预测中的作用 基于销售的预测需要修正基于销售的预测需要修正 兼顾预测

10、精度和成本兼顾预测精度和成本 预测的时间范围和更新频率预测的时间范围和更新频率 稳定性与响应性稳定性与响应性预测方法的两个基本要求预测方法的两个基本要求稳定性：稳定性：抗拒随机干扰、反映稳定需求的能力。抗拒随机干扰、反映稳定需求的能力。适用适用于受随机因素影响大的预测问题。于受随机因素影响大的预测问题。响应性：响应性：迅速反映需求变化的能力，迅速反映需求变化的能力，适用于受随机因适用于受随机因素影响小的预测问题。素影响小的预测问题。第二节第二节 定性预测方法定性预测方法2.1 2.1 德尔菲（德尔菲（ Delphi Delphi ）法）法2.2 2.2 部门主管集体讨论法部门主管集体讨论法2.

11、3 2.3 用户期望调查法用户期望调查法2.4 2.4 销售人员意见汇集法销售人员意见汇集法2.1 德尔菲法（Delphi） 德尔菲法是美国兰德公司研究设计的，德尔菲法是美国兰德公司研究设计的，2020世纪世纪5050年代年代开始盛行于西方国家。德尔菲法的实质是利用专家的开始盛行于西方国家。德尔菲法的实质是利用专家的知识、经验、智慧等无法量化的带有很大模糊性的信知识、经验、智慧等无法量化的带有很大模糊性的信息，通过息，通过“背靠背背靠背”的方式进行信息的交换，逐步取的方式进行信息的交换，逐步取得较为一致的意见，达到预测的目的。得较为一致的意见，达到预测的目的。 德尔菲是古希腊的地名。相传希腊神

12、在此降伏妖龙，德尔菲是古希腊的地名。相传希腊神在此降伏妖龙，后人用德尔菲比喻神的高超预见能力。后来的不少预后人用德尔菲比喻神的高超预见能力。后来的不少预言家，都曾先后在此发表演说，提出种种预言。从此言家，都曾先后在此发表演说，提出种种预言。从此德尔菲就成为专家提出语言的名词。德尔菲就成为专家提出语言的名词。2.1 德尔菲法（Delphi）（续）第一轮：把调查表发给各个专家，要求他们对调查表中第一轮：把调查表发给各个专家，要求他们对调查表中提出的问题一一做出回答。在规定时间内专家意见收提出的问题一一做出回答。在规定时间内专家意见收回。回。第二轮：把第一轮收到的意见进行综合整理，第二轮：把第一轮收

13、到的意见进行综合整理，“反馈反馈”给每个专家，要求他们澄清自己的观点，提出更加明给每个专家，要求他们澄清自己的观点，提出更加明确的意见，要求专家回答。确的意见，要求专家回答。第三轮：把第二轮收到的意见进行整理，第三轮：把第二轮收到的意见进行整理，“再反馈再反馈”给给每个专家。每个专家。 2.1 德尔菲法（Delphi）（续） 这种反复征询意见的轮数，在我国一般是三轮到四轮，这种反复征询意见的轮数，在我国一般是三轮到四轮，外国一般用四轮至五轮。每一轮都把上轮的回答用统外国一般用四轮至五轮。每一轮都把上轮的回答用统计方法进行综合整理。计算出所有回答的平均数和离计方法进行综合整理。计算出所有回答的平

14、均数和离差，在下一轮中告诉各个专家。平均数一般用中位数，差，在下一轮中告诉各个专家。平均数一般用中位数，离差一般用全距或四分位数间距。离差一般用全距或四分位数间距。 该方法是避免该方法是避免“群体压力群体压力”现象的特点。也是定性现象的特点。也是定性/ /专家评价的好方法。专家评价的好方法。 2.2 部门主管集体讨论法 部门部门主管人员评判预测法就是集合企业内供销、生产、主管人员评判预测法就是集合企业内供销、生产、财务与市场研究等部门的业务主管人员，在假定的市财务与市场研究等部门的业务主管人员，在假定的市场环境和既定的销售策略下对一定时期内的销售期望场环境和既定的销售策略下对一定时期内的销售期

15、望值的预测。值的预测。 部门部门主管人员评判预测法的预测过程与销售人员意见主管人员评判预测法的预测过程与销售人员意见综合法相同。综合法相同。 部门部门主管人员评判预测法的主观性较显著，需要进行主管人员评判预测法的主观性较显著，需要进行不断的调整，以提高预测的准确性。不断的调整，以提高预测的准确性。 部门部门主管人员评判预测法适用于统计资料缺乏或者不主管人员评判预测法适用于统计资料缺乏或者不完全的短期与中期市场预测。完全的短期与中期市场预测。 实例分析实例分析部门部门主管主管人员人员销售预测值（百万元）销售预测值（百万元）期望期望值值预测预测人员人员权重权重预测值预测值（百万（百万元）元）乐观乐

16、观预测预测事件事件概率概率一一般般预预测测事事件件概概率率悲悲观观预预测测事事件件概概率率销售销售50500.30.335350.50.520200.20.236.536.50.40.438.5438.54财务财务48480.20.240400.60.630300.20.239.639.60.30.3市场市场45450.20.242420.50.534340.30.340.240.20.30.32.2 部门主管集体讨论法（续）2.3 用户期望调查法 销售人员通过信函、电话或访问的方式对现实或潜在销售人员通过信函、电话或访问的方式对现实或潜在的顾客进行调查，了解他们对与本企业产品相关的产的顾客进

17、行调查，了解他们对与本企业产品相关的产品及其特性的期望，再考虑本企业的可能市场占有率，品及其特性的期望，再考虑本企业的可能市场占有率，然后对各种信息进行综合处理，即可得到所需的预测然后对各种信息进行综合处理，即可得到所需的预测结果。结果。 当对新产品或缺乏销售记录的产品的需求进行预测时，当对新产品或缺乏销售记录的产品的需求进行预测时，使用该方法。使用该方法。2.4 销售人员意见汇集法 销售人员意见综合法是集合销售人员的预测方案，加销售人员意见综合法是集合销售人员的预测方案，加以归纳、分析、判断，确定企业的预测方案的一种预以归纳、分析、判断，确定企业的预测方案的一种预测方法。测方法。 销售人员意

18、见综合法首先由企业领导根据经营的需要，销售人员意见综合法首先由企业领导根据经营的需要，向全部销售人员介绍预测的市场形势，提供有关资料向全部销售人员介绍预测的市场形势，提供有关资料确定预测期限；然后销售人员根据企业要求提出各自确定预测期限；然后销售人员根据企业要求提出各自的预测方案；最后进行综合分析判断，确定企业的销的预测方案；最后进行综合分析判断，确定企业的销售预测值。售预测值。 销售人员意见综合法对短期市场预测效果较好。销售人员意见综合法对短期市场预测效果较好。 实例分析实例分析销售销售员员销售预测值（百万元）销售预测值（百万元）期望期望值值销售销售人员人员权重权重预测值预测值（百万（百万元

19、）元）乐观乐观预测预测事件事件概率概率一一般般预预测测事事件件概概率率悲悲观观预预测测事事件件概概率率1 118180.20.216160.50.514140.30.315.815.80.40.416.2216.222 221210.30.317170.60.615150.10.118.018.00.30.33 317170.20.215150.60.613130.20.215.015.00.30.32.4 销售人员意见汇集法（续）第三节第三节 定量预测方法定量预测方法 时间序列模型时间序列模型 时间序列平滑模型时间序列平滑模型 时间序列分解模型时间序列分解模型 因果关系模型因果关系模型 3.

20、1 时间序列的构成 3.2 时间序列平滑模型 3.3 时间序列分解模型 3.4 因果模型3.1 3.1 时间序列的构成时间序列的构成 时间序列时间序列是按一定的时间间隔和事件发生的先后顺是按一定的时间间隔和事件发生的先后顺序排列起来的数据构成的序列。序排列起来的数据构成的序列。 时间序列预测时间序列预测（Time Series ForecastsTime Series Forecasts）趋势成分（趋势成分（Trend Trend ）- - 数据长期变化趋势数据长期变化趋势季节性成分（季节性成分（SeasonalitySeasonality） - - 在一年内按通常的频在一年内按通常的频率围绕

21、趋势作上下有规则的波动率围绕趋势作上下有规则的波动不规则成分（不规则成分（Irregular variationsIrregular variations）- - 在较长时间在较长时间里围绕趋势作有规则波动（经济周期）里围绕趋势作有规则波动（经济周期）随机成分（随机成分（Random variationsRandom variations）- - 随机因素引起无随机因素引起无规则的波动规则的波动 趋 势 成 分 季 节 成 分 周 期 成 分 随 机 波 动 成 分 3.2 3.2 时间序列平滑模型时间序列平滑模型 当由于随机成分的影响而导致需求当由于随机成分的影响而导致需求偏离平均水平偏离平

22、均水平时，时，采用时间序列平滑模型。采用时间序列平滑模型。 移动平均法移动平均法 简单移动平均法简单移动平均法 加权移动平均法加权移动平均法 指数平滑法指数平滑法 一次指数平滑法一次指数平滑法 二次指数平滑法二次指数平滑法回顾：简单平均法一、原理：一、原理： 随机因素对数据的影响，通过对数据的平均或平滑随机因素对数据的影响，通过对数据的平均或平滑消除后，呈现出事物的本质规律。消除后，呈现出事物的本质规律。 算术平均法算术平均法 加权平均法加权平均法 几何平均法几何平均法二、简单平均法二、简单平均法1、算术平均法1 2 3 4 x t 注：当各期增长量基本相同时，也可借用（若线性增长率注：当各期

23、增长量基本相同时，也可借用（若线性增长率呈现水平变动规律）。呈现水平变动规律）。适用范围适用范围：短期的水平型数据模式。短期的水平型数据模式。nxxntin11n+1n+1期的的预测值期的的预测值 预测模型预测模型2、加权平均依据：不同时期的历史数据对未来的影响是不同的。依据：不同时期的历史数据对未来的影响是不同的。 特点：此法对上述事实有一个合理的处理。特点：此法对上述事实有一个合理的处理。 iw为权数，一般取自然数为多，且满足以下条件：为权数，一般取自然数为多，且满足以下条件： 121wwwwnnn1nx预测模型：预测模型： 适用范围适用范围：水平型数据模式水平型数据模式 算术平均法算术平

24、均法：1060 x 举例计算举例计算： 68.5910 x加权平均法：加权平均法：3 3月月4 4月月5 5月月6 6月月7 7月月8 8月月9 9月月6262616162625959575756566363iiix ww3、几何平均（1 1）概念：几何平均数是一个统计的概念，某一变量）概念：几何平均数是一个统计的概念，某一变量的几何平均值定义为：的几何平均值定义为：GX（2 2）特点：上式能很好地消除随机波动因素的影响，从而反）特点：上式能很好地消除随机波动因素的影响，从而反映总体发展水平，常用于描述经济发展平均速度。映总体发展水平，常用于描述经济发展平均速度。 12nnx xx123()(

25、)nnxx mxxm 计算平均发展速度（即几何平均值）计算平均发展速度（即几何平均值）v 预测预测1ny计算历年数据的环比速度计算历年数据的环比速度211yvy （3）预测步骤：设一组经济变量）预测步骤：设一组经济变量 ； 12,.ny yy预测预测1ny322yvy11nnnyvy1121nnv vv321121.nnnyyyyyy11nnyy.ny v11.nnnyyy移动平均法原理：原理：通过对历史数据的移动平均，消除随机因素影通过对历史数据的移动平均，消除随机因素影响，建立模型，进而预测。响，建立模型，进而预测。 简单移动平均法简单移动平均法（Simple moving average

26、，SMA）加权移动平均法加权移动平均法（Weighted moving average，WMA）移动平均法移动平均法1、简单移动平均法ninittAnSMA11)1(时间时间实销实销预测预测1 1月月A A1 12 2月月A A2 23 3月月A A3 3SMASMA3 34 4月月A A4 4SMASMA4 45 5月月A A5 5SMASMA5 5周周的的预预测测值值；第第1:1 tSMAt数；数；：移动平均采用的周期：移动平均采用的周期n周期的实际需求。周期的实际需求。为为iAi:本期的本期的预测值预测值是前是前N期期实际值实际值的平均的平均值值月份月份实际销量（百台）实际销量（百台）n

27、 n=3=3n n=4=41 120202 221213 323234 4242421.3321.335 5252522.6722.6721.7521.756 6272724.0024.0023.3323.337 7262625.3325.3324.7524.758 8252526.0026.0025.5025.509 9262626.0026.0025.7525.751010282825.6725.6726.0026.001111272726.3326.3326.2526.251212292927.0027.0026.5026.50 P81P81例例3.13.1ninittAnSMA11)1

28、(N N选择的选择的大 小 对大 小 对预 测 结预 测 结果 的 稳果 的 稳定 性 和定 性 和响 应 性响 应 性是 有 影是 有 影响的响的预测值与预测值与N N的选择的关系的选择的关系 预测值同简单移动平均所选的时段长预测值同简单移动平均所选的时段长n n有关。有关。 n n越大，对干扰的敏感性越低，预测的稳定性越好，越大，对干扰的敏感性越低，预测的稳定性越好，滞后性越强，响应性就越差。滞后性越强，响应性就越差。 原因是因为简单移动平均法对数据不分远近，同样原因是因为简单移动平均法对数据不分远近，同样对待。对待。 如果管理者追求稳定性，如果管理者追求稳定性，n n的值应该选择大一些；

29、如的值应该选择大一些；如果管理着的目标是体现响应性，则应选择小一点的果管理着的目标是体现响应性，则应选择小一点的n n。 为了反映最近的趋势，可采用加权移动平均。为了反映最近的趋势，可采用加权移动平均。ninittAnWMA11)1(2 2、加权移动平均法、加权移动平均法 加权移动平均值为：加权移动平均值为： n ,21为实际需求的权系数。为实际需求的权系数。本期的预本期的预测值是前测值是前N N 期 实 际期 实 际值的加权值的加权平均值平均值u简单移动平均的各元素权重都相等，而加权移动平均简单移动平均的各元素权重都相等，而加权移动平均的权重值可以不同。当然，其权重之和必须等于的权重值可以不

30、同。当然，其权重之和必须等于1 1。u权重的选择：权重的选择：u经验法和试算法是选择权重的最简单的方法。一般而经验法和试算法是选择权重的最简单的方法。一般而言，最近期的数据最能预示未来的情况，因而其权重应言，最近期的数据最能预示未来的情况，因而其权重应大些。但是，其需求是季节性的，故权重也应是季节性大些。但是，其需求是季节性的，故权重也应是季节性的，一般对季节性产品季节权重系数要大。由于加权移的，一般对季节性产品季节权重系数要大。由于加权移动平均能区别对待历史数据，因而在这方面要优于简单动平均能区别对待历史数据，因而在这方面要优于简单移动平均。移动平均。2 2、加权移动平均法、加权移动平均法月

31、份月份实际销量（百台）实际销量（百台）n n=3 =3 加权移动平均预测值加权移动平均预测值1 120202 221213 323234 42424(0.5(0.520+1.020+1.021+1.521+1.523)/3=21.8323)/3=21.835 52525(0.5(0.521+1.021+1.023+1.523+1.524)/3=23.1724)/3=23.176 6272724.3324.337 7262625.8325.838 8252526.1726.179 9262625.6725.671010282825.6725.671111272726.8326.831212292

32、927.1727.175 . 1,0 . 1,5 . 0321 例例P81P81 若对最近的数据赋予较大的权重，则预测数据与实际若对最近的数据赋予较大的权重，则预测数据与实际数据的差别较简单移动平均法的结果要小。数据的差别较简单移动平均法的结果要小。 近期数据的权重越大，则预测的稳定性就越差，响应近期数据的权重越大，则预测的稳定性就越差，响应性就越好。可以同时改变性就越好。可以同时改变n n和和。 权重和权重和n n的选择具有经验性。的选择具有经验性。 简单移动平均和加权移动平均需要的数据量大，计算简单移动平均和加权移动平均需要的数据量大，计算量非常大，当产品很多时计算工作繁重。量非常大，当产

33、品很多时计算工作繁重。05.1535. 01425. 0172 . 01615. 01305. 015X月份月份3 34 45 56 67 7客流量客流量( (万人次万人次) )15151313161617171414权重权重0.050.050.150.150.200.200.250.250.350.35指数平滑法 19591959年由美国学者布朗在年由美国学者布朗在库存管理的统计预库存管理的统计预测测一书中提出了指数平滑法。一书中提出了指数平滑法。 引言：移动平均法存在着以下引言：移动平均法存在着以下不足不足： 丢失历史数据。丢失历史数据。 对历史数据平等对待。对历史数据平等对待。一次指数平

34、滑法一次指数平滑法二次指数平滑法二次指数平滑法3 3、一次指数平滑法、一次指数平滑法tttSFASF)1 (1SFt+1为（为（t+1）期一次指数平滑预测值；）期一次指数平滑预测值；At为为t期实际值；期实际值；为平滑系数，它表示赋予实际数据的权重（为平滑系数，它表示赋予实际数据的权重（01）可以将上述公式中的可以将上述公式中的SFSFt t依次展开，得到书上依次展开，得到书上8282页式页式3.63.6，从，从而将第而将第t+1t+1期的预测值看作前期的预测值看作前t t期实测值的指数形式的加权和。期实测值的指数形式的加权和。t+1t+1预测值为第预测值为第t t期的实期的实际值和预测值的加

35、权和。际值和预测值的加权和。1)1 (tttSAaASA月份实际销售实际销售At（千元）（千元） 上月实际销上月实际销额（千元）额（千元） 0.4 At上月预测销上月预测销售（千元）售（千元） SF t（1-） 上上月预测销售月预测销售额额(1- )SFt本月平滑预本月平滑预测销售额测销售额（千元）（千元） SFt+1110112124116.610.63134.810.66.3611.164165.211.166.711.95196.411.97.1413.546237.613.548.1215.727269.215.729.4318.6383010.418.6311.1821.589281

36、221.5812.9524.95101811.224.9514.9726.1711167.226.1715.722.9012146.422.9013.7420.14P82P82例例3.2:3.2:某公司的月销售额预测，当某公司的月销售额预测，当=0.4=0.4， SFSF1 1=11=11时，用时，用一次指数平滑预测的结果。一次指数平滑预测的结果。tttSFASF)1(1月份实际销售实际销售At（千元）（千元） 上月实际上月实际销额（千元）销额（千元）上月预测销售（千元）（1-） 上上月预测销售月预测销售额额本月平滑预测销售额（千元）110112127113.310.303138.410.33

37、.0911.494169.111.493.4512.5551911.212.553.7714.9762313.314.974.4917.7972616.117.795.3421.4483018.221.446.4324.639282124.637.3928.39101819.628.398.5228.12111612.628.128.4421.04121411.221.046.3117.51P83P83例，表例，表3-43-4某公司的月销售额预测，当某公司的月销售额预测，当=0.7=0.7， SFSF1 1=11=11时，用一次指数时，用一次指数平滑预测的结果平滑预测的结果 用一次指数平滑法进

38、行预测，当出现趋势时，预测用一次指数平滑法进行预测，当出现趋势时，预测值之虽然可以描述实际值的变化形态，但预测值总值之虽然可以描述实际值的变化形态，但预测值总是是滞后于实际值滞后于实际值。 当出现趋势时，取当出现趋势时，取较大的较大的得到的预测值和实际值得到的预测值和实际值比较接近。比较接近。 一般来说，一般来说，选得小选得小一些，预测稳定性比较好；反一些，预测稳定性比较好；反之，其响应性就比较好。之，其响应性就比较好。加权因子 的确定经验估计法经验估计法 在在0 1内选择内选择 当数据为水平模式时，当数据为水平模式时，0.01 0.3；此时稳定性好一些；此时稳定性好一些 当数据为趋势模式时：

39、当数据为趋势模式时：0.6 0.9 ；此时跟随效果好一些；此时跟随效果好一些当当 大些，越近的历史数据对后期预测的作用越大，响应性越好大些，越近的历史数据对后期预测的作用越大，响应性越好 当数据为混合型模式时：当数据为混合型模式时：0.3 0.6 4、二次指数平滑法 面对面对有上升或下降趋势有上升或下降趋势的需求序列时，就要采取的需求序列时，就要采取二次二次指数平滑法进行预测。指数平滑法进行预测。 对于对于出现趋势并有季节性波动出现趋势并有季节性波动的情况，则要用的情况，则要用三三次次指数平滑法。指数平滑法。 Ft=SAt+Tt SAt =At+(1-)Ft Tt=(SAt-SAt-1)+(1

40、-)Tt-1本期的预测值本期的预测值= =本期平滑本期平滑平均值平均值+ +本期平滑趋势值本期平滑趋势值平滑系数平滑系数斜率偏差的斜率偏差的平滑系数平滑系数本期平滑平均值本期平滑平均值= =上期上期实际值与实际值与的积的积+ +上期上期预测值与预测值与(1-)(1-)的积的积本期平滑趋势值本期平滑趋势值=(=(本本期平滑平均值期平滑平均值- -上期平上期平滑平均值滑平均值) )与与的积的积+ +上期平滑趋势值与上期平滑趋势值与(1-(1-)的积的积tAtAt(1-）FtSAt（SAt-SAt-1)(1-(1-)Tt-1TtTtFtFt实际销售值平滑系数与实际值的积(1-）与上次与上次预测值预测

41、值的积的积平滑平均值本月预测值=+=+=+11.0011.000.800.8011.8011.801 110.0010.004.004.007.087.0811.0811.080.040.040.400.400.440.4411.5211.522 212.0012.004.804.806.916.9111.7111.710.320.320.220.220.540.5412.2512.253 313.0013.005.205.207.357.3512.5512.550.420.420.270.270.690.6913.2413.244 416.0016.006.406.407.947.9414.

42、3414.340.900.900.340.341.241.2415.5815.585 519.0019.007.607.609.359.3516.9516.951.301.300.620.621.921.9218.8718.876 623.0023.009.209.2011.3211.3220.5220.521.791.790.960.962.752.7523.2723.277 726.0026.0010.4010.4013.9613.9624.3624.361.921.921.371.373.293.2927.6627.668 830.0030.0012.0012.0016.5916.592

43、8.5928.592.122.121.651.653.763.7632.3632.369 928.0028.0011.2011.2019.4119.4130.6130.611.011.011.881.882.892.8933.5133.51101018.0018.007.207.2020.1020.1027.3027.301.661.661.451.450.210.2127.0927.09111116.0016.006.406.4016.2616.2622.6622.662.322.320.100.102.432.4320.2320.23121214.0014.005.605.6012.141

44、2.1417.7417.742.462.461.211.213.673.6714.0614.06三、时间分解模型-解决季节性预测问题(Seasonal variations) 常用季节性预测模型常用季节性预测模型加法模型加法模型(Additive Model)(Additive Model) TF=T+S+C+I TF=T+S+C+I 乘法模型乘法模型(Multiplicative model)(Multiplicative model) TF=T.S.C.I TF=T.S.C.I 式中，式中，TFTF为时间序列的预测值；为时间序列的预测值；T T为趋势成分；为趋势成分；S S为季节成为季节成

45、分；分；C C为周期性变化成分；为周期性变化成分；I I为不规则的波动成分。为不规则的波动成分。 乘法模型比较通用乘法模型比较通用。图37 几种可能的时间序列类型 例例3.4 3.4 表表3 36 6是某旅游服务点过去是某旅游服务点过去3 3年各季度快餐的年各季度快餐的销售记录。试预测该公司未来一年各季度的销售量。销售记录。试预测该公司未来一年各季度的销售量。表36 某旅游服务点过去3年快餐销售记录解：求解可分三步进行。解：求解可分三步进行。 （1 1）求趋势直线方程）求趋势直线方程 首先根据表首先根据表3 36 6给出的数据绘出曲线图形（图给出的数据绘出曲线图形（图3 38 8），），然后用

46、简单移动平均法求出然后用简单移动平均法求出4 4个季度的平均值，将它们标在个季度的平均值，将它们标在图上（圆圈）。图上（圆圈）。图38 快餐销售情况 l为求趋势直线，可采用最小二乘法。为简单起见，这为求趋势直线，可采用最小二乘法。为简单起见，这里采用目测法。它与里采用目测法。它与y y轴的截距为轴的截距为a a，这里，这里a=10000a=10000（份）。（份）。l在在 t t1212时，趋势直线上的销售量为时，趋势直线上的销售量为1200012000份。故份。故 b b的值为的值为 b= b=（12 00012 00010 00010 000）12 = 16712 = 167l由此得到趋势

47、直线方程为由此得到趋势直线方程为 T Tt t 10 000 10 000167t167tl所谓季节系数（所谓季节系数（Seasonal indexSeasonal index，SISI）就是实际值）就是实际值A At t与趋势值与趋势值T Tt t的比值的平均值。的比值的平均值。l例如对季度例如对季度1 1，A A1 1T T1 1 = 11800= 1180010167 = 110167 = 11616。l类似地，可以求出各个季度的类似地，可以求出各个季度的 A At tT Tt t，如表，如表 3 37 7所示。所示。表37 AtTt计算表 由于季节由于季节1 1、5 5、9 9都是夏季

48、，应求出它们的平均值作都是夏季，应求出它们的平均值作为季节系数：为季节系数： SI SI（夏）（夏）= =（A A1 1T T1 1 A A5 5T T5 5 A A9 9T T9 9）/ 3 =/ 3 =（1 11616 1 11313 1 11616）3= 13= 11515 同样可得：同样可得： SISI（秋）（秋）=1=10000SISI（冬）（冬）=0=08585SISI（春）（春）=1=100 00 （3 3）预测）预测 该旅游点未来一年的夏秋冬春各季对应的该旅游点未来一年的夏秋冬春各季对应的t t值分别为值分别为1313，1414，1515，1616，对应的季节系数分别为，对应的

49、季节系数分别为SISI（夏），（夏），SISI（秋），（秋），SISI（冬），（冬），SI SI （春）（春） 。 夏季：（夏季：（10 00010 0001671671313）l l15= 13 99715= 13 997（份）（份） 秋季：（秋季：（10 00010 0001671671414）l l00= 12 33800= 12 338（份）（份） 冬季：（冬季：（l 0 000l 0 0001671671515）0 085= 10 62985= 10 629（份）（份） 春季：（春季：（l 0 000l 0 0001671671616）l l00= 12 67200= 12 672（

50、份）（份） 四、因果模型 因果模型分为回归模型、经济计量模型、投入产出模因果模型分为回归模型、经济计量模型、投入产出模型等。型等。 一元线性回归模型可用下式表达：一元线性回归模型可用下式表达：Y YT T = a + bx = a + bx Y YT T 一元线性回归预测值一元线性回归预测值 a a 截距截距 b b 斜率斜率3.3 3.3 定量预测方法（续）定量预测方法（续） 一元线性回归模型一元线性回归模型 Yt 一元线性回归预测值； a 截距 b 斜率.Yt = a + bx0 1 2 3 4 5 tY 式中：式中：Y YT T为一元线性回归预测值；为一元线性回归预测值；a a为截距，为