1、u定性预测法u时间序列预测法u曲线趋势预测法u季节变动预测法u回归分析预测法移动平均法指数平滑法不变季节指数预测法可变、多季节指数预测定性预测法定性预测法 定性预测是指根据已掌握的历史资料和直观材料，运用个人的经验和分析判断能力，对事物的未来发展做出性质和程度上的判断，然后，再通过一定形式综合各方面的意见，作为预测未来的主要依据。适用于重大问题或缺乏原式数据的预测。其预测准确程度主要取决于预测者的经验、理论、业务水平和分析判断能力。定性预测法定性预测法原理原理 1、平均值法是根据两组分解物质的某种平均值来判断两物质范围的解题方法。 2、比重系数法是根据各个因素对结果影响的比重进行加权平均来预测
2、结果的方法。 3、中位值法是以一组数据的中间数据来预测结果的方法。 定性预测法定性预测法某公司研制出一种新兴产品，现在市场上还没有相似产品出现，因此没有历某公司研制出一种新兴产品，现在市场上还没有相似产品出现，因此没有历史数据可以获得。公司需要对可能的销售量做出预测，以决定敞亮。于是该史数据可以获得。公司需要对可能的销售量做出预测，以决定敞亮。于是该公司成立专家小组，并聘请业务经理、市场专家和销售人员等公司成立专家小组，并聘请业务经理、市场专家和销售人员等8 8为专家，预测为专家，预测全年可能的销售量。全年可能的销售量。8 8为专家提出个人判断，经过三次反馈得到结果如下表所为专家提出个人判断，
3、经过三次反馈得到结果如下表所示。示。 专家专家编号编号第一次判断第一次判断第二次判断第二次判断第三次判断第三次判断最低销售量最可能销售量最高销售量最低销售量最可能销售量最高销售量最低销售量最可能销售量最高销售量150075090060075090055075090022004506003005006504005006503400600800500700800500700800475090015006007501500500600125051002003502204005003005006006300500750300500750300600750725030040025040050040050
4、06008260300500350400600370410610定性预测法定性预测法操作步骤操作步骤 【平均值法】【平均值法】输入给定的数据设置“E13”单元格的内容为“=AVERAGE（H3:H10）”将“E13”单元格的内容复制到“F13”和“G13”单元格。设置“I13”单元格的内容为“= AVERAGE（E13: G13）” 【比重系数法】【比重系数法】假设最可能销售量、最低销售量和最高销售量比重分别是0.5、0.2和0.3，则可以设置“I15”单元格内容为“=SUMPRODUCT（E13：G13,E15：G15）”，即“= E13* E15+F13*F15+ G13* G15” 之之
5、 平均值法平均值法 比重系数法比重系数法定性预测法定性预测法操作步骤操作步骤 设置“E17”单元格的内容为“=MEDIAN（H3：H10）将“E17”单元格的内容复制到“F17”和“G17”单元格采用比重系数法中对最可能销售量、最低销售量和最高销售量比重的设置，设置“I17”单元格的内容为“=SUMPRODUCT（E15：G15,E17：G17）”，即“= E15* E17+F13*F17+ G15* G17” 之之 中位值法中位值法定性预测法定性预测法时间序列预测法时间序列预测法 时间序列是将某种统计指标的数值，按时间先后顺序排到所形成的数列。 时间序列预测法就是通过编制和分析时间序列，根据
6、时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平。 之之 移动平均法移动平均法原理原理 1、一次移动平均法是指将观察期的数据由远而近按一定跨越期进行一次移动平均，以最后一个移动平均值为确定预测值的依据的一种预测方法。 2、二次移动平均法，是对一次移动平均数再进行第二次移动平均，再以一次移动平均值和二次移动平均值为基础建立预测模型，计算预测值的方法。时间序列预测法时间序列预测法 之之 移动平均法移动平均法操作步骤操作步骤 （以以“一次移动平均法一次移动平均法”为例）为例）某商场某商场20052005年年112112月份彩电的销售数据如表所示
7、，预月份彩电的销售数据如表所示，预测测20062006年年1 1月销售额，单位：万元月销售额，单位：万元点击EXCEL菜单栏中【工具】菜单下的子菜单【数据分析】；打开“数据分析”对话框；从“分析工具”列表中选择“移动平均”，点击【确定】按钮。 时间序列预测法时间序列预测法月份月份123456789101112销售额 25.528.1 25 27.5 23.5 21.9 23.8 24.5262528.1 25 之之 移动平均法移动平均法在“移动平均”对话框“输入区域”选择原始数据所在的单元格区域“C2：C13”，“间隔”中输入“3”，“输入区域”选择单元格“E2”，同时选择“图标输出”和“标准
8、误差”复选框，点击确定按钮。此时，单元格“E13”给出了一次移动平均的预测值，单元格区域“F6：F13”给出了预测的标准差，实际值以及一次移动平均法预测值同时以图表形式给出。 时间序列预测法时间序列预测法 之之 指数平滑法指数平滑法分类 1、一次指数平滑法 2、二次指数平滑法 3、三次指数平滑法 4、霍尔特双参数现行指数平滑法时间序列预测法时间序列预测法 之之 指数平滑法指数平滑法操作步骤操作步骤 （以（以“一次指数平滑法一次指数平滑法”为例）为例）下表为下表为19801980某地区平板玻璃月产量数据，运用一次指某地区平板玻璃月产量数据，运用一次指数平滑法对数平滑法对19811981年年1 1
9、月份该地区平板玻璃月产量进行预月份该地区平板玻璃月产量进行预测（取测（取a=0.3,0.5,0.7a=0.3,0.5,0.7），并计算军方误差。选择使均），并计算军方误差。选择使均方误差最小的方误差最小的a a进行预测。进行预测。 单位：单位：t t时间序列预测法时间序列预测法时间时间1980.011980.021980.031980.041980.051980.06产量203.8214.1229.9223.7220.7198.4时间1980.071980.081980.091980.101980.111980.12产量207.8228.5206.5226.8247.8259.5 之之 指数平
10、滑法指数平滑法点击EXCEL菜单栏中【工具】菜单下面的子菜单【数据分析】；打开“数据分析”对话框；从“分析工具”列表中选择“指数平滑”，点击【确定】按钮。在“移动平均”对话框“输入区域”选择原始数据所在的单元格区域“C2：C13”，“阻尼系数”中输入“0.3”，表示平滑系数a=0.3，“输,出区域”选择单元格“E2”，同时选择“图标输出”和“标准误差”复选框，点击确定按钮。时间序列预测法时间序列预测法 之之 指数平滑法指数平滑法时间序列预测法时间序列预测法此时，单元格“E13”给出了一次指数平滑的预测值，单元格区域“F6：F13”给出了预测的标准差，实际值以及一次指数平滑法预测值同时以图表形式
11、给出。曲线趋势预测法曲线趋势预测法 曲线趋势预测法是利用曲线趋势模型进行预测的方法,常用的曲线趋势模型有抛物线和简单指数两种.当时间序列在长时期内呈现连续的不断增长或减少的变动趋势,其逐期增长量又大致相同时,使用直线趋势模型进行预测为宜;如果时间序列的二级增长量大体相同,使用抛物线趋势模型进行预测为宜;当时间序列的环比发展速度或环比增长速度大体相同时,使用指数趋势模型进行预测为宜.曲线趋势预测法曲线趋势预测法分类分类 1、二次线性/多项式模型预测 2、指数曲线模型 曲线趋势预测法曲线趋势预测法 之之 二次线性二次线性/多项式多项式 模型预测模型预测操作步骤操作步骤 已知某商店某种产品销售量如下
12、表所示。试预测已知某商店某种产品销售量如下表所示。试预测20052005年该产品的销售量。比较符合的模型有二次曲线和指年该产品的销售量。比较符合的模型有二次曲线和指数曲线模型，但无法确定那一个模型能更好拟合该曲数曲线模型，但无法确定那一个模型能更好拟合该曲线。线。产品生产表产品生产表 年份年份199619971998199920002001200220032004销售量10182530.535384039.538曲线趋势预测法曲线趋势预测法绘制产品销售量的“XY散点图”。从散点图可以看出，比较符合的模型有二次曲线和指数曲线模型，但无法确定那一个模型能更好拟合该曲线。下面以二次型为例进行参数拟合
13、。应用公式 计算数据的二阶差分，即单元格“C3”内容为“=B3-B2”，单元格“D4”的内容为“=C4-C3”从二阶差分数据来看，多数二阶差分数据为-1和-1.5，由此判断可以使用二次线性模型进行预测。设定时间值为-44，从而使得 ， 。 之之 二次线性二次线性/多项式多项式 模型预测模型预测1122tttttyyyyyy440tt4340tt曲线趋势预测法曲线趋势预测法因此，二次线性模型的参数估计公式可以简化为分别计算 ， ， ， ， 的值，将结果代入（1）中，得 （2） 之之 二次线性二次线性/多项式多项式 模型预测模型预测4420244442144444224024449()tttttt
14、ttttybbttybtt ybtbt 44tty424tt44ttty424()ttt y444tt0210227496021460161460708bbbbb曲线趋势预测法曲线趋势预测法计算公式（2），得到参数： ， ， 。将参数 ， ， 代入公式 ，得到各年份预测值。计算预测误差平方。计算2005年预测数据为35.6186. 之之 二次线性二次线性/多项式多项式 模型预测模型预测035.0479b 13.5667b 20.6905b 0b1b2b2012tybbtb t季节变动预测法季节变动预测法 季节变动预测法又称季节周期法、季节指数法、季节变动趋势预测法，季节变动预测法是对包含季节波
15、动的时间序列进行的方法。要研究这种方法，就要研究时间序列的变动。季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法分类分类 1、自相关系数法 2、方差分析法 3、简单季节预测法 4、Winters指数平滑预测法 5、趋势比率法 6、Holt-Winters指数平滑法季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法操作步骤操作步骤 （以以“自相关系数法自相关系数法”与与“方差分析法方差分析法”为例）试采用自相关系数判断法判断下表的时间序列为例）试采用自相关系数判断法判断下表的时间序列是否存在季节变动的影响。是否存在季节变动的影响。 时间时间1234567
16、8数据11253171224309时间910111213141516数据132632810273110季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法输入给定的数据，并输入其滞后1期的时间序列。 点击excel软件菜单中【工具】菜单下面的子菜单【数据分析】，打开“数据分析”对话框，从“分析工具”列表中选择“相关系统”，并点击确定按钮。在打开的“相关系数”对话框中，“输入区域”选择单元格区域，“输出区域”，并指定“分组方式”为“逐列”，点击确定按钮。季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法此时已给出时间序列与其滞后1期所形成的时间序列的相关系数
17、计算值为-0.112998。重复上述操作，计算该时间序列与其滞后28期的时间序列的相关系数值。绘制时间序列自相关系数的散点图。从图中可以看出，时间序列与其滞后2期，6期的时间序列相关系数取负值，且绝对值很大；与滞后4期，8期的时间序列相关系数值取正值，且值很大。由此可以判断，该时间序列存在季节变动，且季节长度为4。季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法操作步骤操作步骤 （以以“方差分析法方差分析法”为例）为例）应用一次线性模型消除时间序列数据中的趋势数据，即绘制时间序列的“XY散点图”，然后通过添加趋势线的方式获得一次线性模型的模型方程以及趋势预测值。用各期的时
18、间序列值除以其趋势预测值，得到季节指数的估计值。假定季节长度L=4，因此将估计值分为4组，每组数据只包含同“季节”的数据。 季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法点击excel软件菜单栏中的【工具】菜单下面的子菜单【数据分析】。在打开的“数据分析”对话框，选择“方差分析：单因素方差分析”，点击确定按钮。在“方差分析：单因素方差分析”对话框中，“输入区域”选择分组后的季节指数值数据区域，并且指定分组方式为“列”分组。指定输出区域后，点击确定按钮。 季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法从方差分析所得结果可知，组件差异平方和为3.85
19、09，组内差异平方和为0.0389，总差异平方和为3.8898。因此得到F统计量计算值为396.2625。而F分布表给出的F临界值为3.4903。因为计算得到的F统计量大于F统计量的临界值，所以各组数据的均值有显著差异，即可认为季节影响存在，季节长度为4。 季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法1.计算时间序列值的平均值作为趋势的估计 值；2.剔除趋势，即用各期时间序列值除以平均值，得出季节指数值（注意：此处需要采用绝对引用的方式）；3.由于表6-1所示数据具有季节长度为4的季节变动，因此，对同季节的季节指数值求平均值；4.应用公式 计算未来一年的数据，如第一季
20、度的预测值为“=F3*$B$19”,如下图所示。(1,2, )tyysL季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法1.首先，应用公式 计算Winters指数平滑预测法的初始值；2.应用公式 计算Winters指数平滑预测法的初始值；3.应用公式 计算Winters指数平滑预测法的初始值；4.应用公式 计算Winters指数平滑预测法的初始值；1/LLiiTyL/iiLSyT1/LLiiTyL/iiLSyT季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法5.应用公式 计算预测值
21、；6.复制单元格内容，得到各时间点上的平滑值；7.复制单元格内容，得到未来一个周期内的预测值；8.根据公式 ，将“E9”单元格中的内容设置为“=$C$9*D6”，并复制到单元格“E10:E13”。依此类推，得到后续的预测值；9.计算百分比误差，得到预测精度指标MAPE值；10.复制单元格内容，得到未来一个周期的预测值。LtLtyT S LtLtyT S 季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法1.绘制时间序列的“XY散点图”，并通过添加趋线的方式得到趋势线方程；2.根据趋势线方程，得到各时间点的趋势值；3.剔除趋势，即用各期时间序列值除以趋势值；4.初步估计季节指
22、数值：对同季节的季节指数值求平均值；5.最终估计季节指数，即用公式 计算最终季节指数；11,LiiiiSSS SLS季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法6.根据趋势季节月模型公式 ，得到各 期的预测值；7.计算相对百分比误差，从而得到预测精度指标 MAPE值；8.利用趋势线方程得到利润额的趋势值；9.根据季节预测模型得到利润额的预测值。()ttyabt S季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法1.利用前两个周期的数据获得初始值，设变量，表示第一个周期和第二个周期各数据的平均值，即 ， ；2.初始值可以利用公式 得到；3.初始值可
23、以利用公式 得到；4.初始值可以利用公式 得到；5.应用公式 计算得到下一期的值；111LiiAyL2211Lii LAyL 21LAAbL(1, )(1)iiLLySiLTLb112LLLTAb11(1)()ttttt LyTTbS季节变动预测法季节变动预测法之之 不变季节指数预测法不变季节指数预测法6.应用公式 计算得到下一期的的值；7.应用公式 计算得到下一期的的值；8.复制单元格内容，得到逐期 ， ， 值；9.应用公式 得到各期的预测值。 11()(1)ttttbTTb(1)ttt LtySSTtTtbtS()tttLtyTbS 季节变动预测法季节变动预测法之之 可变多季节季节指数预测
24、可变多季节季节指数预测分类分类 1、可变季节指数预测法2、双季节指数预测法 季节变动预测法季节变动预测法之之 可变多季节季节指数预测可变多季节季节指数预测操作步骤操作步骤 （以以“可变季节指数预测法可变季节指数预测法”为例）为例）根据下表中的数据，根据下表中的数据，试采用可变季节指数预测法预测试采用可变季节指数预测法预测20062006年各季度的市场销售量。年各季度的市场销售量。 年份年份19981999季度12341234销售量2.3593.0532.5261.9822.6933.4512.9092.049年份20002001季度12341234销售量2.8613.7933.1602.166
25、3.1334.1473.4942.406年份20022003季度12341234销售量3.4074.5863.7812.7383.5785.2444.1042.907年份 2004 2005季度12341234销售量3.9345.6324.4883.1134.3176.3714.9383.306季节变动预测法季节变动预测法之之 可变多季节季节指数预测可变多季节季节指数预测绘制时间序列的“XY散点图”，并通过添加趋势线的方式获得时间序列的线性趋势方程，利用该方程计算各期的长期趋势值。剔除趋势，得到季节指数的估计值；将相同季节的数据放在一起，绘制其“XY散点图”。从散点图可以看出，同一季节的季节指
26、数具有一定的变化趋势。因此，针对同一季节的季节指数采用线性模型进行趋势拟合。 季节变动预测法季节变动预测法之之 可变多季节季节指数预测可变多季节季节指数预测由各季节指数的趋势线得到2006年各季节指数预测值。由原始数据的趋势方程得到2006年的趋势预测值。应用趋势季节预测模型进行预测。 回归分析预测法回归分析预测法 回归分析预测法，是在分析市场现象自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型，根据变量在预测期的数量变化来预测因变量关系大多表现为相关关系，因此，当我们在对市场现象未来发展状况和水平进行预测是，如果能将影响市场预测对象的主要因素找到，并且能够
27、取得其数量资料，就可以采用回归分析预测法进行预测。它是一种具体的、行之有效的、使用价值很高的常用市场预测方法。回归分析预测法回归分析预测法分类分类 1、一元线性回归分析预测法 2、多远线性回归分析预测法3、非线性回归分析预测法 回归分析预测法回归分析预测法操作步骤操作步骤 （以一元线性回归分析预测法为例）（以一元线性回归分析预测法为例）某饮料公司发现，饮料的销售量与气温之间存在相关关系，即某饮料公司发现，饮料的销售量与气温之间存在相关关系，即气温越高，人们对饮料的需求量就越大。气温越高，人们对饮料的需求量就越大。饮料销售量与气温关系表饮料销售量与气温关系表气温气温/30213542372081
28、73525销售量/万箱430335520490470210195270400480回归分析预测法回归分析预测法点击Excel软件菜单栏中【工具】菜单下面的子菜单【数据分析】，打开“数据分析”对话框，在“分析工具”中选择“回归”，点击【确定】按钮。在“回归”对话框中，“Y值输入区域”选择销售量数据所在单元格区域，表示模型中因变量为“销售量”；“X值输入区域”选择气温数据所在单元格区域，表示模型中自变量为“气温”。 回归分析预测法回归分析预测法选中“置信度”复选框，并设定置信度为95%，表示F检验中显著性水平 ；设定“输出区域”，并选中“残差”中的各个选项。点击【确定】按钮。从图中可以看到，一元线
29、性回归法计算得到的相关系数（“Multiple R”）为0.8594；可决系数/判定系数（“R Square”）值为0.7385.回归分析预测法回归分析预测法由于一元线性回归中自变量个数为1，因此计算得到的调整后的判定系数（“Adjust R Square”）为0.7058；标准误差值为65.1734；数据项个数（“观测值”）为10个。回归分析预测法回归分析预测法从图中的“方差分析”可以看出，回归平方和（“SS”）为95969.3923，其自由度（“df”）为1,；残差平方和为33980.6077，自由度为8；由此计算得到的F检验值为22.5939，远远大于临界值（“Significance
30、F”）0.001439。从图中的表格项“Coefficients”可知，应用公式可以计算得到一元线性回归模型参数的最小二乘估计量 =9.7381（“X Variable 1”）， =117.0702（“Intercept”）。并且应用公式可以计算得到 的t参数统计计算值为4.7533。回归分析预测法回归分析预测法从图中的“RESIDUAL OUTPUT”可以得到采用一元线性回归模型计算得到的各期预测值，以及预测值与真实值之间的残差和标准残差。Excel软件的“回归”分析不能直接计算得到D-W统计量，因此需要自行完成。应用公式可以得到D-W统计值为1.9380。如下图，回归分析预测法回归分析预测法参看：经济预测与决策实验教程
