自考-市场调查与预测-第9章-市场预测方法讲述.ppt

* （四）时间序列分析法预测步骤 首先，应绘制历史数据曲线图，确定其趋势变动类型； 其次，根据历史资料的趋势变动类型以及预测的目的与期限，选定具体的预测方法，并进行模拟、运算； 最后，将量的分析与质的分析相结合，确定市场未来发展趋势的预测值 * 二、直线趋势预测法 （一）算术平均数法 1、简单算术平均数法 * 2、加权算术平均数法 3、几何平均法 * （二）移动平均数法 移动平均法是将观察期内的数据由远及近按一定跨越期进行平均，随着观察期的“逐期推移”，观察期内的数据也随之向前移动，每向前移动一期，就去掉最前面一期的数据，而新增继原来观察期之后的那一期的数据，以保证跨越期不变，然后逐个求出其算术平均数，并将预测期最近的那一个平均数作为预测值。 * 1、简单移动平均法 2、加权移动平均法 三、指数平滑预测法 指数平滑法是根据定出的平滑系数计算出指数平滑值进行市场预测的方法。指数平滑法实质是全部历史数据的加权平均数，一般用于观察期具有长期趋势变动和周期性变动的预测。 指数平滑法包括一次指数平滑法、二次指数平滑法和多次（三次以上）指数平滑法。一次指数平滑法适用于水平型变动的时间序列预测，二次指数平滑法适用于线性趋势型变动的时间序列预测，多次指数平滑法适用于非线性趋势变动的时间序列预测。 （一）一次指数平滑法 一次指数平滑法是以计算出来的最后一个一次指数平滑值为基础，确定预测值的方法。 一次指数平滑法的公式为： 应用一次指数平滑法进行预测，平滑系数 选择很关键， 的取值不同，预测结果就不同。一般有三个原则： 一是对于有较明显趋势变动的时间序列，平滑系数 应取较大值，即 ＞0.6，主要是为了突出近期数据对预测值的影响。 二是对水平型的时间序列，平滑系数 应取较小值，即 ＜0.3。因为水平型的数据，变动趋势不明显，随机因素多，因此， 应取较小值。 三是对于介于上述两者之间的时间序列，平滑系数 应取中间值，即0.3≦ ≦0.6。 初始值的确定： 一般情况下，当时间序列的数据资料较多时，如 n≧10，这时初始值对以后预测值的影响甚小，可直接选用第一期实际观察值作为初始值； 反之，如果时间序列的数据资料较少，如n＜10，则因初始值对以后预测值的影响较大，这时一般采用最初几期的实际值的算术平均数作为初始值。 举一具体例子说明一次指数平滑法的应用。 例如：某企业近10个季度销售洗发水资料如下表，请用一次指数平滑法预测下季度洗发水销售量。 分析：具体步骤如下： 第一步：确定平滑系数 ，本例取 。 第二步：确定初始平滑值St(1) 由于本例n=10,故初始值取50。 第三步：依次计算一次指数平滑值。 当 （二）二次指数平滑法 二次指数平滑法是在一次指数平滑的基础上再做一次指数平滑，运用二次指数平滑值建立的数学模型进行预测的方法。 二次指数平滑公式为： 二次指数平滑法预测的数学模型为： 式中： 四、趋势外推预测法 利用时间数列所具有的直线或曲线趋势，根据预测对象和时间之间的对应关系进行预测。 如： 直线方差 二次曲线方程 三次曲线方程 指数曲线方程 * * （二）移动平均趋势剔除法 移动平均趋势剔除法是运用12个月（4季）的移动平均数，计算出一个既能消除长期趋势，又消除不规则变动，能够比较正确地反映季节变动的季节指数，然后，利用这个季节指数，求得分月预测值的预测方法。 五、季节指数预测法 季节指数是一种以相对数表示的季节变动衡量指标。因为只根据一年或两年的历史数据计算而得到的季节变动指标往往含有很大的随机波动因素，故在实际预测中通常需要掌握和运用三年以上的分季历史数据。 如果以年为间隔期的历史数据是水平型的，季节指数的计算公式则为： 如果以年为间隔期的历史数据资料的趋势型的，则季节指数的计算公式为： 预测值=上年的月（季）平均数×各月（季）季节指数 例如，某家电商场2002年~2004年某夏季商品的各月销售量资料如表所示，试预测2005年各月的销售量。 平均数比率计算表 * 移动平均趋势剔除法具体预测步骤： 1、计算12个月的移动总数； 2、计算12个月移动平均数，修匀后的序列就是消除了随机变动的长期趋势； 3、计算移动平均系数； 4、计算季节指数； * 5、利用季节指数消除原时间序列的季节影响，并用最小二乘法对消除了季节影响的时间序列拟合直线趋势方程； 6、根据趋势方程计算预测未来某月的趋势值，最后利用该月的季节指数加以修正。 第四节 因果关系分析预测法 揭示预测目标变量与其他变量之间的数量变化关系。 * 一、回归分析预测法的含义