运营管理（第二版）许淑君-chapter 05 需求预测.pptxVIP

运营管理商学院 许淑君Lecture 5: Demand Forecast 第五章 需求预测第一节 需求预测概述第二节 定性预测方法第三节 时间序列预测方法第四节 因果关系预测方法第五节 预测误差与预测监控 第一节 需求预测概述(一)预测的概念预测是根据过去和现在的已知因素,运用已有的知识、经验和科学方法,对未来事件进行判定和估算,并推测其结果的一种科学方法。(二)预测的类型1.按照预测时间划分按照预测时间跨度可以分为长期预测、中期预测、短期预测2.按主客观因素划分按照主客观因素可以分为定性预测、时间序列分析、因果联系分析3.按预测对象划分按照预测对象可以分为经济预测、技术预测、需求预测 需求预测(一)需求预测的概念需求预测是对某个特定的社会领域中某种产品需求数量的预测。(二)需求变动的构成需求会受到各种因素影响而产生波动,其变动大体可分为趋势变动、季节变动、周期变动、突发变动和随机波动。 需求预测(三)需求预测方式 需求预测(四)需求预测的衡量标准需求预测通常从稳定性和响应性两个方面衡量。稳定性是指抗拒随机干扰,表现稳定需求的能力。稳定性好的预测方法有利于消除或减少随机因素的影响,适用于受随机因素影响较大的预测问题。响应性是指迅速反应需求变化的能力。响应性好的预测方法能及时跟上实际需求的变化,适用于受随机因素影响小的预测问题。 企业战略与运营战略(五)需求预测的步骤明确预测目的和对象选择预测方法收集资料整理分析数据进行预测并付诸实际应用监控预测结果 第二节 定性预测方法德尔菲法销售人员意见汇总法部门主管集体讨论法顾客期望法 第三节 时间序列预测方法时间序列平滑模型时间序列分解模型 时间序列平滑模型? 时间序列平滑模型? 时间序列平滑模型(三)一次指数平滑法一次指数平滑法(single exponential smoothing,SES)把经预测误差修正后的上一期预测值作为下一期的预测,是加权移动平均法的一种变形。加权移动平均法仅考虑最近数期的历史数据;指数平滑法借助于上一期实际值与上一期预测值的加权和,并通过依次向前递推,进而考虑了所有期的历史数据。其中远期实际数据的权重比近期的低。其预测公式为:SESt+1=αXt+(1-α)SESt=SESt+α(Xt-SESt)式中,SESt+1为t+1期一次指数平滑预测值;Xt为t期的实际预测值;α为赋予实际数据的权重,称为平滑系数(0≤α≤1)。 时间序列平滑模型(四)二次指数平滑法二次指数平滑法(double exponential smoothing,DES)是对一次指数平滑值作再一次指数平滑的方法,也称为趋势调整指数平滑法。因为该方法先用一次指数平滑法进行预测,得到基数预测值,然后用趋势滞后值进行调整。面对有上升或下降趋势的需求序列时,可采用该方法避免一次指数平滑法的预测滞后现象。二次指数平滑法实质上是将历史数据进行加权平均作为未来时刻的预测结果,具有计算简单、样本要求量较少、适应性较强、结果较稳定等特点。其计算公式为:DFt=SFt+Tt=[αAt-1+(1-α)SFt-1]+[β(SFt-SFt-1)+(1-β)Tt-1] 式中,DFt为第t期的二次指数平滑预测值;SFt为第t期的一次指数平滑预测值(SF0事先给定);Tt为第t期的趋势校正值(T0事先给定);β为趋势平滑系数;其余符号意义同前。 时间序列分解模型实际需求值是趋势、季节、周期或随机等多种因素共同作用的结果。时间序列分解模型从实际值中分解出各种成分,并在对各种成分单独进行预测的基础上,综合各种成分的预测值,得到最终的预测结果。通常由两种方法进行综合:其一是加法模型,即将各种成分相加来预测;其二是乘法模型,即将各种成分以比例的形式相乘得到综合结果。F=T+S+C+IF=T×S×C×I 式中,F为综合预测值;T为趋势成分;S为季节成分;C为周期成分;I为随机成分。 第四节 因果关系预测方法因果模型通过对与需求有关的先导指数的计算,对需求进行预测。按照反映需求及其影响因素之间因果关系的不同,因果模型分为回归模型、经济计量模型、投入产出模型等。本节只介绍一元线性回归模型预测方法。在进行线性回归分析前,首先应作出数据散点图,观察数据是否呈线性或至少部分呈线性。线性回归是指变量呈直线关系的一种特殊回归形式。一元线性回归模型可用下式表达:Y=a+bX式中,Y为一元线性回归预测值;a为Y轴截距,为自变量X=0时的预测值;b为斜率。 第四节 因果关系预测方法? 第五节 预测误差与预测监控预测误差误差测量误差监控 预测误差预测误差是指预测值与实际值之间的差异。当预测值大于实际值时,误差为正;反之,误差为负。预测模型最好是无偏的模型,即应用该模型时,正负误差出现的概率大致相等。误差的主要来源在于过去的趋势在未来未必得到延续,其他来