销售(市场需求)预测方式(2)

经济情况将来数量表现的方式。 13:30 30 定量预测的方式 （一）趋势外推分析法 1.平均法 2.修正的时间序列回归法 （二）因果预测分析法 算术平均法（简单平均法） 移动平均法 趋势平均法 加权平均法 平滑指数法 13:30 31 （一）趋势外推分析法 1.平均法（时间序列预测法） 2.修正的时间序列回归法 时间序列：某个经济指标按时间先后 顺序排列的指标值。 13:30 32 （一）平均法 1算术平均法 2移动平均法 3加权平均法 4平滑指数法 13:30 33 简单平均法：以一定观察期内时间序列观察值的简单数学平均也是上期预测值。其最大的缺点：将 各月的差别平均化了。 其适用的条件：算术平均法的特点是假设过程简 单，缺点是没有考虑远近期生产业务量的变化对 预测期销售情况的不同影响程度，从而使不同时 期信息的区别简单平均化。所以该法只适合各期 销售业务量比较平稳、没有季节性变动的食物和 日常用品等的预测。适应时间序列无拐点的状况。 13:3034 期数各期销售量 预测销售量 13:30 35 【例5－2】趋势外推分析法在销售量预测中的使用 ——算术平均法 已知：某公司生产一种产品，2010年1～12月份销量 资料(单位：吨)如表5—2所示。

月份 1011 12 销量 （Qt） 25 23 26 29 24 28 30 27 25 29 32 33 13:30 36 要求：按算术平均法预测2011年1月份的生产 量（计算结果保存两位整数）。 解：分子＝ 25+23+26+29+24+28+30+27+25+29+32+33 =331（吨），分母n=12 204年1月份预测销售量= =27.58(吨) 331 12 13:30 37 2移动平均法 在掌握n期实际销售量的基础上，按照事先确定的期数 （m,m＜n/2，逐期分段计算m期算术平均数,并以最后一 个移动期的算术平均数作为今后n+1期预测销售量的一种 定量预测方式。 移动平均法虽然希望克服算术平均法忽视远近期生产 量对预测量影响程度不同的缺陷，有助于消除远期偶然因 素的不规则影响，但存在只考虑n期数据中的最后m期资 料，缺乏代表性的缺陷。移动平均法适用于销售量略有波 动的新品预测。 13:30 38 期销售量最后 期数学平均销售量 最后 预测销售量 13:30 39 【例5－3】趋势外推分析法在销售量预测中的使用——移 动平均法(不权衡大势值) 已知：仍按例5－2中的销量档案。

要求：按移动平均法预测204年1月的销售量(假定 =29.2(吨)27+25+29+32+33 1011 12 实际销售量(吨) 25 23 26 29 24 28 30 27 25 29 32 33 13:30 40 但有人认为如此计算的平均值只反映预测期前一期 的生产水平，还应在此基础上，按走势值进行修正。 趋势值b的假设方程为： n+1 预测销售量＝最后m期算术平均销售量＋趋势值b 则，上例根据修正的移动平均法计算如下： 的平均值 上一个移动期 的平均值 最后移动期 204年预测销售量=29.2+0.6=29.8吨13:30 42 3加权平均法 定义： 在掌握全部n期实际信息的基础上，按近大远 小的准则确认各期的权数，据以假设加权平均销 量，并将其成为分析销售量的一种定量预测方式。 13:30 43 计算方程： 上式中任意一期的权数均应多于上一期的权数。 加权平均法的关键：确定所采用的权数。 13:30 44 自然权数法： 该法要求按自然数1市场需求预测方法，2，……，n的次序 确定权数，即令第一期的权数为1；第二期的权 数为2，以下依此类推。采用自然权数时，计算 公式 13:30 45 饱和权数法： 该法要求权数的取值范围为：0＜Wt＜1，各期的权 数之和等于1。

如果期数n=3时：可令各期货数依 次为：0.2，0.3和0.5(亦可将这些设定为:0.1， 0.3和0.6)；如果期数n=5时，可将各期货数设定为： 0.04，0.08，0.13，0.25和0.5。 计算方程： 13:30 46 加权平均法既可以借助n期的全部历史数据,又充 分考虑了远近期间对今后的不同影响。其优点就 是不能按统一的方式确认各期的权数值。因而也 有人主张只按最后m期的数据计算加权平均预测 销售量。按后一种形式计算加权平均值的方式叫 做移动加权平均法。从理论上看，移动加权平均 法与加权平均法除了在选用信息的时期长短不同 外，没有本质的差异。 13:30 47 各期货数之和 该债券数 某期销售量 销售量预测 该债券数某期销售量 销售量预测 权数为饱和权数13:30 48 【例5－6】趋势外推分析法在销售量预测中的使用——加 权平均法 已知：仍按例5－2中的销量档案。 要求：(1)用自然权数加权平均法预测204年1月 的销售量； (2)利用最后3期销售量按饱和权数加权平均法预测 204年1月的销售量。 月份 1011 12 实际销售量(吨) 25 23 26 29 24 28 30 27 25 29 32 33 13:30 49 解：(1)在自然权数加权平均法下 Σ（QtWt）＝ 251+232+263+294+245+286+307+ 278+259+2910+3211 +3312＝2 242 204年1月的预测销售量 12)12 78 224228.74( 13:3050 (2)在饱和权数加权平均法下 期数为3，令W1=0.2，W2=0.3，W3=0.5 204年1月的预测销售量 =290.2+320.3+330.5=31.9(吨) 13:30 51 是按照后期销售量的实际数和预测数，以加权因子为 权数，进行加权平均来分析下一期销售量的方式。

进行近期预测或销量变动较大时的预测，应采用较大 的光滑指数；进行长期预测或销量变动较小时的预测， 可采用较小的光滑指数。平滑指数是一个经验数据, 其取值范围往往在0.3～0.7之间。 它具备修匀实际数所包括的凑巧原因对预测值的影响 的效用。该法比较灵巧，适用范围较广；但在选择平 滑指数时，存在一定的随意性。 4平滑指数法（了解） 13:30 52 测销售量前期预 指数平滑 际销售量前期实 指数 平滑 销售量预测 一般取值0.3～0.7之间13:30 53 【例5－7】趋势外推分析法在销售量预测中的使用 ——平滑指数法 已知：仍按例5－2中的销量档案。 要求:（1）用平滑指数法预测203年1～12月 销售量； （2）预测204年1月份的销售量。 月份 1011 12 实际销售量(吨) 25 23 26 29 24 28 30 27 25 29 32 33 13:30 54 解：（1）依题意，编制平滑指数法计算表如表5—4所示: 月份t销售量观 Qt平滑指数 -11-平滑指数 230.3 25 0.7 25.00 25.00 260.3 23 0.7 25.00 24.40 290.3 26 0.7 24.40 24.88 240.3 29 0.7 24.88 26.12 280.3 24 0.7 26.12 25.48 300.3 28 0.7 25.48 26.24 270.3 30 0.7 26.24 27.37 250.3 27 0.7 27.37 27.26 10 29 0.3 25 0.7 27.26 26.58 11 32 0.3 29 0.7 26.58 27.31 12 33 0.3 32 0.7 27.31 28.71 t-1 13:3055 (2)204年1月份的预测销售量 3071 测销售量前期预 指数平滑 际销售量前期实 指数 平滑 销售量预测 13:3056 通过判断一段时期内销售量(Q)与时间 (t)的变量关系,来构建回归模型并据此 进行预测的一种定量分析。

具体计算可 用EXCEL。 13:30 57 销售量Ｑ是时间t 的变量： 从而13:30 58 利用修正的回归直线法进行销售量预测的要点 (1)判断n的奇偶性，确定修正的t值（由于时 间自变量t呈现单调递增和间隔均匀的特征， 据此可以对t值进行修正） (5)确定预测期的t值，代入销量预测模型进行预测。 13:30 59 怎样对t进行修正呢？ 当n为偶数时， 13:3060 【例5－8】趋势外推分析法在销售量预测中的使用— —修正的时间序列回归法 已知：仍按例5－2中的销量档案。 要求：(1)按修正的斜线回归法构建销量预测模型； (2)预测204年1月份的销量； (3)预测204年2月份的销量。 月份 1011 12 实际销售量(吨) 25 23 26 29 24 28 30 27 25 29 32 33 13:30 61 Qt181 13:3062 Q=27.58+0.32t(2)204年1月份的t值=11+12=13 204年1月份预测销量 =27.58+0.3213=31.74(吨) (3)204年2月份的t值=11+22=15 204年2月份预测销量 =27.58+0.3215=32.38(吨) 13:30 63 计算表月份 销售量Q 修正的t tQ t2 25-11 -275 121 23-9 -207 81 26-7 -182 49 29-5 -145 25 24-3 -72 28-1 -28 +12525 10 29 +20349 11 32 +28881 12 33 11 +363 121 n=12 ΣQ=331 ΣtQ=181Σt2=572 13:30 64 （二）因果预测分析法 因果预测分析法的流程： 确定影响销量的主要原因 确定销量y与xi之间的总量关系，建立因果预 测模型 据未来有关自变量xi变动状况，预测销售量 13:30 65 因果预测分析法的流程及使用 指标构建法的使用 回归分析法的使用 13:30 66 【例5－9】因果预测分析法在销售量预测中的使用 ——指标构建法 已知：某公司生产一种汽车车身，假定其年销量y受 到以上原因影响：(1)按长期合同向某汽车制造厂定 量供应的车身总量a；(2)某地区坦克该种车身正在 使用中的车辆应予更新的车轮数x1；(3) x1取决于 这类车辆上年实际行驶里程及载重量的吨千米指标 x2及该种车身的损坏更新经验指数b1；(4)上述车辆 制造厂增产汽车所需要的轮胎量x3；(5)x3取决于汽 车厂增产的产能Q、该厂原有库存轮胎量x4与单车 需用轮胎数b2；(6)企业在该地区的市场占有率b3。

13:30 67 经过分析，建立的因缘预测模型如下： =a+〔b1x2+(Qb2-x4)〕b3相关指标的数据为：a=50 000只、b1=0.210-4只 /吨千米、x2＝2.25109吨千米、Q=2 000辆、 b2=4只/辆、x4=5 000只、b3=75% 预测轮胎销售量=50 000+〔0.210-42.25109 0004-5000)75% =50 000+〔45 000+(8 000-5 000)75% =86 000(只) 13:30 68 【例5－10】因果预测分析法在销售量预测中的使用 ——回归分析法 已知：A企业通过查证发现，甲品牌的销售量与 当地居民人均月支出有关，已知本地区连续6年 的历史资料如表5－6所示，该公司销售甲品牌 的市场占有率为25%，假设2004年居民人均月 收入为700元。 13:30 69 年度1998 1999 2000 2001 2002 2003 居民人均月支出（元） 350 400 430 500 550 600 甲商品实际销量(吨) 10 11 12 14 15 16 要求：(1)用回归直线分析法建立甲品牌的销售量预测模型； (2)预测2004年本地区甲品牌的销售量； (3)预测2004年A企业甲品牌的销售量。

13:30 70 解：(1)根据所给信息，列表计算如表5—7所示： 年份 居民人均 月收入x 商品销售量y xy x2 y2 1998 350 10 500122 500 100 1999 400 11 400160 000 121 2000 430 12 160184 900 144 2001 500 14 000250 000 196 2002 550 15 250302 500 255 2003 600 16 96 00 360 000 256 =78xy =37 910 x2 379900 y2 04213:30 71 计算相关系数r 因为相关系数趋近于1，表明x与y之间基本正 相关，可以构建回归模型。 379102830 78 13799002830 104278 371902830 78 780.02 2830 13:3072 甲品牌的销售量预测模型为： y=1.28+0.02x 2004年本地区甲品牌的预测销售量=1.28+0.02700 =15.28（吨） 2004年A企业甲品牌的预测销售量＝15.2825% =3.82（吨） 销售量的预测需要定性和定量方法结合使用，有什么样特征的数据，就是用相应的方式。 上述所讲原理是简单实用的一些方式，尤其是适合于历史数据比较全的预测，尤其以回到分 析法为最常见。定性分析法多用德尔菲法。 更为高级的预测方式诸如ARMA分析法、灰色系统预测法、马尔科夫链预测法、季节变动预

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-119782-2.html