《需求预测.ppt》由会员分享，可在线阅读，更多相关《需求预测.ppt（40页珍藏版）》请在三一办公上搜索。
1、第五章 需求预测,第五章 需求预测,一、预测和“牛鞭效应”,经济预测：通过预计通货膨胀、货币供给、房屋开 工率及其他有关指标来预测经济周期。技术预测：预测会导致产生重要的新产品，从而带 动新工厂和设备需求的技术进步。需求预测：为公司产品或服务需求预测。,预测中的需求变异加速放大”牛鞭效应”,二、需求预测分类,短期预测：时间跨度通常不到三个月，最长 不超过一年。,长期预测：时间跨度一般在3年或3年以上。,中期预测：时间跨度通常在3个月与3年之间。,三、需求预测的方法,定性预测方法：历史类比 小组共识 德尔菲法 市场调研,定量预测方法：时间序列分析 因果关系分析 复合趋势分析,实际中二者结合使用往
2、往最有效,四、需求预测步骤,确定时间跨度,选择预测方法,预测过程监控,进行预测,明确预测目的,收集分析数据,需求预测,第五章 需求预测,需求预测概述,1,时间序列：在一个给定的时期内，按照固定的时间间隔（日、周、月、季、年等）把某种变量的数据依发生的时间先后顺序排列而成的序列。,（1）假定通过过去的数据可以估计他们的未来。,基于时间序列的预测方法：,（2）包括简单移动平均法、加权移动平均法、指数平滑预测法。,一、简单移动平均预测法,移动平均预测法:用最近的一组数据值进行预测，前提是不同时期的市场需求相当平稳。,加权移动平均预测法:当存在可察觉的趋势时，可用权数来强调最近的数据。,本月预测=（3
3、上月+2前第二月+1 前第三月）/6,最近一月的权数更大会使外推更接近实际值！,二、加权移动平均预测法,三、指数平滑预测法,基本公式：Ft+1=aAt+(1-a)Ft 式中，Ft+1为t+1期（下期）的指数平滑预测值；Ft 为t期（当前期）的指数平滑预测值；At为t期（当前期）的实际值；a为平滑系数（0 a 1），其实际意义为当前期实际值的权重。,指数平滑法：借助于所求得的上一期的实际值和上一期的预测值的加权和，并通过依次向前递推，进而考虑了所有期的历史数据。,例 在1月份，某汽车销售公司预计2月份桑塔纳汽车需求为142辆，实际需求为153辆，请用指数平滑法来预测3月份的需求。a=0.20。,
4、解 Ft+1=aAt+(1-a)Ft 3月份需求=0.20153+(1-0.20)142=144.2 即3月份对桑塔纳汽车的需求为145辆。,指数平滑法的公式可以写作：,表5-1 指数平滑法各期权重彼变化情况对比,实际需求稳定，可选用较小的a来减弱短期变化或随机变化的影响。实际需求波动较大，应选择较大的a以便跟踪这一变化。,图5-1 平滑系数大小对预测值与实际值之间差异的响应速度,第五章 需求预测,需求预测概述,1,因果关系分析预测：通过寻求需求量与其他因素的内在联系，建立因果关系模型，来进行需求预测。,因果关系模型,投入产出模型,回归模型,计量经济模型,一元线性回归模型,一元非线性回归模型,
5、多元线性回归模型,多元非线性回归模型,已知的历史数据点到该直线的距离的平方和最小，既具有最小二乘解。,线性回归主要目标,确定回归直线,y,x,Y的回归预测值,自变量x的取值,Y的实际值,预测偏差,回归直线,独立变量（自变量）,预测量（因变量）,一元线性回归模型：,式中，y：预测变量，即因变量；x：独立变量，即自变量；b：直线斜率；a：直线截距（x=0时y的值）。,根据历史数据及一元线性回归模型，得：,其中，n为历史数据的个数。,独立变量与预测量之间的相关程度和方向可以通过相关系数r来表明：,相关系数r的取值在-1.00+1.00之间。,相关系数的平方r2说明了一个回归直线在多大程度上与已知数据
6、相吻合。,r2的取值在0.00+1.00之间。R2愈接近1.00，吻合程度越高。,r20.80，预测结果较可信；r20.25，预测结果不可信；0.25r20.80，预测结果可信度一般。,例,表5-2 某商品广告支出与当月销售量的回归预测分析表,a=-8.14，b=109.23，y=-8.14+109.23x，r=0.98，r2=0.96,已知6月份广告支出x=1.75，则6月份销售量预测为y=183.,第五章 需求预测,复合分析预测：从实际值中分离出各种成分，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，以得到最终的预测结果。,加法模型：F=T+S+C+I,乘法模型：F=TSCI,
7、式中，F：综合预测值；T：趋势成分；S：季节成分；C：周期成分；I：随即成分,一、加法模型,例 如预测室内装修业的相关销售额。若其影响因素有当年结婚人数、新建房屋数、人均可支配收入等。同时，由近年销售收入走向也可预测出其趋势，则可得到多元线性回归预测和趋势变动预测的加法模型：,Y=a+bX1+cX2+dX3+eT,式中，Y：室内装修业年销售额；X1：一年中的结婚人数；a：基本销售额，其他因素以其为起点发挥影响；X2：一年中新建的房屋数；X3：当年年均可支配收入；T：时间序列；b、c、d、e为相应的系数。,二、乘法模型,以时间序列分析预测的指数平滑法与季节系数法的复合为例。,1.确定季节系数,季
8、节系数=45/250=0.18,2.采用乘法模型进行预测,假设通过指数平滑预测出第五年的趋势值为650，则根据乘法模型预测的第五年各个季度的复合趋势的综合预测值见下表：,第五章 需求预测,需求预测概述,1,因果关系分析预测,3,一、误差来源,预测误差：预测值与实际发生值的偏差。主要来源：过去的趋势在未来未必得到延续。,其他来源：模型中未包含正确的变量。趋势曲线的使用不正确。季节性需求偏离正常轨迹。存在随机误差。,二、误差测量,绝对平均偏差（Mean Absolute Deviation：MAD）,在预测期内，每个预测值与实际值的绝对偏差的平均值。,2.平均平方误差（Mean Square Er
9、ror：MSE）,误差平方和的平均值。,3.预测误差滚动和（Running Sum of Forcast Error：RSFE）,预测误差的累积和。,4.平均预测误差（Mean Forcast Error：MFE）,预测误差累积和的平均值。,5.平均相对误差（Mean Percentage Error：MPE）,累积相对误差。,6.平均绝对值的相对误差（Mean Absolute Percentage Error：MAPE）,相对误差的绝对值的累积值。,三、误差监控,1.跟踪信号,将最近的实际值与预测值进行比较，监测预测偏差是否在可接受范围内。,理想的预测模型跟踪信号为零。,2.控制图,四、区间预测,区间预测：对某一需求变量在一定的置信水平下对其可能的变化区间所进行的估计。,式中，SFt：t时期的区间预测值；Ft：t时期的点预测值；k：反映置信度的系数；MADt：t时期的MAD的预测值。,
