第六章

需求預測一、預測的基本概念二、定性預測方法三、定量預測方法一、預測的基本概念什么是預測?預測的分類預測的一般步驟影響需求預測的因素預測中應注意的幾個問題1.什么是預測?Forecast,Predict,Prophesy預測是對未來可能發生的情況的預計與推測。“凡事預則立，不預則廢”預測是一門藝術，一門科學(Forecastingistheartandscienceofpredictingfutureevents)預測離不開科學測定的數據，也離不開人們的經驗和判斷。不能因為預測的失誤而否定預測。預測的基本假設：過去的發展狀態要持續到將來對總量的預測要比對個體的預測精確如每天從武漢到北京旅客數量的預測，比預計某個人將到何處出差要準確預測精度隨預測的時間范圍增加而降低2.預測的種類

(1)按預測時間的長短長期預測：對5年或5年以上的需求前景的預測一般是利用市場調研、技術預測、經濟預測、人口統計等方法，加上綜合判斷來完成，其結果大多是定性的描述。是企業長期發展規劃、產品研究開發計劃、生產能力擴充計劃的依據。中期預測：對一個季度以上、2年以下需求前景的預測中期預測可以通過集體討論、時間序列法、回歸法、經濟指數相關法等方法結合判斷而作出。它是制訂年度生產計劃、季度生產計劃、銷售計劃、生產與庫存預算、投資和現金預算的依據。短期預測：以日周旬月為單位對一個季度以下的需求前景的預測可以利用趨勢外推、指數平滑等方法與判斷的有機結合來進行。是調整生產能力、采購、生產作業計劃等具體生產經營活動的依據。(2)按主客觀因素所起的作用分定性預測方法定量預測方法預測中應注意的幾個問題判斷在預測中的作用選擇預測方法辨別信息取舍預測結果預測精度與成本預測的穩定性與響應性（抗隨機干擾vs反映需求變化）預測的時間范圍和更新頻率預測精度費用0總費用預測成本經營費用二、定性預測方法德爾菲法（DelphiMethod）部門主管集體討論法（JuryofExecutives）用戶調查法（Users’Expectation）銷售人員意見匯集法（FieldSalesForce）美國蘭德公司于20世紀40年代發明并用于技術預測

Delphi是古希臘傳說中的一座城市，因有阿波羅神殿而出名。傳說眾神每年都要到該城聚會，以占卜未來。從40年代至70年代初，德爾菲法在各類預測中的應用比重由20.8%增加到24.2％。方法的本質是利用專家的知識、經驗、智慧等帶有很大模糊性的無法量化的信息，通過通信的方式進行信息交換，逐步地取得一致的意見，達到預測的目的。1.德爾菲法（DelphiMethod）又稱稱專專家家調調查查法法（（S1:挑選選專專家家；；S2:迭代代函函詢詢調調查查；；S3:最終終預預測測意意見見））簡單單直直觀觀避免免了了專專家家會會議議的的弊弊端端（（Group-think）適用用資資料料不不全全或或不不多多的的情情況況專家家的的選選擇擇沒沒有有明明確確的的標標準準，，預預測測結結果果的的可可靠靠性性缺缺乏乏嚴嚴格格的的科科學學分分析析，，最最后后趨趨于于一一致致的的意意見見仍仍帶帶有有隨隨大大流流的的傾傾向向三原原則則：：匿匿名名性性，，反反饋饋性性，，收收斂斂性性Delphi法的的適適用用范范圍圍難以以借借助助精精確確的的分分析析技技術術處處理理，，但但建建立立在在集集體體基基礎礎上上的的直直觀觀判判斷斷可可以以給給出出某某些些有有用用的的結結果果。。面對一個個龐大復復雜的問問題，專專家們以以往沒有有交流思思想的歷歷史，因因為他們們的經驗驗與專業業代表著著不同的的背景。。專家人數數多，面面對面交交流思想想的方法法效率很很低。時間與費費用的限限制不能能經常開開會商討討。專家之間間分歧隔隔閡嚴重重或出于于其他原原因不宜宜面對面面交換思思想。避免權威威作用，，防止““樂隊效效應”，，也就是是隨大流流傾向。。2.部門門主管集集體討論論法（JuryofExecutives））簡單易行行，可快快速獲得得預測結結果。匯集了各各主管的的經驗和和判斷。。不需要準準備和統統計歷史史資料。。主觀意見見，預測測結果缺缺乏嚴格格的科學學性。與會人員員間容易易相互影影響。因預測是是集體討討論的結結果，故故無人對對其正確確性負責責。3.市場調研研法預測來源源于顧客客期望，，較好地地反映市市場需求求情況。。有利于改改進產品品，有針針對性地地開展促促銷活動動。適用于對對新產品品或缺乏乏銷售記記錄的產產品需求求預測。。很難獲得得顧客的的通力合合作。顧客所說說不一定定符合顧顧客最終終實際所所做，因因為顧客客的期望望值不斷斷變化。。費時費力力。4.銷售售人員意意見匯集集法（FieldSalesForce）又稱基層層意見法法。預測值很很容易按按地區、、分支機機構、銷銷售人員員、產品品等區分分開。由于取樣樣較多，，預測結結構較具具穩定性性。由于銷售售人員的的意見受受到重視視，增加加了其銷銷售信心心。帶有銷售售人員的的主觀偏偏見。受地區局局部性的的影響，，預測結結果精度度較差。。當預測結結果作為為銷售人人員未來來的銷售售目標時時，預測測值容易易被低估估。當預測涉涉及緊俏俏商品時時，預測測值容易易被高估估。（一）時時間序列列分析（二）因因果關系系模型（三）預預測監控控三、定量量預測方方法（一）時時間序列列分析：以時間間為獨立立變量，，利用過過去需求求隨時間間變化的的關系來來預測未未來的需需求。包括：時時間序列列平滑模模型，時時間序列列分解模模型（二）因因果關系系模型：利用變變量（包包括時間間，如廣廣告投入入vs銷量）之之間的相相互關系系，通過過一種變變量的變變化來預預測另一一種變量量的未來來變化。。上述模型型共同隱隱含的假假設（前前提）：：過去存存在的變變量之間間的關系系和相互互作用機機理，今今后仍然然存在并并繼續發發揮作用用。（三）預預測監控控：通過預測測監控來來檢驗過過去起作作用的預預測模型型是否仍仍然有效效。時間序列列是按一一定的時時間間隔隔，把某某種變量量的數值值依發生生的先后后順序排排列起來來的序列列。時間序列列的構成成時間序列列平滑模模型移動平均均法（MA、WMA）指數平滑滑法（一一次、二二次）時間序列列分解模模型（一）時時間序列列分析1.時間間序列的的構成趨勢成分季節成分周期成分隨機成分趨勢成分分：數據隨隨著時間間的變化化表現出出一種趨趨向(由于人口口、技術術等原因因)。它按某某種規則則穩步地地上升或或下降，，或停留留在某一一水平。。Mo.,Qtr.,Yr.Response?1984-1994T/MakerCo.季節成分分：在一年里里按通常常的頻率率圍繞趨趨勢作上上下有規規則的波波動(由于天氣氣、顧客客等原因因)。Mo.,Qtr.ResponseSummer?1984-1994T/MakerCo.周期成分分：在較長的的時間里里（一年年以上））圍繞趨趨勢作有有規則的的上下波波動。這這種波動動常被稱稱作經濟濟周期。。Mo.,Qtr.,Yr.ResponseCycle隨機成分分：由很多不不可控因因素引起起的、沒沒有規則則的波動動。時間序列列曲線及及其構成成示例2.時間間序列平平滑模型型單純法（（NaiveMethod）移動平均均法（MovingAverage）（用一組組最近的的實際數數據值來來進行預預測）簡單移動動平均法法（SMA）加權移動動平均法法（WMA）指數平滑滑法（ExponentialSmoothing）（考慮所所有的歷歷史數據據）一次指數數平滑法法二次指數數平滑法法由于隨機機成分的的影響而而導致需需求偏離離平均水水平時，，應用時時間序列列平滑模模型，通通過對多多期觀測測數據平平均的辦辦法，可可以有效效地消除除或減少少隨機成成分的影影響，以以使預測測結果較較好地反反映平均均需求水水平。單純法（Na?veForecasts）將前期實實際得到到的結果果作為下下一期的的預測值值特點使用簡單單，沒有有代價不用數據據分析容易理解解預測精度度不高單純法的的應用時間序列列穩定的的情況F(t)=A(t-1)，A(t-1)為（t-1)期實際值值，F(t)為t期的預測測值對季節性性波動F(t)=A(t-n)，n為波動周周期對有趨勢勢變化情情況F(t)=A(t-1)+(A(t-1)––A(t-2))（1）簡簡單移動動平均法法共n項n為移動平均采用的周期數（2）加加權移動動平均法法共n項i為實際需求的加權系數舉例某公司產產品的逐逐月銷售售量記錄錄如下。。取n=3,試用移動動平均法法進行預預測。A.簡單移動動平均法法預測月份實際銷量（百臺）預測銷量（n=3）120.00221.00323.00424.0021.33525.0022.67627.0024.00726.0025.33825.0026.00926.0026.001028.0025.671127.0026.331229.0027.00SMA4=(A1+A2+A3)/3=21.33SMA特特點：簡單移動動平均法法預測值值與所選選的時段段長n有關。n越大，對對干擾的的敏感性性越低，，預測的的穩定性性越好，，響應性性則越差差。簡單移動動平均法法對數據據不分遠遠近，同同樣對待待。有時時最近的的趨勢反反映了需需求的趨趨勢，此此時用加加權移動動平均法法更合適適。B.加權移動動平均法法預測月份實際銷量(百臺)預測銷量(百臺)（n=3）120.00221.00323.00424.0021.83525.0023.17627.0024.33726.0025.83825.0026.17926.0025.671028.0025.671127.0026.831229.0027.17WMA4=(0.5A1+A2+1.5A3)/3=21.83SMA與WMA預測值的的比較簡單移動動平均加權移動動平均SMA與WMA預測值的的再比較較(滯后性)WMA特特點：當存在可可察覺的的趨勢時時，可以以用權數數來強調調最近數數據。若若對最近近的數據據賦予較較大的權權重，則則預測數數據與實實際數據據的差別別較簡單單移動平平均法要要小。加權移動動平均法法更能反反映近期期的變化化，因為為更接近近當前的的數據可可以被賦賦予更大大的權數數。近期數據據的權數數越大，，則預測測的響應應性就越越好，但但穩定性性越差；；反之則則預測的的穩定性性越好，，但響應應性越差差。權數的選選擇帶有有一定主主觀性，，沒有權權數選擇擇的既定定公式。。MA是WMA的特例。。（3）指指數平滑滑法一次指數數平滑法法（SingleExponentialSmoothing）二次指數數平滑法法（DoubleExponentialSmoothing）A.一次次指數平平滑法一次指數數平滑法法是另一一種形式式（比較較復雜））的加權權移動平平均法加權移動動平均法法只考慮慮最近的的n個實際數數據，指指數平滑滑法則考考慮所有有的歷史史數據，，只不過過近期實實際數據據的權重重大，而而遠期實實際數據據的權重重小一次指數數平滑法法的預測測公式：：新的預測測=上期預測測+α（上期實實際需求求-上期預測測值）即下一期期的預測測是對上上一期預預測偏差差的調整整。預測公式式SFt+1=SFt+α(At–SFt)=αAt+(1–α)SFt其中：SFt+1=新一期的的預測值值SFt=上一期的的預測值值At=上一期的的實際值值α=平滑系數數（0α1）遞推公式式：SFt+1=αAt+(1–α)SFt=αAt+α(1-α)At-1+α(1-α)2At-2+…+α(1-α)t-1A1+(1-α)tSF1前t期實測值的指數形式的加權和；且隨著實測值年齡的增大，其權數以指數形式遞減。討論兩種種極端情情況（1）α=0SFt+1=SF1=A1即對近期期的數據據都加上上0權數，只只考慮最最歷史的的數據（2）α=1SFt+1=αAt=At即對所有有歷史數數據都加加上0權數，只只考慮最最近期的的數據（（單純法法）舉例SFt+1=αAt+(1-α)SFt月份實際銷量（百臺）(Ai)預測銷量(α=0.4)(SFi)預測銷量(α=0.7)(SFi)110.0011.00(給定)11.00(給定)212.0010.6010.30313.0011.1611.49416.0011.9012.55519.0013.5414.97623.0015.7217.79726.0018.6321.44830.0021.5824.63928.0024.9528.391018.0026.1728.121116.0022.9021.041214.0020.1417.51SF2=αA1+(1-α)SF1=0.4A1+(1-0.4)SF1=0.410.00+(1-0.4)11.00=10.60SF3=αA2+(1-α)SF2=0.7A2+(1-0.7)SF2=0.712.00+(1-0.7)10.30=11.49α=0.4和α=0.7時的預測測值比較較小結用一次指指數平滑滑法進行行預測時時，預測測值可以以描述實實際值的的變化形形態與趨趨勢，但但預測值值總是滯滯后于實實際值：：當實際值值呈上升升趨勢時時，預測測值總是是低于實實際值；；當實際值值呈下降降趨勢時時，預測測值總是是高于實實際值。。比較不同同的平滑滑系數對對預測的的影響，，當出現現趨勢時時，取較較大的α得到的預預測值與與實際值值比較接接近（即即預測精精度較高高）。預測值依依賴于平平滑系數數α的選擇。。一般而而言：α較小則預預測穩定定性較好好，α較大則響響應性較較好。B.二次次指數平平滑法如前所述述，在有有趨勢的的情況下下，用一一次指數數平滑法法預測會會出現滯滯后現象象面對有上上升或下下降趨勢勢的需求求序列時時，采用用二次指指數平滑滑法進行行預測。。二次指數數平滑法法也叫趨勢調整整指數平平滑法，因為該該方法先先用一次次指數平平滑法進進行預測測（得到到基數預預測值）），然后后用趨勢勢滯后值值（正或或負）進進行調整整，即：：最終預測測值(DFt)=基數預測測值(SFt)+趨勢校正正(Tt)其中：SFt為第t期的一次次指數平平滑法預預測值預測公式式DFt=SFt+Tt其中：SFt為第t期的一次指指數平滑法法預測值SFt=αAt-1+(1–α)SFt-1(SF0事先給定））Tt=(SFt–SFt-1)+(1–)Tt-1(為趨勢平滑滑系數,T0事先給定））預測基本步步驟步驟1：計算第t期的一次指指數平滑預預測值SFt；步驟2：用Tt=(SFt–SFt-1)+(1–)Tt-1計算趨勢；步驟3：計算趨勢勢調整后的的二次指數數平滑預測測值DFtDFt=SFt+Tt二次指數平平滑預測法法舉例（=0.2,=0.4）月份實際需求（At

）一次預測(SFt)趨勢（

Tt

）二次預測（DFt

）11211(給定)0.0(給定)

-21711.200.0811.2832012.360.5112.8741913.890.9214.8152414.910.9615.8762616.731.3018.0373118.581.5220.1083221.071.9122.9893623.252.0225.27SF2=αA1+(1-α)SF1=0.2A1+(1-0.2)SF1=0.212+(1-0.2)11=11.20SF3=αA2+(1-α)SF2=0.2A2+(1-0.2)SF2=0.217+(1-0.2)11.20=12.36……T2=(SF2-SF1)+(1-)T1=0.4(11.20-11)+0=0.08T3=(SF3-SF2)+(1-)T2=0.4(12.36-11.20)+(1-0.4)0.08=0.51……預測與實際際需求對比比圖小結二次指數平平滑預測的的結果比一一次指數平平滑預測的的結果在有有趨勢存在在的情況下下，與實際際值更為接接近，且滯滯后要小。。二次指數平平滑預測的的結果與和的取值有關關。和越大，則預預測的響應應性越好；；反之則穩穩定性越好好。趨勢平滑系系數的取值與類似：更大大的取值表明更更強調趨勢勢的最近變變化；小的的取值則給予予最近的趨趨勢變動更更小的權重重，從而傾傾向于將當當前的趨勢勢平滑掉。。總之，影響二次預預測的基數數，影響預測值值的上升或或下降的速速度。3.時間序序列分解模模型乘法模型：：TF=T?S?C?I加法模型：：TF=T+S+C+I其中：TF——時間序列的的預測值；；T——時間序列中中的趨勢成成分；S——時間序列中中的季節成成分；C——時間序列中中的周期性性變化成分分；I——時間序列中中的不規則則的波動成成分。幾種可能的的時間序列列類型無趨勢、無無季節波動動無趨勢、有有季節波動動有線性趨勢勢、相等的的季節波動動有線性趨勢勢、放大的的季節波動動非線性趨勢勢、相等的的季節波動動非線性趨勢勢、放大的的季節波動動主要討論線性季節模模型線性變化趨趨勢與季節節性變化趨趨勢共同作作用的結果果。預測值=趨勢預測值值×季節系數原始數據：：求趨勢直線線方程：y=a+bty為趨勢預測測值，t為季節序號號，a、b為常數。可用作圖法法或最小二二乘法求出出a、b。季節季節序號t銷售量At夏111800秋210404冬38925春410600夏512285秋611009冬79213春811286夏913350秋1011270冬1110266春1212138例：旅游點點快餐銷售售T(t)=10000+167t計算季節系系數：各周期內相相應實際值值與趨勢值值的比值的的平均值。。SI(夏)=(1.16+1.13+1.16)/3=1.15SI(秋)=1.00SI(冬)=0.85SI(春)=1.00A1/T1=11800/10167=1.16表3-7At/Tt計算表t123456789101112At/Tt1.161.010.850.991.131.000.821.001.160.950.871.01計算預測值值：預測值=趨勢預測值值×季節系數未來一年的的夏秋冬春春各季對應應的t值分別為13,14,15,16,預測銷售量量分別為:夏季:(10,000+167××13)××1.15=13,997(份)秋季:(10,000+167××14)××1.00=12,338(份)冬季:(10,000+167××15)××0.85=10,629(份)春季:(10,000+167××16)××1.00=12,672(份)（二）因果果關系模型型回歸分析投入／產出模型先行指標計量經濟模型

與時間序列中的最小二乘法相似，但可以包括多元變量?；貧w分析的基礎是其他事件的發生影響了預測結果。關注每一家企業對其他企業及政府的銷售情況，給出由于另一家企業的采購變化導致的某一生存企業預測銷量的變化情況。統計那些與所預測的序列呈同方向變動，但其變動發生在所預測的序列變動之前的統計數據；例如，汽油價格的上漲預示著未來大型轎車銷量的下降。試圖用一組相互聯系的方程來描述經濟中的某些因素。（二）因果果關系模型型一元線性回回歸模型數學模型偏差衡量指指標預測實例1.一元線線性回歸模模型YT=a+bxYT為預測值，，a為截距，b為斜率，n為自變量點點數，X為自變量值值，Y為因變量的的值，X為X的平均數，，Y為Y的平均數。。最小二乘法法回歸直線線2.偏差衡衡量指標相關系數r（表示自變變量與因變變量之間的的因果程度度）標準差syx（表示回歸歸預測值的的精確程度度）相關系數r的數值范圍圍相關示例(1)完全正相關關(2)完全負相關關(3)正相關(4)不相關3.預測實實例某公司近年年來的廣告告投入與產產品銷售額額數據見下下表。試求求出這些數數據的回歸歸直線；2003年公司計劃劃投入廣告告費1千萬元，試試預測該年年度的銷售售額。年份1990199219951998200020012002廣告投入(百萬元)1.02.03.04.05.06.07.0銷售額(百萬元)74798090105142122求解：以廣告費為為自變量，，銷售額為為因變量求求回歸直線線：年度廣告費X(單位:百萬元)銷售額Y(單位:百萬元)X2XY19901.074.01.074.019922.079.04.0158.019953.080.09.0240.019984.090.016.0360.020005.0105.025.0525.020016.0142.036.0852.020027.0122.049.0854.0ΣX=28.0ΣY=692.0ΣX2=140.0ΣXY=3063.02003年年的銷售額額預測：Y2003=56.70+10.54×10.0=162.1（萬元）銷售額廣告費實際銷售額額回歸直線（三）預測測監控預測誤差誤差衡量指指標預測監控1.預測誤誤差預測誤差：：是指預測值值與實際值值之間的差差異。誤差有正負負之分：當預測值大大