【市场营销调研】时间序列分析.ppt

第11章时间序列分析 时间序列是指把历史统计资料按时间顺序排列起来得到的一组数据序列。例如，按月份排列的某种商品的销售量 ；农业总产值按年度顺序排列起来的数据序列等都是时间序列。时间序列预测法将影响预测目标的一切因素都由“时间 ”综合起来描述 , 是根据市场过去的变化趋势分析未来的发展，它的前提是假定事物的过去会同样延续到未来。时间序列市场分析法是撇开市场发展的因果关系去分析市场的过去和未来的联系。 11.1平均数分析法 　　　　　 二 .加权算术平均法 简单算术平均法的预测，将观察期的各期数据对预测值的影响等同看待，这不符合市场实际，实际情况是近期市场状态对预测值的影响要比远期大，据此，我们引人加权算术平均法， 以各期不同的权数，表示不同期观察值对预测值的不同影响程度。时间序列的加权算术平均数y 的计算公式则为 : Y = ∑wY / ∑w 某企业2000-2003年的销售资料如表，试用算术平均法和加权移动平均法预测2004年的销售量，并分析结果。 解： （1）用算术平均法预测： 预测值=y= ∑ Y/n=35+46+42+55+60/5=47.6(万元) （2）用加权平均法预测： 预测值= y= ∑ wY/ ∑ w =0.1×46+0.2×42+0.3×55+0.4×60=53.5(万元) （3）分析：由于时间序列有上升趋势，故用算术平均法预测较为保守，去掉远期数据，利用与预测关系密切的近期数据并给予适当的权数，预测结果比较切合实际。 三.时间序列平均增长量分析法 时间序列中各期的近期增长量如果大体相等 , 则说明该市场现象的变动呈直线趋势。 采用算术平均法预测此类现象 , 预测结果必然出现滞后性。趋势上升的 , 预测结果偏低 ; 趋势下降的 , 预测结果偏高。用增量平均法可以纠正滞后偏误。设时间序列各期水平为 Y1, Y2 ,… Yt, …从第二期起各期逐期增长量为 △Yt, 各期增量的平均值为 △ Y 。计算公式： △Yt = ∑〔（ Yt－ Yt-1)+ （ Yt-1－ Yt-2)+…+ （ Y2－ Yt-1) / n-1= ∑ △ Y / n-1 四、时间序列平均发展速度市场分析法 　　时间序列中各期 ( 第一期除外〉的环比发展速度如果接近,说明该市场现象呈指数 曲线的变化趋势,可采用发展速度的平均法进行预测。发展速度的平均数多采用几何平均法计算,故此法也称几何平均法。时间序列的各期发展水平为 :Y1,Y2, … ,Yt 五.移动平均市场分析法 　　　时间序列由 n 期观察值Yn,Yn-1, … ,Y1,Y2 组成。对连续 N 期 (Nn) 的观察值进行 算术平均 , 可得其平均数 Mt, 称移动平均数。由于 Nn, 故一个时间序列有若干移 动平均数 , 即 : Mn =(yn+yn-1+yn-2+…+yn –N+1) /N Mt =(yt +yt-1+yt-2+…+yt –N+1) /N Mn-N+1 =(yt +yt-1+yt-2+…+yt –N+1) /N 移动平均数再按时间先后排列，形成新的时间序列，亦称移动平均数序列。移动平均数能较好地消除原序列中季节变动和不规则变动出现的高点和低点，有修匀数列的作用， 所以移动平均数序列能反映市场现象的较长时间变化趋势,在市场预测中广泛应用。 计算移动平均数 , 要合理确定连续期 N 的大小 ,N 值大 , 修匀效果好 , 但会降低 平均数序列对原时间序列反应的灵敏程度 , 当 N 接近于 n 的数值时 , 移动平均数项数 大幅度减少 , 仅有 n-N+1 项 , 很难反映现象变动趋势。 N 值小 , 灵敏度提高 , 但会 影响修匀效果。一般说 , 当原时间序列波动频繁且幅度较大时 ,N 宜选大 , 反之则宜 选小。要消除季节波动影响 ,N 应选一周年的时间数。 一次移动平均预测法。也称简单移动平均法 , 一般只适用于没有明显的升降趋 势和循环变动的时间序列 , 否则会出现预测值的滞后偏差。一次移动平均预测法所以简 单 , 因为他用移动平均值 Mt 取代预测值 yt+1 Mt (1) =(yt + yt-1+ yt-2 +…+ yt–N+1)/N 预测模型： Yt＋Ｔ=at+btＴ a=2 Mt (1) - Mt (2) b=2/N-1 (Mt (1) - Mt (2) ) 、 　　移动平均预测法存在两个问题 : 一是计算移动平均预测值 , 需要有近期 N 个以上 的数据资料；二是计算未来预测值没有利用全部历史资料 , 只考虑 N 期资料便作出预测 ,N 期以前数据对预测值不产生任何影响。 1959 年 , 美国学者布郎在《库存管理的统计预测》中 , 提出了指数平滑预测法 。 　　 指数平滑预测法按平滑次数不同，