第五章物流系统需求预测要点分析.ppt

1.市场调查预测法： 预测者在深入实际进行调查后取得必要的经济信息，以此为基础根据自己的经验和专业水平，对市场发展变化做出分析判断。 常见的有以下三种方法： 经营管理人员意见调查预测法； 销售人员意见调查法； 消费者购买意向调查预测法； 1.经营管理人员意见调查法： 首先经理向各业务主管部门提出预测要求，各业务部门分头准备，提出自己的预测意见，由经理召开会议综合分析。 优点：上下结合进行预测，有利于发挥集体智慧，各业务管理人员熟悉市场动向，预测结果较准确，对商情变化了解不够具体，主要靠经验判断，受主观影响大。 2.销售人员意见调查法： 对销售人员进行调查，征询产销情况、市场动态、未来市场销售估计。 优点：销售人员在一线，最熟悉市场情况，自己预测销售任务，易于发挥主观能动性； 缺点：为超额完成任务，估计偏向保守，对大局了解不够，预测结果有一定局限。 3.消费者购买意向调查预测法： 通过问卷调查、访问等调查形式，将消费者的购买意向汇总分析，推断未来市场需求。 优点：可以得到最直接，最有用的信息，如果消费者愿意合作，就能够获得比较准确的预测结果。 主观概率法： 个人对某事在未来发生或不发生可能性的估计，反映个人对未来事物的主观判断和信任程度。 主观概率加权平均法：以主观概率为权数，对各种预测意见进行加权平均，从而求得综合性预测结果。 第四节 物流需求预测的定量方法 实践证明，时间序列分析模型虽然简单，但预测效果较好。 1.移动平均分： 一种简单的预测方法，根据时间序列信息，逐项推移，依次计算包含一定项数的平均值，以消除周期波动或随机波动的影响，揭示长期趋势。 当时间序列受周期变动和随机波动的影响，起伏较大，不易显示出事件的发展趋势时，使用移动平均法可以消除这些因素的影响，显示出事件的发展方向与趋势。 一次移动平均： Mt(1) = （yt+ yt-1 + ··· + yt-n+1）/ N Mt(1) ——第t周+期的一次移动平均数； yt ——第t周期的观测值； N——移动平均的项数（2、3、4、5） 预测公式： yt+1= Mt(1) 当时间序列没有明显趋势变动时，使用一次移动平均就能准确反映实际情况。 但时间序列出现线性变动趋势时，用一次移动平均数预测就会出现滞后偏差。需要在一次移动平均的基础上做二次移动平均。 二次移动平均数： Mt(2) =（ Mt(1) + Mt-1(1) + ··· + Mt-N+1(1) ）/N 设时间序列在某时刻具有直线趋势，可设趋势预测模型： yt+T = at+bt·T 2.指数平滑法： 一种非常有效的短期预测法，只要得到很少的数据就可以连续使用。 指数平滑法在同类预测法中被认为是最精确的。 一次指数平滑法预测：下期的预测值等于本期的实际值与本期的预测值加权平均。 Ft+1 = α·xt +（1- α）·Ft t ——本期的时间； Ft ——对t时刻的预测值； Ft+1 ——在t+1时刻的一次指数平滑值； α ——指数平滑系数； xt—— 在t时刻的实际值。 初始值F1：一般要通过一定的方法选取，如果时间序列数据较多且比较可靠，可以将已有数据中的某一部分的算术平均值或加权平均值作为初始值；若历史数据较少或数据可靠性较差，则可采用定性方法确定； 指数平滑系数α：一定的主观判断，α值越大，近期观测值的权数越大，模型对时间序列的变化越敏感；α过大，会使预测结果跟踪时间序列变化，不能体现根本趋势；α越小，近期数据影响越小，历史数据权数大，预测更平稳，消除了随机波动，只反映长期的大致发展趋势。 一般情况下，α取值（0.1~0.4），在历史数据很少或没有历史数据的情况下，要选取较高的α进行短期预测（大于0.5） 二次指数平滑法：在一次平滑的基础上再做一次指数平滑，然后用两次平滑值，建立模型确定预测值 解决了一次指数平滑法存在的两个问题： 1.解决了一次指数平滑不能用于明显趋势变动的预测； 2.解决了一次指数平滑只能向未来预测一期的局限性。 St(2) = α·St(1) + （1- α）·St-1 (2) St(1) ——第t 期的一次平滑值； St(2) ——第t 期的二次平滑值； α ——平滑系数。 建立二次指数平滑预测模型： Yt+T = at + bt · T 回归分析预测模型： 回归分析预测法就是根据事务内部因素变化的因果关系来预测事物未来的发展趋势。 根据回归分析模型中的自变量个数，分为一元回归分析、多元回归分析； 按变量之间的关系，分为线性回归、非线性回归； 事物之间的相互关系可以分为确定的函数关系和不确定的相关关系两类。具有相关关系的变量，可建立回归方程，对变量间的关系进行描述。 一元线性回归预测法: 1.数据的直观分析及散点图描述