-财务预测的分析方法(4页).docVIP

财务预测的分析方法 预测分析的方法有很多种，企业应根据不同的需要选择不同的预测方法。总的来说，预测分析方法可分为两大类：定量预测法和定性预测法。4.2.1??定量预测法定量预测法是指在掌握与预测对象有关的各种要素的定量资料的基础上，运用现代数学方法进行数据处理，从而建立起能够反映有关变量之间关系的各类预测模型的方法。在财务预测中，经常使用的定量预测法主要有以下几种。??移动平均法移动平均法是一种改良的算术平均法，是一种最简单的自适应预测模型。它根据近期数据对预测值影响较大，而远期数据对预测值影响较小的事实，把平均数逐期移动。移动期数的大小视具体情况而定，移动期数少，能快速地反映变化，但不能反映变化趋势；移动期数多，能反映变化趋势，但预测值带有明显的滞后偏差。常用的移动平均法主要有一次移动平均法和二次移动平均法。1．一次移动平均法一次移动平均法是根据时间序列，逐期移动，依次计算包含一定项数的时间序列平均数，形成一个平均时间数序列，并据此进行预测。预测模型为式中　—第t+1期的预测值；、、…、—将被平均的n个观测值；n—移动平均的项数，即移动期数。在实际预测中，可以多取几个n数，并将得到的预测值与实际值进行比较，选用误差最小的n值。2．二次移动平均法二次移动平均法是对时间序列计算一次移动平均数后，再对一次移动平均数序列进行一次移动平均运算。预测模型为。式中　—二次移动平均数；—第t+1期的预测值，即。二次移动平均法解决了一次移动平均法只能预测下一期的局限性，它可以进行近、短期的预测。但它仍不能解决中长期的预测问题。??指数平滑法指数平滑法实际上也是一种加权平均法，是一种改良的加权平均法，预测模型为式中??—平滑系数，0≤≤1。在指数平滑法中，确定合适的值和初始值是非常重要的。越大，t期的实际值对新预测值的贡献就越大；越小，t期的实际值对新预测值的贡献就越小。一般情况下，可以取几个不同的值进行预测，比较它们的预测误差，选择预测误差最小的值。??回归分析预测法回归分析预测法是通过研究两组或两组以上变量之间的关系，建立相应的回归预测模型，对变量进行预测的一种预测方法。1．回归分析预测法的基本程序进行回归分析的步骤如下：（1）收集有关资料。将各种可能的影响因素的有关数据尽可能多地收集起来。（2）判断趋势。根据收集到的数据，判断其变化趋势，从而为建立相应的数学模型做准备。对于变量不多的问题，可以通过绘制散点图来判断变化趋势。（3）建立预测数学模型。根据历史数据的变化趋势，选择相应的描写该问题的数学模型，并采用相关的计算技术来估计数学模型的参数。（4）相关检验。对建立的预测数学模型，必须进行有关的检验，主要是通过计算预测模型的相关系数、方差（或标准差）以及显著性等指标，来判断预测模型的准确性、是否需要修正、采用何种方法修正等。2．回归模型建立的方法建立回归模型的一般方法是采用最小二乘法，其原理如下：考虑m个自变量x1、x2、…、x?m和因变量y的关系，现有n组观测数据，不同xki?（k=1,2,…,m；i=1,2,…,n）下的y的观测值为yi，函数y=f(xk)的待估计参数为ak（k=1,2,…,m+1，这里，每个自变量有一个待估计系数，还有一个待估计常数，故有m+1个待估计参数），通过回归预测模型得到不同xki下的预测值为?，则有：残差平方和SE：剩余标准差SS： 中国最大的资料库下载相关系数R2：`y为观测值yi的平均值：那么，最小二乘法的原理就是寻找最优的待估计参数ak，使残差平方和最小。3．财务预测中常用的几种回归模型（1）一元线性回归模型当只有两个变量（一个自变量和一个因变量），并且它们之间存在线性关系时，可以用一元线性回归模型来描述。一元线性回归模型为式中　a、b—回归系数，其中a代表截距，b代表斜率。（2）一元非线性回归模型当变量x和y之间的关系不能用线性关系来描述时，则需要建立一元非线性回归模型。根据变量x和y之间的关系，一元非线性回归模型常见的几种情况有：对数模型：指数模型：乘幂模型：双曲线模型：以上几种一元非线性模型均可通过数学变换化成一元线性模型。（3）多元线性回归模型当自变量有两个或两个以上，且因变量与这些自变量之间呈线性组合关系时，它们就构成了多元线性回归模型，模型形式为式中　a、b1、b2、…、bm—估计参数；x1、x2、…、xm—自变量。（4）多元非线性回归模型多元非线性回归模型用来描述因变量与多个自变量之间呈非线性组合关系的情况。例如，柯柏—道格拉斯生产函数就是典型的多元