第四A章需求预测.ppt

第四A章 需求预测 4A.1 预测 对某一不确定的或未知事件做出的预计与推测。 4A.1.1 影响需求的因素 4A.1.2 预测的分类 定性预测（主观预测方法） 定量预测（统计预测方法） 4A.2定量预测 4A.2.1 时间序列分析法 一、简单平均法 利用一定时期历史数据的平均值，作为下一时期预测值。（适用于需求稳定物品） （4.1） ：为预测值 ：为 时段的实际需求数值 ：为预测期内时段的个数 二、加权平均法 当需求模式呈现某种趋势时，在进行预测时注重使用最近数据。 （4.2） ：为预测值 ：为 时段的实际需求数值 ：第 期的权重系数 三、移动平均 （一）、简单移动平均法 设时间序列为： ， ，…， ，… ；选取 n 个时期的数据平均，则第 t 期简单移动平均数的计算公式为： 以第 t 期移动平均数作为第 t+1 期的预测值，即： 式中： 为 t 期移动平均数；n 为移动步长 为第 t+1期的预测值 当n 较大时，为减少计算量求的其递推公式： 第 t+1 期的预测值 实际上是在第t 期预测值 的基础上加上 n越大 越小,很大程度上克服了随机干扰 例：某地区2001~2011年人均粮食产量数据如表4.1所示。使用简单移动平均法，预测2011年人均粮食产量。 解：分别取n=3和n=5： 当n=3时， 均方误差： 当n=5时， 均方误差： （二）、加权移动平均法 设时间序列为： ， ，…， ，… ；则第 t 期加权移动平均数的计算公式为： 以第 t 期移动平均数作为第 t+1 期的预测值，即： 式中： 为第 的加权因子 相对误差： 总的平均相对误差： 例2：某商场的海尔冰箱的月销售额记录见表2所示，试用加权移动平均法预测第12个月销售量。 解：取n=3， ， ， ： 总的平均相对误差：12.82% （三）、二次移动平均法 时间序列出现明显直线增加或减少趋势 原理：一次移动平均数落后于历史数据，二次移动平均数又落后一次移动平均数，两个滞后量相等，因此，先求出一次移动平均数和二次移动平均数间的差值，再将此差值加到一次移动平均数，再考虑趋势变动值，得到预测值。 例：1998—2007年某市人均卷烟消费量如表3所示，用二次移动平均法（n=3）计算2003—2007年该市人均卷烟消费量的理论预测值，并预测2008年消费量。 四、指数平滑法 1.预测模型 设时间序列为： ， ，…， ，… ；一次指数平滑计算公式为： 以第 t 期一次指数平滑值为第 t+1 期的预测值，即： 式中： 为 一次指数平滑值；α为加权系数，且0α1; 为第 t期的观测值 2.加权系数的选择 α的大小规定了第t期观察值 在预测下一期中的重要程度； α越大，则 在预测结果中所占的比重越大，修正幅度越大，对近期变化反应越灵敏，但容易受随机干扰的影响，风险越大； （1）时间序列较平稳， α应取小点（一般为0.1-0.4） （2）时间序列明显变动倾向，α应取大点（一般为0.3-0.5） （3）对初始值正确性有疑问， α应取大点 （4）时间序列不规则变动，但长期趋于某一稳定常数， α应取小点（一般为0.05-0.20） 3.初始值的确定 时间序列数据个数超过20以上，初始值对以后的预测影响很小，选用第一期数据为初始值。 数据个数在20以下，初始值对以后的预测影响很大。 （1）若样本序列较长，把已有数