[管理学]4 管理学2011-预测与决策.pptVIP

预测分类 预测分类 （一）按预测时间长短分类 1、长期预测 2、中期预测 3、短期预测 （二）按主客观因素所起的作用分类 1、定性预测方法 2、定量预测方法 四、预测的一般步骤 决定预测的目的和用途 根据企业不同的产品及其性质进行分类 决定影响各类产品需求的因素及其重要性 。。。。。。。。。 五、预测中应注意几个问题 （一）判断在预测中的作用 1、判断在选择预测方法中的作用 2、判断在辨别信息中的作用 3、判断在取舍预测结果时的作用 （二） 预测精度与成本 （三）预测的时间范围和更新频率 （四）稳定性与响应性 2、定性预测的适用条件 在掌握的数据不多、不够准确无法用数字进行定量分析时，如对新建企业生产经营的发展前景、新产品生产销售的发展前景进行预测，由于缺少历史资料，以采用 定性预测方法为宜。 当主要影响因素无法用数字描述时，如对党和国家方针政策的变化预测、消费者心理的变化对市场商品供需变化的影响预测等无法定量分析，唯有定性分析。 在定量分析之后，要进行定性分析，对其结果进行调整，才能使预测接近实际。 例如：某公司有三个推销人员，他们对自己负责的销售区下一年度的销售额估计如表： 调查表中的基本项目见表： 磨具需求情况调查表 甲地区有80万户，该地区某电视机厂通过抽样调查向1000个家庭提问：“在未来一年内打算买台彩电吗？”答案有六种不同的选择，调查结果如下表。请问该地区年度对彩电的预测需求量为多少？ 预测年度企业彩电销售量推算表 2、 专家评估法 专家评估法：也称为德尔菲法，是以匿名方式向一组专家轮番分别征求意见，加以综合整理，逐步取得一致意见而进行预测的方法。 特点：匿名性、反馈性、集中性 时间序列平滑预测法 本章主要内容: 移动平均法 指数平滑法 1 时间序列概述 何谓时间序列? 按一定的时间间隔和事件发生的先后顺序排列起来的数据构成的系列 时间序列平滑模型：移动平均法，指数平滑法； 时间序列分解模型：乘法模型，加法模型； 1.1 时间序列分解模型 时间序列分解模型的构成因素 1、长期趋势 T 2、季节变动 S 3、循环变动 C 4、不规则变动 I 时间序列分解模型的预测公式 1、加法型 Y=T+S+C+I 2、乘法型 Y=T×S×C×I 1.2 移动平均法 什么是移动平均法？ 移动平均法是根据时间序列资料.逐项推移,依次计算包含一定项数的序时平均数,以反映长期趋势的方法 。 移动平均法的种类 简单移动平均法 加权移动平均法 简单移动平均法 其中： 为i周期的实际需求 n为移动平均采用的周期数 简单移动平均法 实际销售数据 A1=20;a2=21;a3=23;a4=24 问题： 1，N=3,预测第五个月的销售； 2，N=4,预测第五个月的销售； 简单移动平均法 N=3 A5=(21+23+24)/3=22.67 N=4 A5=(20+21+23+24)/4=21.75 如何选择N？ 移动平均项数N 的大小反映移动平均数的修匀性强弱和对趋势的灵敏度。选取时有两种情形： （1）如果序列发展的总趋势比较平稳，波动不大，则N应取大一点，使平滑的效果更显著。（稳定性） （2）如果序列的总趋势不稳定，波动较大，且外部影响正在改变，则N应取小一点，使SMA更适应当前变化的趋势。（响应性） 在实用上，常用几个N值进行试算，比较他们的均方误差MSE，选取均方误差较小的那个N。 加权移动平均法 其中：WMAt+1是t周期末加权移动平均数 如何选择权数α？ 一般原则：近期数据的权数大，远期数据的权数小。通常可用N为最近一期的权数，依次减去1为前各期的权数。 加权移动平均法 实际销售数据 A1=20;a2=21;a3=23;a4=24 问题： 1，x1=0.5,x2=1.0,x3=1.5,N=3,预测第5个月的销售； A5=(21*0.5+23*1.0+24*1.5)/3=23.17 适用条件：简单移动平均法和加权移动平均法只适合作近期预测，而且只有当时间序列没有明显的趋势变动时，才能准确的对实际情况进行反映。 如果时间序列变化较大或存在趋势变动，则采用上述两法会产生较大的预测偏差和滞后。 移动平均法的功能： 1、平滑数据的功能。 2、消除周期变动和不规则变动的影响，使长期趋势显示出来。 指数平滑法 一次指数平滑法 二次指数平滑法 三次指数平滑法 差分指数平滑法 一次指数平滑法 公式： 其中： 为t期实际值，?为平滑系数，权系数选择的一般原则 初始值的确定 适用:时间数列无上升或下降趋势的情况. 实际销售数据 A1=20; ?=