Excel与基于时间序列动态市场预测分析.docVIP

Excel与基于时间序列动态市场预测分析 　　[摘 要] 本文简要介绍了基于时间序列的分析方法,重点介绍其中的移动平均法,结合实例介绍基于移动平均法的市场预测方法#65380;步骤及Excel实现,指出该方法具有通用性和动态适应性#65377; 　　[关键词] 动态市场预测;Excel;时间序列 　　[中图分类号]F232[文献标识码]A[文章编号]1673-0194(2008)14-0013-02 　　 　　一#65380;基于时间序列预测分析概述 　　 　　时间序列预测法是将预测目标的历史数据按时间的顺序排列成为时间序列,然后分析其随时间变化的发展趋势,外推预测目标的未来值#65377;也就是说,时间序列预测法将影响预测目标的一切因素都由“时间”综合起来加以描述#65377; 　　时间序列预测法主要用于分析影响事物的主要因素比较困难或相关变量资料难以得到的情况,预测时先要进行时间序列的模式分析#65377; 　　时间序列的模式,是指历史时间序列所反映的某种可以识别的事物变动趋势形态#65377;时间序列的基本模式,可以归纳为水平型#65380;趋势型#65380;周期变动型和随机型等4种类型,大体反映了市场供求变动的基本形态#65377; 　　时间序列预测法通常又分为移动平均法#65380;指数平滑法#65380;趋势外推法#65380;季节分析法和生命周期法等多种方法#65377;本文主要以移动平均法为例进行市场预测分析#65377; 　　 　　二#65380;移动平均法概述 　　 　　移动平均法是一种简单平滑预测技术,它的基本思想是: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值,以反映长期变动趋势#65377;因此,当时间序列的数值由于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,显示出事物的发展方向与趋势(即趋势线),然后依趋势线分析预测序列的长期趋势#65377; 　　移动平均法的计算过程是对一组近期实际值取平均值,将这个平均值作为下期预测值,逐项移动,形成一个序列平均数的时间序列#65377; 　　 　　如果对一次移动平均值序列再进行一次移动平均,就得到二次移动平均值#65377;用二次移动平均值进行预测的方法,就是二次移动平均法#65377;二次移动平均法的计算公式为: 　　 　　三#65380;基于移动平均法的市场预测实例分析 　　 　　【例】 设某产品2006 年 1～12 月份实际市场销售额如表1所示#65377;试运用移动平均法和二次移动平均法,采用近4期数据预测 2007 年 1 月份的市场需求量#65377; 　　表1某产品2006年1～12月份市场销售额(单位:万元) 　　运用Excel构建基于移动平均法的市场需求量预测分析模型的步骤如下: 　　步骤1:根据已知数据构建产品市场需求量预测模型Excel表格,如图1所示#65377; 　　步骤2:根据一次移动平均法思路及n=4,计算一次移动平均法下的市场需求量#65377; 　　由于n=4,所以一次移动平均所在单元格E4:E16的公式输入应该从E8单元格开始(即第5期),对实际销售额求平均值#65377;在单元格E8输入公式为“=average(D4:D7)”,并运用公式复制填充生成E9:E16单元格公式#65377;结果如图2所示#65377; 　　通过图2可以看到,通过一次移动平均法求得2007年1月份产品市场预测需求量为1 081.5万元#65377; 　　步骤3:根据二次移动平均法思路及n=4, 计算二次移动平均法下的市场需求量#65377; 　　由于n=4,所以二次移动平均所在单元格F4:F16的公式输入应该从F12单元格开始(即一次移动平均预测值第5期,实际值第9期),对一次移动平均预测销售额求平均值#65377;在单元格F12输入公式为“=average(E8:E11)”,并运用公式复制填充生成F13:E16单元格公式#65377;结果如图3所示#65377; 　　由图3可以看到,通过二次移动平均法求得2004年1月份产品市场预测需求量为1 067.13万元#65377; 　　步骤4:模型优化 　　通过以上分析可以看出,如果每次的n值(每次移动平均包含的数据期数)调整,有关公式还必须做重新的设计,这样模型的动态适应性就会很差#65377;因此,应该通过模型优化使模型根据n值的变化产生动态预测数据#65377;模型优化的思路如下: 　　(1)根据n值的变化,运用IF函数通过n值与每一时期栏数据比较,自动产生输出数据的开始单元格#65377;比如n=2时,如果时期栏单元格数值大于2,则在一次移动平均单元