卷烟需求预测模型探讨.docVIP

卷烟需求预测模型探讨 　　摘要本文通过实例仿真对比对卷烟需求预测模型进行了探讨。 　　关键词烟草 需求模型 　　中图分类号:F224文献标识码:A 　　 　　一、引言 　　烟草行业的计划性很强,烟民的消费需求变化相对较稳定,烟草行业较少存在其它行业的激烈且无序的竞争。 　　二、模型算法简介 　　(一)预测公式。 　　为以t时期为起始点,第T个间隔期的长期趋势变动值,St+T为以t时期为起始点,第T个间隔期的季节指数值(在本文档中,实际上是指对应于各月的季节指数,即从1-12月每月有1个“月度季节指数”,预测某个月的值,其季节指数值为对应于该月的季节指数)。 　　性趋势时,参数at、bt需采用二次移动平均法、二次指数法和最小二乘法等来得出。 　　St+T的算法(以12月的月度季节指数为例):求二次平均后的季度指数。用二次移动平均剔除长期变动趋势值求历年同月份间的季度指数(即步骤1的值)平均数,意在剔除不规则变动计算季度指数(步骤2的值)的调整系数。4季度指数与调整系数的乘积得出最终的季度指数。 　　1.二次移动平均法。 　　所谓移动平均法,就是顺序将组距由前往后移动,产生多个移动平均值,根据这些移动平均值来确定预测值的预测方法。 　　在动态数列中选择包括本期在内的最近n个时期的观测值,计算其序时平均数作为下一个时期的预测值,最后乘上季节指数值,得到最终的回溯预测值。 　　算法步骤描述如下: 　　第一步:求解N=12的一次移动平均预测值。公式如下: 　　式中:Mt――t时期的移动平均趋势值(预测值或回溯值); 　　Yt,Yt-1…,Yt-n+1…――为下标时间的实际销量; 　　n――预测依据的时期数(n在这里取12)。 　　t=12,8,9…… 　　即:第一个移平均销量趋势值是第1月至第12月的销量和的算术平均。第二个移动平均值则是第2月销量至第13个月销量和的算术平均。 　　M12表示第1个移动平均销量趋势值。第二步:调整为整期的移动平均值(此是中心化的过程,也可看作二次平均。若再以12期作二次平均,预测准确率并未能有所提高,而复杂程度增加)。公式如下: 　　式中:Mtn―――调整为整期的移动平均预测值。 　　at=2M-Mt 　　T是指预测的时期,如t是2004年10月,计算出来的参数at和bt是以2004年10的值得出,则预测2005年5月,T=7,因为,从2004年10月到2005年5月中间间隔了7个月;以此类推,预测2005年6月,则T=8。 　　预测值的最终结果:则是用第四步求得的Yt+T乘上季节指数(后面介绍算法)即可得到。 　　2.最小二乘法(最小平方法)。 　　最小二乘法,是通过建立数学模型,配合一条较为理想的趋势线,使实际值(Y)与趋势线上相对应的估计值(Yμ)的误差平方和为最小。用公式表示如下: 　　∑(Y-Y?滋)=Qmin 　　最小二乘法是研究长期趋势最常用的方法。当现象发展大体上以相同的逐期增长量上升(或下降)时,其发展趋势视为直线趋势,其实际动态数列的图形状态近似直线形状,就可以用直线方程来拟合。直线方程的一般表达式为: 　　Y?滋=a+bx 　　a、b为待定参数。通过偏微分数学的方法,经过整理可得到a、b值的两个标准方程式: 　　∑y=na+b∑x∑xy=a∑x+b∑x2 　　则: 　　将a、b参数代入直线方程,即得到直线趋势方程:Y?滋=a+bx算法步骤具体过程如下: 　　第一步:计算季节指数St+T。 　　第二步:求解剔除季节因素的销量值Yt′。 　　用销量实际值除以通过移动平均法计算所得的初始季节指数调整值St。公式如下: 　　式中:Yt―去除季节因素的销量值; 　　St―初始季节指数; 　　Yt―t时期的销量实际值。(下转第38页) 　　(上接第165页)第三步:按时间序列的顺充将x的值依次设为0,1,2,3,4,……,并求得x2及∑x2 　　第四步:计算x*、Yt、′t及∑x* Yt′的值。 　　第五步:根据上文提到的求解a、b值的方程求得a和b的值: 　　求得参数:a=3738.7164,b=17.629307 　　第六步:建立直线趋势方程Yμ=a+bx,并将x的值依次代入方程,求得预测值。 　　直线方程:为Yμ=3738.7164+17.629307x将x的值依次代入方程得到预测值Yμt。如需预测2005年7月的销量,此时x=42(6月为41),将42代入上式即可。 　　最终预测值的结果:则是用第五步求得的Yμ乘上季节指数(后面介绍算法),即可得到。 　　(三)季节指数St+T的算法。 　　行业销售总量的预测必须考虑季节因素。卷烟销售有很强的季节性,每年春节、中秋是销量明显偏高时期,其