零售业商品需求预测体系设计和实证检验.docVIP

零售业商品需求预测体系设计和实证检验 　　内容摘要：本文首先介绍了零售企业商品需求预测的相关理论方法，在此基础上设计了商品需求预测系统。首先利用不同的单项模型预测方法，对商品需求进行预测;之后建立组合预测模型;最后通过单项模型预测获得的预测结果，代入组合预测模型，获得商品的组合预测模型需求结果，最后验证了组合预测方法的优越性。 　　关键词：零售企业 预测模型 预测系统 组合预测 　　引言 　　随着经济的快速发展与市场竞争的日趋激烈，物流过程中的各个环节对企业利润的增长都起着不可忽视的作用。对于零售业来说，一定数量的产品库存可以维持销售的稳定，及时应对市场需求的变化，对上游企业生产的稳定性也起着重要的保证作用。然而，由于市场变化的日新月异，市场需求也不断朝着个性化、多样化发展，使得对市场需求的预测越来越困难。各零售企业为了保证客户需求，维持稳定销售，只得不断增加产品库存。盲目的增加库存占用了企业大量资金，增加了管理成本，浪费企业资源。如何合理的对产品市场需求进行预测，进而有效的控制产品库存，是零售企业面临的重要问题。通过对商品未来发展趋势作出准确预测，可以有效减少产品库存，降低库存成本，从而提高库存管理的科学性，最终增加企业效益与市场竞争力。 　　本文针对零售业商品需求的预测问题，探讨了商品需求预测方法，设计了商品需求预测系统。首先利用不同的单项模型预测方法，对商品需求进行预测;之后建立组合预测模型;最后通过单项模型预测获得的预测结果，代入组合预测模型，获得商品的组合预测模型需求结果。通过设计商品需求预测系统，将上述方法具体实施。利用商品需求预测系统，对某商品在某一时间段的销售数据进行了预测分析，验证了组合预测方法的优越性。 　　需求预测基本模型方法 　　所谓预测，即通过对产品历史需求数据进行分析，从而得到产品未来需求情况的方法。通过对产品未来趋势的准确预测，可以合理对资源进行分配，用最少的资源为客户提供最佳的服务，以应对不断变化的市场需求。对于需求预测，可选用的模型方法主要包括： 　　第一，移动平均法。移动平均法首先对时间序列数据分段，在此基础上，根据数据点的顺序逐步来进行推移，从而计算平均数，得出预测结果。 　　第二，指数平滑法。指数平滑法根据移动平滑法发展而来。指数平滑法通过将预测目标的历史统计序列进行逐层平滑计算，抵消因为随机因素产生的影响，进而找出待预测目标的变化趋势，并根据此趋势对未来进行预测。指数平滑法一般包括一次平滑法和多次平滑法。 　　第三，自回归移动平滑模型。自回归移动模型又称ARIMA模型，是估计非季节与季节隐性的自回归综合移动平滑模型。可以在对数据模式不知道的情况下，找到合适的模型。 　　第四，一元线性回归预测法。一元线性回归是用来对两个变量之间线性关系进行分析的预测方法。通过分析自变量与因变量之间的关系，从而确定线性回归方程进行预测。 　　组合预测方法 　　在实际预测中，选择不同的预测方法时，其预测结果与精度会不同。单一的选择某一种方法来进行预测，容易使预测过程变得片面，从而影响预测准确度。如果综合利用各种预测模型，根据其预测效果赋予不同的权重，得到组合后的预测模型，去预测商品的需求变化，可以得到更好的预测结果。组合模型可有如下具体形式： 　　（一）算数平均组合预测法 　　算术平均法就是赋予每种预测结果相同的权重，其表达式如下： 　　 （1） 　　其中，t表示预测时期，i表示某种单项预测模型的序数，yt是第t时期算数平均组合预测法的预测值，xit是第i种单项预测模型在第t时期的预测值，ki表示是第i种单项预测的权重，m表示单项预测模型总数。 　　该方法最显著的特点就是简单易行，既不用考虑每种预测方法的准确性，又无须关注不同预测误差之间的相关性。但缺点是：第一，在实践中，每种预测方法的预测效果不可能完全一致，等权重忽略了单项预测方法之间的差异性;第二，由于不确定性的存在，不同预测方法在不同时期往往表现出不同的预测效果，算术平均法无法刻画不同预测方法的时变性特征。 　　（二）误差平方和倒数组合预测法 　　误差平方和倒数组合预测法模型如下： 　　（2） 　　其中，Ei是单项预测的预测误差平方和，xit为第i种单项预测方法在第t时期的预测值，xt为同一预测对象在t时期的实际值，yt是第t时期误差平方和倒数组合预测模型的预测值。 　　预测误差平方和是反映预测精度的一个指标，预测误差平方和越大，该模型的预测精度越低，从而它在组合预测中的重要性就越低，重要性的降低表现为它在组合预测中的权重就越小。反之，误差平方和较小的单项预测模型在组合预测中的权重就越大。 　　（三）简单加权平均组合预测法 　　简单加权平均法是先把各个单项预测方法预测误差的方差和Ei，i