《第十二章 市场预测方法(二)》-公开·课件设计.pptVIP

第十二章 市场预测方法（二） 第十二章 市场预测方法（二） 第一节 时间序列预测法 第二节 回归分析预测方法 第一节 时间序列预测法 一、时间序列预测概述 （一）时间序列预测法的概念 时间序列预测法，又称趋势预测法，是将历史资料和数据按时间顺序排列成一系列，根据时间顺序所反映的经济现象的发展过程、方向和趋势，将时间序列外推或延伸，以预测经济现象未来可能达到的水平。 （二）时间序列分析法的特点 1、时间序列分析法是根据市场过去的变化趋势预测未来的发展，它的前提是假定事物的过去会同样延续到未来。 2、运用时间序列法进行预测，必须以准确、完整的时间序列数据为前提。 3、时间序列数据变动存在着规律性与不规律性。 （1）长期趋势变动（T） （2）季节性变动（S） （3）循环变动（C） （4）不规则变动（I） （三）时间序列分析法的模型 乘法模型方式，即X=T·S·C·I 加法模型方式，即X=T+S+C+I 实际应用中时间序列分析法定量预测的乘法模型方式和加法模型方式分别采用简化形式。 X=T·S X=T+S （四）时间序列分析法预测步骤 首先，应绘制历史数据曲线图，确定其趋势变动类型； 其次，根据历史资料的趋势变动类型以及预测的目的与期限，选定具体的预测方法，并进行模拟、运算； 最后，将量的分析与质的分析相结合，确定市场未来发展趋势的预测值 二、直线趋势预测法 （一）算术平均数法 1、简单算术平均数法 2、加权算术平均数法 （二）移动平均数法 移动平均法是将观察期内的数据由远及近按一定跨越期进行平均，随着观察期的“逐期推移”，观察期内的数据也随之向前移动，每向前移动一期，就去掉最前面一期的数据，而新增继原来观察期之后的那一期的数据，以保证跨越期不变，然后逐个求出其算术平均数，并将预测期最近的那一个平均数作为预测值。 1、简单移动平均法 2、加权移动平均法 3、直线模型法 如果时间序列的各个数据在一定时期中呈现持续上升或下降趋势。且各项变量逐期的增减大致相同时，可配以直线方程并用最小二乘法进行预测。预测模型为： 根据最小二乘法的原理可以推导出两个标准式： 解标准方程式得： 三、季节变动趋势预测法 季节变动是影响时间序列波动的一个主要因素，进行季节变动分析有两个目的： 通过分析了解季节因素的影响作用的大小，掌握季节变动的规律； 通过季节变动分析消除时间序列中的季节波动，使时间序列更明显地反映趋势及其它因素的影响。 （一）按月（季）简单平均法 按月（季）简单平均法计算过程如下： 1、将各年按月(季)排列的时间数列，按同月(季)编制表格； 2、计算历年同月(季)的算术平均数，以消除同一时间上可能存在的偶然因素的影响； 3、计算全年月(季)的总平均数，以消除数据中可能存在的趋势变动、偶然因素的综合影响； 4、计算各月(季)的季节指数，季节指数＝历年同月(季)平均数／全年月(季)总平均数×100％。 5、调整各月(季)的季节指数。从理论上讲，各月的季节指数之和为12，但是由于计算中出现的各种误差（如四舍五入）会使得季节指数之和小于或大于12，应予以调整。 6、计算预测值 （二）移动平均趋势剔除法 移动平均趋势剔除法是运用12个月（4季）的移动平均数，计算出一个既能消除长期趋势，又消除不规则变动，能够比较正确地反映季节变动的季节指数，然后，利用这个季节指数，求得分月预测值的预测方法。 移动平均趋势剔除法具体预测步骤： 1、计算12个月的移动总数； 2、计算12个月移动平均数，修匀后的序列就是消除了随机变动的长期趋势； 3、计算移动平均系数； 4、计算季节指数； 5、利用季节指数消除原时间序列的季节影响，并用最小二乘法对消除了季节影响的时间序列拟合直线趋势方程； 6、根据趋势方程计算预测未来某月的趋势值，最后利用该月的季节指数加以修正。 四、指数平滑预测法 指数平滑法是通过对预测目标历史统计序列的逐层的平滑计算，消除由于随机因素造成的影响，找出预测目标的基本变化趋势，并以此来预测未来。 指数平滑法按平滑次数的不同又分为一次指数平滑法、二次指数平滑法和三次指数平滑法。 1、指数平滑公式 一次指数平滑公式为： 二次指数平滑公式为： 三次指数平滑公式为： 2、指数平滑预测模型 （1）平稳移动趋势的指数平滑预测模型 其含义是：如果时间序列的发展变化是平稳的，则未来各期的预测值是最近一期的一次平滑值。 （2）线性趋势的指数平滑预测模型 式中： （3）非线性趋势的指数平滑预测模型 式中： 3、加权系数a的选择 通常来说，a越大，说明预测越依赖于近期信息；a越小，则表示预测更依赖于历史信息。 一般说来，a取值应遵循下述原则： 第一，