季节型态-中山大学企管系.pptVIP

中山大學企業管理學系 大綱 一、 預 測 運 用 二、 預 測 模 型 的 種 類 三、 質 性 模 型 四、 時 間 序 列 五、 代 表 預 測 準 確 度 的 指 標 六、 因果 關 係 及 迴 歸 模 型 七、 時 間 序列 的 分 解 八、 結 論 一、預 測 運 用 經理人每天都要面對不確定性，為了能審慎規劃未來，必須經常做一些相關的預測，以降低不確定性。 常見的預測如－工廠的產品需求，公司的全年總收益，政府的預估稅收等。 不要求高度準確的事件，有經驗的經理人可以憑直覺或判斷力去預測，但對需要高度準確的事件，即使有經驗的經理人，也會發現傳統的預測技術是非常有助益的。 即使經理人有很強的直覺，若輔以系統性的數量模型，可以更加全面考慮各種趨勢，不致於忽略任何可能性。 一、預 測 運 用 預測的實施 建立持續的監控預測資料，並學習如何處理不正確的預測更為重要 好的策略是使用2或3種方法，並尋求共識 持續檢查及更新資料是預測成功的基礎 本章重點-時間序列定量預測，其涵蓋移動平均、線性迴歸、趨勢、季節比率、焦點預測與誤差來源及衡量 零售商Wal-Mart的規模及影響力 擁有世界最大資料倉儲(Data Warehouse) 累積超過7 terabyte的資料 成功的公式-用最低的成本，將正確的商品、擺在適當的料架上 資料庫系統負責儲存銷售點資料、庫存、運送中的商品、市場的統計、顧客人口分佈、財務、退貨及供應商績效，這些資料用於趨勢分析、物料管理與顧客分析三方面的決策支援 資料開採-開發需求預測程式，以預測每一個商店之每一種商品的需求 二、預 測 模 型 的 種 類 數量模型（quantitative model）－預測基礎是過去的數量或數值資料。 時間序列 基本模型 簡單平均模型 加權平均模型 指數平滑模型 迴歸分析 Box Jenkins法 Shiskin 時間序列 趨勢預測 二、預 測 模 型 的 種 類（續） 因果關係模型 迴歸分析 經濟規模 投入/產出模型 領先指標 模擬模型 動態模型，通常以電腦為基礎 二、預 測 模 型 的 種 類（續） 質性模型（qualitative model）－預測基礎是根據判斷或其他非數量性的因素。 草根預測法 市調法 專家意見法 歷史類推 Delphi模型 三、質 性 模 型 草根預測法 連續累加基層的預測資料來建立預測值 假設越接近顧客或最終產品使用者的人，越瞭解它未來的需要 三、質 性 模 型 市調法 雇用專精於市場調查的外部公司 常使用在產品研究中尋找新產品的靈感 收集資料的主要方法是問卷和訪談 三、質 性 模 型 專家意見法 經由開放式會議 所有管理層級和個人意見的自由交換而得 困難點：較低層員工會被較高管理階層所壓制 三、質 性 模 型 歷史類推 將正在做的預測與類似產品聯結。當規劃新產品時，藉著使用類似產品的經驗來取得預測值則顯得重要。 互補產品 對CD的需求引發對CD音響的需求 替代的競爭產品 CD會對VCR和TV的需求 類似成長模型 烤麵包機與咖啡壺 產品是收入的函數 三、質 性 模 型 Delphi模型－1950, Rand公司 預測基準是利用專家的意見，但不把這些專家集合起來，成為一個專家小組。 設計問卷並將它送到專家的手上。 收到問卷的專家，不僅提供預測的結果，同時必須詳細說明理由。 若無法獲得共識，先整理結論連同原因，再寄回給同一批專家。 再重新徵詢每一位專家，是否因新資訊而更改個人的預測結果。 重複此過程，直到達成一致結論為止。 Delphi模型 由於電腦軟硬體的進步，目前可以使用集體決策支援系統，來執行Delphi模型。 經由電腦的協助，可以避免個人獨斷的影響，且能更快速獲得結論。 四、時 間 序 列 時間序列可以劃分為四個部份，即是趨勢、季節型態、循環型態及隨機或不規則變異。 不同的時間序列變數資料，會有不同的特性。 散佈圖（scatter diagram）是用長期時間序列資料所畫出的圖，便於解釋時間序列資料的型態。 四、時 間 序 列 趨勢（trend）－長期而言，時間序列變數值的變化是增加或減少。 季節型態（seasonal pattern）－是指一年之中的某個時間，變數值的變化會有規律地重複。 循環型態（cyclical pattern）－是指經濟景氣循環的關係，資料一年一年間的變異情形。其變化與季節型態的變化相似，只是期間較長而已。 隨機或不規則變異（random or irregular variations）－變化的型態是不規則或不可預測的 四、時 間 序 列 模 型 基本模型時間t的預測值＝時間（t-1）的真值 簡單平均模型時間t的預測值＝前幾期的真值平均數 三週及九