市场预测方法（）演示课件-精选.pptVIP

2007年销售额预测值： （二）二次移动平均法 二次移动平均法就是在一次移动平均的基础上，再计算一次移动平均数，并在一次移动平均值与二次移动平均值的基础上建立数学模型，从而确定出预测值。 * 求预测值的公式为： Yt+T=at+btT 求解at和bt的公式为： at=2Mt(1) －Mt(2) bt=2(Mt(1) －Mt(2))/(n －1) 将上表中的有关数据代入有关公式，求得at、bt的值为： at=2Mt(1) －Mt(2) =2×446.7 －431.1=462.3 bt=2(Mt(1) －Mt(2))/(n －1) =2×（446.7 － 431.1）/（3 － 1） =15.6 预测模型为：Y2006+T=462.3+15.6T 由于这是以2006年的二次移动平均值建立的预测模型，所以时间周期t为2006年。 * 2007~2009年的预测值为： Y2007=Y2006+1=462.3+15.6×1=477.9 Y2008=Y2006+2=462.3+15.6×2=493.5 Y2009=Y2006+3=462.3+15.6×3=509.1 二次移动平均法尽管运算上复杂些，但比一次移动平均法更为科学，与实际趋势也更为接近。 * 四、指数平滑法 指数平滑法是根据定出的平滑系数计算出指数平滑值进行市场预测的方法。指数平滑法实质是全部历史数据的加权平均数，一般用于观察期具有长期趋势变动和周期性变动的预测。 指数平滑法包括一次指数平滑法、二次指数平滑法和多次（三次以上）指数平滑法。一次指数平滑法适用于水平型变动的时间序列预测，二次指数平滑法适用于线性趋势型变动的时间序列预测，多次指数平滑法适用于非线性趋势变动的时间序列预测。 （一）一次指数平滑法 一次指数平滑法是以计算出来的最后一个一次指数平滑值为基础，确定预测值的方法。 * 一次指数平滑法的公式为： 应用一次指数平滑法进行预测，平滑系数 选择很关键， 的取值不同，预测结果就不同。一般有三个原则： 一是对于有较明显趋势变动的时间序列，平滑系数 应取较大值，即 ＞0.6，主要是为了突出近期数据对预测值的影响。 二是对水平型的时间序列，平滑系数 应取较小值，即 ＜0.3。因为水平型的数据，变动趋势不明显，随机因素多，因此， 应取较小值。 三是对于介于上述两者之间的时间序列，平滑系数 应取中间值，即0.3≦ ≦0.6。 * 初始值的确定： 一般情况下，当时间序列的数据资料较多时，如 n≧10，这时初始值对以后预测值的影响甚小，可直接选用第一期实际观察值作为初始值； 反之，如果时间序列的数据资料较少，如n＜10，则因初始值对以后预测值的影响较大，这时一般采用最初几期的实际值的算术平均数作为初始值。 举一具体例子说明一次指数平滑法的应用。 * 例如：某企业近10个季度销售洗发水资料如下表，请用一次指数平滑法预测下季度洗发水销售量。 * 分析：具体步骤如下： 第一步：确定平滑系数 ，本例取 。 第二步：确定初始平滑值St(1) 由于本例n=10,故初始值取50。 第三步：依次计算一次指数平滑值。 当 * （二）二次指数平滑法 二次指数平滑法是在一次指数平滑的基础上再做一次指数平滑，运用二次指数平滑值建立的数学模型进行预测的方法。 二次指数平滑公式为： 二次指数平滑法预测的数学模型为： 式中： * 五、季节指数预测法 季节指数是一种以相对数表示的季节变动衡量指标。因为只根据一年或两年的历史数据计算而得到的季节变动指标往往含有很大的随机波动因素，故在实际预测中通常需要掌握和运用三年以上的分季历史数据。 * 如果以年为间隔期的历史数据是水平型的，季节指数的计算公式则为： 如果以年为间隔期的历史数据资料的趋势型的，则季节指数的计算公式为： 预测值=上年的月（季）平均数×各月（季）季节指数 * 例如，某家电商场2002年~2004年某夏季商品的各月销售量资料如表所示，试预测2005年各月的销售量。 平均数比率计算表 * 第三节 回归分析预测法 一、回归分析预测法的含义及种类 “回归”这一术语是英国人弗兰西斯.盖尔顿和卡尔.皮尔逊在研究父亲身高与儿子身高的关系时引入的。他们发现，若父亲为高个子，则儿子也高，但其平均身高低于父亲的平均身高；若父亲为矮个子，则儿子个子也矮，但其平均身高高于父亲的平均身高，也即身高的变化不是两极分化，而是“趋同”，儿子身高向着平均身高“回归”，以保持种族的稳定。用盖尔顿的话来说，就是“回归到变通人”。后人将此种方法普遍用于寻找变量