销售预测各种统计算法优劣分析.docxVIP

PAGE 1 PAGE 1 销售预测各种统计算法优劣分析  随着技术、数据采集和处理技术的进步，大多数需求预估解决方案涉及的多数技术是现成的，这些解决方案作为一个部分嵌入到核心统计引擎中。然而，了解每个方法的优点和缺点是很重要。  随着技术、数据采集和处理技术的进步，大多数需求预估解决方案涉及的多数技术是现成的，这些解决方案作为一个部分嵌入到核心统计引擎中。然而，了解每个方法的优点和缺点是很重要。  一、各种时间序列的优缺点  移动平均法：  优点：  开发简洁、可以有效的预估趋势与周期性，只需要少量数据，存储需求小，易于系统化与自动化。  缺点：  不能很好的处理季节性。只能精确预估下一期需求。，剔除了可能比较重要的需求波动，倾向于平滑化预估结果。无法对合理时间段内的需求突变进行预估。不能利用解释性变量进行需求塑造。  简洁指数平滑法：  优点:  开发简洁，擅长预估趋势与周期性，只需少量的数据，最小的存储需求，对呈指数衰减的最近需求期赋予最大权重，能比移动平均法更好地反映需求波动，易于系统化和自动化。  缺点：  难以找到α的最优值（平滑权重），不能很好地处理季节性，只能精确预估下一期需求  无法对合理时间段内的需求突变进行预估，不能利用解释性变量进行需