需求预测方法

24.33
26.00
25.83
25.00
26.17
26.00
25.67
28.00
25.67
27.00
26.83
29.00
27.17
• 加权系数和n的取值不同，预测值的稳定性 和响应性不同。
• n越大，预测的稳定性越好，响应性越差； n越小，预测的稳定性越差，响应性越好。
• 近期数据的权重越大，预测的稳定性越差， 响应性越好。近期数据的权重越小，预测 的稳定性越好，响应性越差。
（2）加权平均法
（Weighted average method）
权数的设置原则：单调递增，远小近大 设置方法： 1、根据各期时间数列的自然数列法 销售量预测数： Q = 2、饱和权数法，单调递增，且
例：某公司1——9月份销售量资料如下，（单位： 公斤）。求：用算术及加权平均法分别预测10月 份的销售量。
一、定性预测方法
定性预测法是那些利用判断、直觉、 调查或比较分析对未来做出定性估 计的方法。包括客户意见推测法、 经营人员意见推测法、专家意见推 测法等。它们的不科学性使得它们 很难标准化，准确性有待证实。
1、德尔菲法
德尔菲法又叫专家调查法，一般由10 到 20位专家背靠背独立对某一对象进行预 测，由预测单位对专家的意见结果进行综 合处理，如果结果不符合需求，进行再次 反馈修正。经过三到四轮，预测的结果基 本趋于一致，预测单位即可做出预测判断。
2、客户意见推测法
通过征询客户的潜在需求或未来购买 计划的情况，了解客户购买商品的活动、 变化及特征等，然后在收集意见的基础上 分析市场变化，预测未来市场需求。运用 这种方法预测的客观性大大提高。
3、部门主管集体讨论法
通常由高级决策人员召集销售、采购、财务、 研发等各部门主管开会讨论。与会人员充分发表意 见，提出预测值，然后由召集人按照一定的方法， 对所有单个的预测值进行处理，即得预测结果。
因果关系模型用于研究不同变量之间的相关关 系，用一个或多个自变量（多括时间）的变化来描 述因变量的变化。 • 因果关系分析法认为：事物的发展不仅取决于自身 的发展规律，同时受多种外界因素的影响，如果把 预测值作因变量，那么影响预测对象发展的各变量 则称作自变量。研究因变量与自变量的关系，则是 因果关系模型的任务。因果关系模型与时间序列模 型不同，不仅可以从事短期预测，而且还可以从事 中、长期预测，也可以预测宏观、中观、微观问题。 • 因果关系模型包括：趋势外推、回归分析、数量经 济模型、投入产出模型、灰色系统模型、系统动力 学等。
2）加权移动平均
（WMA，Weighted moving average）
加权移动平均法是将与预测期相邻若干期的实 际值，按照近大远小的原则，分别赋予不同的权数， 以加权平均值作为预测期预测值的预测方法。预测 时，一般赋予相邻若干期内的各期实际值的权数之 各等于1。公式如下（参数含义同前）：
WMAt 1
一元线性回归模型
yT a bx
b n xy x y n x2 ( x)2
a y b x n
Yt是预测值，a、b是回归系数， X是自变量
• 例: 已知1977~1986年的钢材消耗量与国民收 入的关系大致呈直线趋势，数据见下表，用 一元回归法拟合其趋势并预测1987年的钢材 消耗量。
• 常用的趋势外推方法： 算术平均法、移动平均法、 趋势平均法、加权平均法、平滑指数法、修正的时 间序列回归分析等。
(1)算术平均法
（Arithmetic average method）
• 算术平均法是求出一定观察期内预测目标的时间数列的算 术平均数作为下期预测值的一种最简单的时序预测法。它 可分为简单算术平均法和加权平均法。
• 设：X1，X2，X3，... ，Xn为观察期的n个资料，求得n个 资料的算术平均数的公式为： X=(X1+X2+X3+...Xn)÷n 或简写为： X（平均数）=∑x/n 式中：n为资料期数（数据个数）
• 优点：计算简便
• 缺点：没有考虑远近期销售量的变动对预测期销售量的影 响程度。
• 适用：业务量比较稳定的产品
月份 1 2 3 4 5 6 7 8 9 销量 550 560 540 570 600 580 620 610 630
解：1）算术平均法得10月的预计销售量
Q Qt 584 .44 n
2）加权平均法，两种设置权数的方法
令W1=1，W2=2 ，W3=3，得 Q 621 .67
令W1=0.2， W2=0.3， W3=0.5，得 Q 622
一次指数平滑法
Ft Ft1 ( At1 Ft1) At1 (1 )Ft1
Ft----第t期的预测值； Ft-1----第t-1期的预测值； At-1----第t－1期的实际需求值； ----平滑指数。（0≤α≤1）
使用指数平滑时的42个产品，实际 卖出40个，取=0.10, 则下一期的预测 值为多少？
1、趋势外推模型
（Trend extrapolation model）
趋势外推法是一种常用的利用事物过去的发展 规律，推导未来趋势的方法。在预测方法分类中， 有的将其划归为因果关系模型，有的将其划归为时 间序列模型，有的将其单列为一类。
• 趋势外推法认为：决定事物过去发展的因素，在很 大程度上也决定该事物未来的发展；事物发展过程 一般都是渐进式的变化，而不是跳跃式的变化。
例：某企业生产一种产品，某年各月销售量 资料如下：
月份 1 2 3 4 5 6 7 8 9 10 11 12 销售量 10 12 13 11 14 16 17 15 12 16 18 19
运用上述方法分别预测下一年1月的销售量。
解：预计销售量=（10+12+13+11+14+16+17 +15+12+16+18+19）/12=14.42
（3）移动平均法
（Moving average method）
• 移动平均法是用一组最近的实际数据值来 预测未来一期或几期内公司产品的需求量、 公司产能等的一种常用方法。
• 当产品需求既不快速增长也不快速下降， 且不存在季节性因素时，移动平均法能有 效地消除预测中的随机波动，是非常有用 的。移动平均法根据预测时使用的各元素 的权重不同，可以分为：简单移动平均和 加权移动平均。
1）简单移动平均
(SMA，Simple moving average )
简单移动平均是某变量之前n个数值的未作加权的算术平均。
SMAt 1
1 n
n i 1
At (ni)
一次移动平均法
一次移动平均法：将预测期相邻若干期（设 为N）实际值的平均数，作为预测期预测值 的一种预测方法。
Mt1=(Dt+Dt-1+…+Dt-N+1)/N 式中Mt1——采用一次移动平均所得的第t期 的采购量预测值 Dt+Dt-1+…+Dt-N+1——t-i期的实际采购量 N——分段数据点个数
• 解： F=42+0.1（40-42）=41.8
指数平滑法预测的关键是选择的大小。如果管 理者追求稳定性，的值应该选择小一些，如果管理 着的目标是体现响应性，则应选择大一点的。
=0.1 =0.4
实际值
最近的实际观察值 赋予最大的权重.”
年龄”越大的实际 值权重越小
2、因果关系模型
（Causal relationship model)
解：设移动间隔为3个周期，一次移动平均值：
如果目前处于第12期，则t=12，
T=15-12=3有：
a12=2M121-M122=2×74.67-71.44=77.9 b12=2 (Mt1-Mt2)/（N-1）=M121-M122
=74.67-71.44=3.23
由Yt+T=at+btT 所以Y15=77.9+3.23×3=87.59
1 n
n
At (ni )
i 1
t(月) 1 2 3 4 5 6 7 8 9 10 11 12
表 6-2 加权移动平均预测
实际销量(百台) 三个月的加权移动平均预测值 (百台)
20.00
21.00
23.00
24.00
(0.5×20+1×21+1.5 ×23)/3=21.83
25.00
23.17
27.00
（3）指数平滑法
(Exponential smoothing method)
• 短期预测中最有效的方法就是指数平滑法。 该方法很简单，只需要得到很小的数据量 就可以连续使用,当预测数据发生根本性变 化时还可以进行自我调整。指数平滑法是 移动平滑法的一种，只是会给过去的观测 值不一样的权重，较近期观测值的权数比 较远期观测值的权数要大，因此指数平滑 法也是一种加权平均法。
二次移动平均法
二次移动平均法：只适合于线性趋势的预测， 二次平均值法不直接用于预测，只是在一次 移动平均值法的基础上，求的平滑系数，根 据以下模型进行预测：
Yt+T=at+btT at，bt——平滑系数；T——预测的周期数 at，bt按以下方法求得： at=2Mt1-Mt2 bt=2(Mt1-Mt2)/(N-1) 二次移动平均值的公式：
Mt2=(Mt1+Mt-11+…+Mt-N+11)/N
例：某企业某种物料前12个周期的采购量 见下表，用二次移动平均法求得第15周期的 采购量预测值(N=3)。
周期数 1 2 3 4 5 6 7 8 9 10 11 12
采购量 50 50 50 53 55 59 61 66 68 71 75 78
这种方法的优点是：简单易行，不需要统计历 史资料等准备，汇集了各主管的经验和判断，缺点 是由于是各主管的主观意见，故预测缺乏严格的科 学性。
二、定量预测方法(重点）
• 定量预测是根据已掌握的比较完备的历 史统计数据，运用一定的数学方法进行 科学的加工整理，借以揭示有关变量之 间的规律性联系，用于预测和推测未来 发展变化情况的一类预测方法。