需求预测

2
21.00
3
23.00
4
24.00
5
25.00
6
27.00
7
26.00
8
25.00
9
26.00
10
28.00
11
27.00
12
29.00
预测方法
时间序列的构成：
趋势成分：随时间的推移而表现出的一种倾向（上 升、下降、平稳）。
季节成分：特定周期时间里有规则的波动如：
➢每天有二次交通高峰； ➢每周周末，影院的客流量较大； ➢某些产品的季节性需求变化等。
预测方法
表 4 某公司的月销售额一次指数平滑预测表(α=0.7)
月 实际销 α×上月 上月预测销 (1-α)×上 本月平滑预
份 售额 实际销售 售额(千元) 月预测销售 测销售额
(千元) 额(千元)
额(千元) (千元)
1 10.00
11.00
2 12.00 7.00
11.00
3.30
10.30
3 13.00 8.40
27.00
26.50
预测方法
结果： N 越大,预测值越平滑，对干扰的 灵敏性越低，预测值的响应性也就越小。
例：
某电器公司电子原器件周销售值记录如下表所 示。取N=3和N=9。
试用简单平均法预测第16周的预测值。 解：
计算见下表。 N=3和N=9第16周的预测值分别为：
SMA16=（2300+2300+2000）/3=2200 SMA16 =（1300+…….+2000）/9=1956
例 1 某电子音响器材公司 SONY 牌CD机 的逐月销售量记录（如表 1 所示），取 n=3 和 n=4 ，试用简单移动平均法进行预 测。
预测方法
表 3-1 简单移动平均法预测
月份 实际销量(百台) n=3(百台) n=4(百台)
1 2
20.00 21.00
（20+21+23）/3
3
23.00
额(千元) 额(千元)
1
10.00
11.00
2
12.00
4.00
11.00
6.60
10.60
3
13.00
4.80
10.60
6.36
11.16
4
16.00
5.20
11.16
6.70
11.90
5
19.00
6.40
11.90
7.14
13.54
6
23.00
7.60
13.54
8.12
15.72
7
26.00
9.20
3)指数平滑法
有的情况下，最近期的情况远比较早期的更能预 测未来。
假设数据越远其重要性就越低，如果这一前提正 确，则指数平滑法就是逻辑性最强且最为简单的 方法。
预测方法
一次指数平滑(Single Exponential Smoothing)
Ft Ft1 ( At1 Ft1 ) 或者， Ft1 At (1 ) Ft
需求预测
需求预测
一、预测的概念 二、预测方法
一、预测的概念
预测是对未来可能发生的事情估计与推测。 一般有经济预测、技术预测、需求预测。 主要讨论需求预测。
预测类型
经济预测（economic forecasts），通过预计通货 膨胀率、货币供给、房屋开工率及其他有关指标 来预测经济周期；
周期成分：较长时间里（一般为数十年）有规则的 波动。
随机成分：没有规则的上下波动。
预测方法
趋势成分
季节 成分
周期 成分 随机波 动成分
预测方法
时间序列模型：
时间序列平滑模型：通过多个数据的平均来消除和 减少随机成分 (干扰) 。
常用的有简单移动平均、加权移动平均、指数平滑。 时间序列分解模型：
预测值=(上次实测值)+(1-)上次预测值 称为平滑常数，（0 1）
预测值
之所以称之为指数平滑是因为每靠前一期其权重就降低 1- 。例如，设=0.05，则各个时期的权重如下所示
权重因子
最近期的权重= （1- ）0
0.0500
近期的权重= （1- ）1
0.0475
次近期的权重= （1- ）2
9周
1367 1467 1500 1556 1644 1733
简单移动平均
讨论：
你对简单移动平均法有什 么认识？
预测方法
结果：
N越大，预测值越平滑，对干扰的灵敏性越低，稳 定性好，预测值的响应性也就越差。
N越小，对干扰的灵敏性越高，稳定性差，预测值 的响应性也就越好，预测值越接近实际观测值 测。
——顾客期望法主要用于新产品研发，了解对现 有产品的评价，了解顾客对现有产品的好恶， 了解特定层次的顾客偏好哪些竞争性商品
——数据收集方法:问卷调查、 上门访谈
(二)定量预测方法
用数学模型表示需求与各种变量之间的关系。 前提：变量与需求的关系今后仍然保持不变。 常用的有：
• 时间序列预测模型
• 部门主管集体讨论法 • 销售人员意见汇总法 • 顾客期望法(用户调 查法)
➢ 时间序列平滑模型 简单移动平均 加权移动平均 一次指数平滑
➢ 时间序列分解模型
乘法模型
加法模型
• 因果模型
预测方法
需要说明的是，为使预测更符合实际，
经验、判断和数学模型都起一定的作
用，但没有哪一种方法一直都能奏效。
预测的时间跨度： 1 、短期预测：最多一年，通常 3 个月以下。 购货、工作安排、所需员工 2 、中期预测： 3 个月~3 年。 销售计划、生产计划、预算 3 、长期预测： 3 年以上。 规划新产品、资本支出、生产设备添置
预测的概念
预测的共同特征: (1)预测一般假设在过去发生某一事件的状态在将
N取什么值非常关键，直接影响预测的准确性。一 般可以通过试算的方法找出预测误差最小的所对应 的N为最佳值。
简单移动平均的各元素权重都相等
简单移动平均适用场合：
趋势变化不明显时
预测方法
2）加权移动平均(Weighted Moving Average)
WMAt+1= (t Xt + t-1 Xt-1…+ t-N+1 Xt-N+1 )/N 预测值=(前N次实测值的加权平均值)
技术预测（technological forecasts），预测会导 致产生重要的新产品，从而带动新工厂和设备需 求的技术进步；
需求预测（demand forecasts），为公司产品或 服务需求预测，也称销售预测，决定公司的生产、 生产能力及计划体系、并使公司财务、营销、人 事做相应变动。
预测的概念
10.30
3.09
11.49
4 16.00 9.10
11.49
3.45
12.55
（一）定性预测方法
1.德尔菲法
Rand 公司首创于 50 年代末，步骤如下： (1)选择参考的专家，具有不同背景的人；
(2)通过问卷（或发电子邮件给），从专家处了解信 息
(3)汇总专家结果，附新问题，再度发给专家
(4)再次汇总，提炼预测结果和条件，再度发给所有 专家；
如有必要，再重复 (4) ；
直至专家意见一致，得出预测结果。
0.0451
次次近期的权重= （1- ）3
0.0429
指数平滑法
例 2 某公司的月销售额记录如表 3 所示， 试分别取α=0.4 和 0.7 ，
Fl=11.00 ，计算一次指数平滑预测值。
预测方法
表 3 某公司的月销售额一次指数平滑预测表(α=0.4)
月 实际销售额 At α×上月实 上月预测销 (1-α)×上 本月平滑 份 (千元) 销额(千元) 售额(千元) 月预测销售 预测销售
=21.33 （20+21+23+24）/4
4
24.00
21.33
=22
5
25.00
22.67
22
6
27.00
24.00
23.25
7
26.00
25.33
24.75
8
25.00
26.00
25.50
9
26.00
26.00
25.75
10
28.00
25.67
26.00
11
27.00
26.33
26.25
12
29.00
周次
1 2 3
4 5 6 7 8 9
10 11 12 13 14 15
销售值（元）
800 1400 1000
1500 1500 1300 1800 1700 1300
1700 1700 1500 2300 2300 2000
3周
1067 1300 1333 1433 1533 1600 1600 1567 1567 1633 1833 2033
时间序列模型：
1）简单移动平均(Simple Moving Average)
SMAt+1= (Xt + Xt-1 +…+ Xt-N+1 )/N 预测值=(前N次实测值的平均值) Xt——实际观测值 N—平均值计算跨越期数
•当产品需求既不快增长也不快下降，且不存在季节性 因素时，移动平均法能有效消除预测中的随机波动 •缺点：每一因素都必须以数据表示。
t、 t-1、 、 t-N+1称为加权因子，且 （t + t-1 + + t-N+1）/ N = 1
简单移动平均的各元素权重都相等，而加权移动平均的 权重值可以不同。但权重之和等于1。