预测的一些基本方法、模型和步骤
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
模拟模型：以计算机为基础的动态模拟模型
4
预测步骤
明确预测目的 确定时间跨度 选择预测方法 收集并分析相关数据 进行预测 对预测过程进行监控 将预测结果付诸实际应用
5
预测方法的选择
影响预测方法选择的因素
成本 精度
权衡
历史数据的可获得性
计算机的可获得性
必要的准备时间
有无使用经验
学习目标
掌握预测的一些基本方法、模型和步骤。 对于给定的企业环境，能够选用一种合适的
预测模型进行预测。 掌握时间序列预测方法中趋势和季节调整方
法。
1
沃尔玛
以最低廉的价格从正确的货架上取出正确的货物 数据库：销售情况、库存状况、在途货物、市场统
计数据、顾客统计数据、财务业绩、退货商品以及 供应商绩效等 数据库与供应商共享 趋势分析、库存管理、增进对顾客的了解 需求预测
明年各季需求预测值的计算
明年需求期望值 每季平均销量（件） 季节因子
（件）
（1100/4）（1）
（2）
春季
275
0.8
明年各季需求 预测值（件） （1）*（2）
220
夏季
275
1.4
385
秋季
275
1.2
330
冬季
275
0.6
165
总计
1100
11
时间序列法—continued
算例2
某产品销量的历史数据如表所示
预测人员 个人背景 不要求精通 掌握方法 掌握方法
不要求精通 非常精通
7
时间序列预测方法
时间序列
为按时间顺序排列的数列，它包含一个或多个 需求的影响因素：趋势、季节性、周期性、自 相关性和随机性
相加式季节变动
假设：无论趋势效应或平均值如何变化，季节 变动量恒为常数
包括趋势性和季节性的预测=趋势季节变动量
预测周期 短期
加权移动平均
10～15个
呈长期趋势变动
短期到中期
指数平滑 综合方法 回归分析
10～20个； 有季节变动， 每季至少5个 两对谷峰足够
每个自变量10个
呈长期趋势变动
处理循环和 季节变动分布 能够处理复杂分布
短期到中期 短期到中期 短期、中期或长期
准备时间 短 短 短
短到中等 建模时间长 实施时间短
2
预测的意义
财务职能：为制定财务预算 计划和成本控制提供依据
营销职能：依靠销售预测来 进行销售网点的布设、销售 人员的补充等决策
生产运营：利用预测制定周 期性决策，例如工艺选择、 生产能力计划等；同时也用 于生产计划、调度和库存等 决策活动
Sales will be $200 Million!
3
预测的分类
按时间跨度
短期预测 中期预测 长期预测
按基本方法
定性预测：基层预测、市场调研、小组共识、历史类比、德尔 菲法
时间序列分析：简单移动平均、加权移动平均、指数平滑、回 归分析、鲍克斯·詹金斯（Box Jenkins）法 、希斯金（Shiskin） 时间序列 、趋势外推
因果联系：回归分析、计量经济模型、投入/产出模型、先行指 标
9
时间序列法—continued
解答
季节因子的计算
春季
过去的销量 （件）
200
每季平均销量（件） （1000/4）
250
夏季
350
250
秋季
300
250
冬季
150
250
总计
1000
季节因子 200/250=0.8 350/250=1.4 300/250=1.2 150/250=0.6
10
时间序列法—continued
斜率 =（610－170）÷8
800 700 600 500 400 300 200 100 0
ⅠⅡ Ⅲ Ⅳ Ⅰ Ⅱ Ⅲ Ⅳ
2014年
2015年
13
时间序列法—continued
2016年趋势性预测和季节因子的预测（FITSt） FITSt 趋势 × 季节因子
Ⅰ—2016 FITS9 [170 55（9）]1.25 831 Ⅱ—2016 FITS10 [170 55（10）]0.78 562 Ⅲ—2016 FITS11 [170 55（11）]0.69 535 Ⅳ—2016 FITS12 [170 55（12）]1.25 1 038
预测目的
……
选择预测方法的原则
审慎地对成本－精度做出权衡，从管理角度选择最合适 的预测方法
如果可能，使用多种预测方法来得到相互独立的预测结 果，以增加预测结果的可信度
6
预测方法的选择—continued
选择合适预测方法的指南
预测方法 简单移动平均
需要的历史数据 （观察值）
5~10个
数据分布 数据稳定
8
时间序列法—continued
相乘式季节变动
包括趋势性和季节性的预测=趋势×季节因子
季节因子
时间序列中随各季节变化所作的调整系数
算例1
某企业平均每年售出1000件产品 春季售出200件，夏季350件，秋季300件，冬
季150件 预计明年的总需求为1100件，季节因子等于各
季度销售量除以季度平均销售量所得的比值 分析明年各季的需求
分解时间序列为各组成分量
▪ 找出季节分量 ▪ 消除需求的季节性 ▪ 找出趋势分量。
预测各分量的未来值
▪ 将趋势分量外推至未来 ▪ 用季节分量乘以趋势分量
16
时间序列法—continued
算例3
应用最小二乘回归求算例2中的时间序 列分解结果
某产品销量历史数据
位：件
季度
销量
季度
Ⅰ—2014
300
Ⅰ—2015
Ⅱ—2014
200
Ⅱ—2015
Ⅲ—2014
220
Ⅲ—2015
Ⅳ—2014
530
Ⅳ—2015
单
销量 520 420 400 700
根据手绘直线计算趋势和季节因子
12
时间序列法—continued
解答
做散点图
直线方程：
Tt=170+55t 式中：Tt —— 趋势值
14
时间序列法—continued
根据实际数据和趋势曲线计算的季节因子
单位：件
季度
2014 Ⅰ Ⅱ Ⅲ Ⅳ 2015 Ⅰ Ⅱ Ⅲ Ⅳ
实际销量
300 200 220 530
520 420 400 700
由趋势方程推出
Tt=170+5 5t
实际值/趋势值 的比值
季节因子（2年中同一季 节的平均值）
221
335
0.66
390
1.36
445
1.17
500
0.84
555
0.72
610
1.15
Ⅰ—1.25 Ⅱ—0.78 Ⅲ—0.69 Ⅳ—1.25
15
时间序列法—continued
最小二乘回归分解
找出时间序列的基本分量如趋势、季节性和周 期性，并分别计算各季度及各周期的指数
步骤
4
预测步骤
明确预测目的 确定时间跨度 选择预测方法 收集并分析相关数据 进行预测 对预测过程进行监控 将预测结果付诸实际应用
5
预测方法的选择
影响预测方法选择的因素
成本 精度
权衡
历史数据的可获得性
计算机的可获得性
必要的准备时间
有无使用经验
学习目标
掌握预测的一些基本方法、模型和步骤。 对于给定的企业环境，能够选用一种合适的
预测模型进行预测。 掌握时间序列预测方法中趋势和季节调整方
法。
1
沃尔玛
以最低廉的价格从正确的货架上取出正确的货物 数据库：销售情况、库存状况、在途货物、市场统
计数据、顾客统计数据、财务业绩、退货商品以及 供应商绩效等 数据库与供应商共享 趋势分析、库存管理、增进对顾客的了解 需求预测
明年各季需求预测值的计算
明年需求期望值 每季平均销量（件） 季节因子
（件）
（1100/4）（1）
（2）
春季
275
0.8
明年各季需求 预测值（件） （1）*（2）
220
夏季
275
1.4
385
秋季
275
1.2
330
冬季
275
0.6
165
总计
1100
11
时间序列法—continued
算例2
某产品销量的历史数据如表所示
预测人员 个人背景 不要求精通 掌握方法 掌握方法
不要求精通 非常精通
7
时间序列预测方法
时间序列
为按时间顺序排列的数列，它包含一个或多个 需求的影响因素：趋势、季节性、周期性、自 相关性和随机性
相加式季节变动
假设：无论趋势效应或平均值如何变化，季节 变动量恒为常数
包括趋势性和季节性的预测=趋势季节变动量
预测周期 短期
加权移动平均
10～15个
呈长期趋势变动
短期到中期
指数平滑 综合方法 回归分析
10～20个； 有季节变动， 每季至少5个 两对谷峰足够
每个自变量10个
呈长期趋势变动
处理循环和 季节变动分布 能够处理复杂分布
短期到中期 短期到中期 短期、中期或长期
准备时间 短 短 短
短到中等 建模时间长 实施时间短
2
预测的意义
财务职能：为制定财务预算 计划和成本控制提供依据
营销职能：依靠销售预测来 进行销售网点的布设、销售 人员的补充等决策
生产运营：利用预测制定周 期性决策，例如工艺选择、 生产能力计划等；同时也用 于生产计划、调度和库存等 决策活动
Sales will be $200 Million!
3
预测的分类
按时间跨度
短期预测 中期预测 长期预测
按基本方法
定性预测：基层预测、市场调研、小组共识、历史类比、德尔 菲法
时间序列分析：简单移动平均、加权移动平均、指数平滑、回 归分析、鲍克斯·詹金斯（Box Jenkins）法 、希斯金（Shiskin） 时间序列 、趋势外推
因果联系：回归分析、计量经济模型、投入/产出模型、先行指 标
9
时间序列法—continued
解答
季节因子的计算
春季
过去的销量 （件）
200
每季平均销量（件） （1000/4）
250
夏季
350
250
秋季
300
250
冬季
150
250
总计
1000
季节因子 200/250=0.8 350/250=1.4 300/250=1.2 150/250=0.6
10
时间序列法—continued
斜率 =（610－170）÷8
800 700 600 500 400 300 200 100 0
ⅠⅡ Ⅲ Ⅳ Ⅰ Ⅱ Ⅲ Ⅳ
2014年
2015年
13
时间序列法—continued
2016年趋势性预测和季节因子的预测（FITSt） FITSt 趋势 × 季节因子
Ⅰ—2016 FITS9 [170 55（9）]1.25 831 Ⅱ—2016 FITS10 [170 55（10）]0.78 562 Ⅲ—2016 FITS11 [170 55（11）]0.69 535 Ⅳ—2016 FITS12 [170 55（12）]1.25 1 038
预测目的
……
选择预测方法的原则
审慎地对成本－精度做出权衡，从管理角度选择最合适 的预测方法
如果可能，使用多种预测方法来得到相互独立的预测结 果，以增加预测结果的可信度
6
预测方法的选择—continued
选择合适预测方法的指南
预测方法 简单移动平均
需要的历史数据 （观察值）
5~10个
数据分布 数据稳定
8
时间序列法—continued
相乘式季节变动
包括趋势性和季节性的预测=趋势×季节因子
季节因子
时间序列中随各季节变化所作的调整系数
算例1
某企业平均每年售出1000件产品 春季售出200件，夏季350件，秋季300件，冬
季150件 预计明年的总需求为1100件，季节因子等于各
季度销售量除以季度平均销售量所得的比值 分析明年各季的需求
分解时间序列为各组成分量
▪ 找出季节分量 ▪ 消除需求的季节性 ▪ 找出趋势分量。
预测各分量的未来值
▪ 将趋势分量外推至未来 ▪ 用季节分量乘以趋势分量
16
时间序列法—continued
算例3
应用最小二乘回归求算例2中的时间序 列分解结果
某产品销量历史数据
位：件
季度
销量
季度
Ⅰ—2014
300
Ⅰ—2015
Ⅱ—2014
200
Ⅱ—2015
Ⅲ—2014
220
Ⅲ—2015
Ⅳ—2014
530
Ⅳ—2015
单
销量 520 420 400 700
根据手绘直线计算趋势和季节因子
12
时间序列法—continued
解答
做散点图
直线方程：
Tt=170+55t 式中：Tt —— 趋势值
14
时间序列法—continued
根据实际数据和趋势曲线计算的季节因子
单位：件
季度
2014 Ⅰ Ⅱ Ⅲ Ⅳ 2015 Ⅰ Ⅱ Ⅲ Ⅳ
实际销量
300 200 220 530
520 420 400 700
由趋势方程推出
Tt=170+5 5t
实际值/趋势值 的比值
季节因子（2年中同一季 节的平均值）
221
335
0.66
390
1.36
445
1.17
500
0.84
555
0.72
610
1.15
Ⅰ—1.25 Ⅱ—0.78 Ⅲ—0.69 Ⅳ—1.25
15
时间序列法—continued
最小二乘回归分解
找出时间序列的基本分量如趋势、季节性和周 期性，并分别计算各季度及各周期的指数
步骤