市场预测需求分析

2.Demandforecasting内容需求的分类预测方法移动平均法指数平滑法ARIMA模型BASS模型其他方法需求的分类需求的含意对某一商品有需求消費者有购买欲望而且能够购买需求的例子衣,食,住,行需求的特征需求的相关性第1产业,第2产业,第3产业之间(投入产出)产品的生产需要人,财,物气温上升导致空调需求增加需求的不确定性个人的需求变化需求的相关关系的変化订货生産需求的连续性時序列分析将来需求的预测可能性需求的种类及其关系显在需求已决定购买的到期更新的设备已支付货款潜在需要不满足需求的实现条件(资金、空间等)零需求没有购买欲望的潜在需求创出需求经过企业的努力、顾客产生了购买欲望的需求????有欲望、有条件、但还没有购买的需求????没有欲望、有条件的需求需求变动的分类确定、动态稳定不确定、动态不稳定确定、动态稳定不确定、动态不稳定例1汽车组装厂与零部件供应商每月供应坐位10万空调组装与压缩机供应4月－6月:每月供应1万台其他时间每月供应2千台例2汽车的月生产量1月、2月、3月、4月、5月100、100、100、100、1001月份的销售量第1週、第2週、第3週、第4週20、30、25、25汽车销售商的月销售量–1月、2月、3月、4月、5月–100、200、300、400、5002月份的每周销售量–1週、2週、3週、4週–40、50、80、30需求4种变动曲线的示意图需求時間需求時間需求時間需求時間预测方法预测种类需求预测经济预测销售预测生产预测价格预测其他（赛马、垒球、足球）彩票?需求预测的实用条件预测精度種類期間应用精度短期3ヶ月日常経営活動±2％中期1年生産、販売±5％長期5年設備投資±15％预测方法的评价标准精度(Accuracy)柔性(Bending)合理性(Convincing)持续性(Durability)简便性(Easiness)需求预测与销售预测社会总需求与市场占有率销售预测与销售计划供不应求(能力限制对销售计划起主导作用)供过于求(潜在需求的开发、积极竞争的销售计划)需求预测的数学模型移动平均法指数平滑法ARIMA模型BASS模型移动平均法实测值：x1,x2,x3,x4,…xn预测值：y1,y2,y3,y4,…ynyt+1=(xk+xk+1+xk+2…+xk+H)/Hk=t-Hk=t-H/2原系列移動平均k=t-H/2指数平滑法指数平滑法的思路好的预测方法的条件去除不规则变动对趋势变化敏感误差的方差小实用方便预测逻辑明了误差范围明确指数平滑法的计算方法实质上是加权移动平均法11)1(ˆ)1(ˆiititttxyxyBrown式平滑法简单平滑法2次平滑法y(t+1)=αx(t)+(1-α)y(t)z(t+1)=αy(t)+(1-α)z(t)u=2y-zb(t+1)=α(y(t+1)-y(t))+(1-α)b(t)z(t+1)=y(t)+(1/α)b(t+1)3次平滑法–y(t+1)=αx(t)+(1-α)y(t)–z(t+1)=αy(t)+(1-α)z(t)–u(t+1)=αz(t)+(1-α)u(t)–v=3y-3z+uWinter式平滑法CompleteexponentialmodelNaïvemodelSimpleforecastingmodelBasicValueTrendfactorSeasonalfactorBasicValueBeta:seasonalfactorGamma:trendfactor))(1(111tttttryxzTrendfactor11)1()(ttttyySeasonalfactor1)1(tLtttLzx预测方法TtttTtTzy)(BasicvalueSeasonalfactortrendfactorARIMA模型自回归模型(AR:autoregression)AR(1)AR(2)tttazz11ttttazzz2211自回归演算Z(t-1)a(t)Z(t)AR的性质协方差与相关系数λ(p)=Cov(z(t),z(t-p))=E(z(t)z(t-p)λ(1)=E((Φ(1)×z(t-1)+a(t))×z(t-1)）=Φ(1)×λ(0)+E(z(t-1))×E(a(t))=Φ(1)×λ(0)λ(p)=Φ(1)×λ(0)ρ(p)=λ(p)/λ(0)=Φ(1)pp记忆函数z(t)=Φ(1)×z(t-1)+a(t)z(t)=a(t)+Φ(1)×a(t-1)+Φ(1)×a(t-1)+…Stationarycondition(定常性条件)Var(z(t))=Var(z(t-1))E(z(t)×z(t))=Φ×Φ×Var(z(t-1))+0+σ×σ｜Φ｜＜１2移动平均模型(MA)MA(1)11111110tttttttttaazaaaazz移動平均演算子a(t-1),a(t)Z(t)自回归移动平均模型ARMA(1，1)ARMA(p,q)qtqtttptptttaaaazzzz221122111111111111tttttttttttttaazzaaaazzazzNon-stationarymodelRandomwalkingz(t)=z(t-1)+a(t)股票价格在时间轴上独立记忆函数z(t)=a(t)+a(t-1)+a(t-2)+…例股票价格的变动自回归差分移动平均模型ARIMA利用差分把时序列变成Stationary的序列w(t)=z(t)-z(t-1)w(t)=Φ(1)w(t-1)+a(t)-θ(1)a(t-1)ARIMA(1,1,1)普遍地写成,ARIMA(p,d,q)差分与和分：z(t)=w(t)+w(t-1)+w(t-2)…Bass模型成长曲线潜在市场规模为m,革新系数为p,模仿系数为q已经购买的人数：y(t)p(t):时间t上的购买概率p(t)=p+q×y(t)/mx(t):时间t上的购买人数x(t)=p(t)×未购买者人数=p(t)×(m-y(t))x(t)=p×(m-y(t))+q×y(t)(m-y(t))/m革新者模仿者p=0.008,q=0.08,m=2700020090p=0.09,q=0.08,m=270002602000