需求预测方法

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。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。1、趋势外推模型（Trendextrapolationmodel）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。•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（Arithmeticaveragemethod）•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运用上述方法分别预测下一年1月的销售量。例：某企业生产一种产品，某年各月销售量资料如下：月份123456789101112销售量101213111416171512161819解：预计销售量=（10+12+13+11+14+16+17+15+12+16+18+19）/12=14.42（2）加权平均法（Weightedaveragemethod）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。月份123456789销量550560540570600580620610630解：1）算术平均法得10月的预计销售量44.584nQQt2）加权平均法，两种设置权数的方法令W1=1，W2=2，W3=3，得令W1=0.2，W2=0.3，W3=0.5，得67.621Q622Q（3）移动平均法（Movingaveragemethod）•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()11nttniiSMAAn1）简单移动平均(SMA，Simplemovingaverage)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。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——分段数据点个数一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+btTat，bt——平滑系数；T——预测的周期数at，bt按以下方法求得：at=2Mt1-Mt2bt=2(Mt1-Mt2)/(N-1)二次移动平均值的公式：Mt2=(Mt1+Mt-11+…+Mt-N+11)/N二次移动平均法例：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123456789101112采购量505050535559616668717578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=77.9b12=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=87.592）加权移动平均（WMA，Weightedmovingaverage）1()11nttniiWMAAn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）：表6-2加权移动平均预测t(月)实际销量(百台)三个月的加权移动平均预测值(百台)12345678910111220.0021.0023.0024.0025.0027.0026.0025.0026.0028.0027.0029.00(0.5×20+1×21+1.5×23)/3=21.8323.1724.3325.8326.1725.6725.6726.8327.17•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。•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。（3）指数平滑法(Exponentialsmoothingmethod)11111()(1)ttttttFFAFAF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）使用指数平滑时的主要决策是选择阿尔法系数。一次指数平滑法•例：上期预测值可卖出42个产品，实际卖出40个，取=0.10,则下一期的预测值为多少？•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。=0.4=0.1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、因果关系模型（Causalrelationshipmodel)一元线性回归模型Tyabx22()nxyxybnxxybxan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。