相關推薦：2019咨詢工程師《方法實務》第三章輔導資料匯總

第三章 市場預測方法

第三節 延伸預測法

延伸性預測：根據市場各種變量的歷史數據的變化規律，對未來預測。

適用于有時間序列關系的數據預測

條件：①預測變量的過去、現在和將來的客觀條件基本保持不變;②預測變量的發展過程漸變。

一、簡單移動平均法： Ft+1 = 1/n Σx i 屬于平滑技術，變化趨勢較原始數據變化幅度小

適用于短期預測，以月或周為單位的近期預測;對原始數據預處理

n值越小，表明對近期觀測值預測的作用越重視，預測值對數據變化的反應速度也越快，但預測的修勻程度較低，估計值的精度也可能降低。反之n值越大，預測值的修勻程度越高，但對數據變化的反映程度較慢。因此，n值的選擇無法二者兼顧，應視具體情況而定。一般3—200，視序列長度和預測目標情況而定。

二、指數平滑法：指數加權平均法，實際是加權的移動平均法，它是選取各時期權重數值為遞減指數的均值方法。通過某種平均方式，消除歷史統計序列中的隨機波動，找出其中主要的發展趨勢。

一次指數平滑 Ft =αx i +(1-α)Ft-1 ——適用于市場觀測呈水平波動，無明顯升降趨勢的預測

這種方法與簡單移動平均法相似，兩者之間的區別在于：簡單指數平滑法對先前預測結果的誤差進行了修正，因此這種方法和簡單移動平均法一樣，都能夠提供簡單適時的預測。

以本期指數平滑值作為下期的觀測值。α是前一觀測值和當前觀測值之間的權重。大的α導致較小的平滑效果，較小則產生客觀的平滑效果，α接近0，新預測值只包含較小的誤差修正因素。

觀測值穩定水平發展，α取0.1—0.3;波動較大，取0.3—0.5;波動很大，取0.5—0.8

初始值F0實質是序列起始點前歷史數據的加權平均值。當時間序列數>20，F0=X1;<20，取前3—5平均值。

三、成長曲線模型：反應時間序列呈S型增長曲線 Yt = e(k +abt) 取對數 ln Yt = k+ abt

四、季節變動分析

季節變動按照數據的時間序列，有升降趨勢和水平趨勢，包括季節指數趨勢法和季節指數水平法兩種。

(一)季節指數水平法 Yt = Y*f t Y—前1個月或所有月的平均水平，f t—季節指數

適用于無明顯升降趨勢，主要受季節變動和不規則變動影響的時間序列，一般需3—5月/季的歷史數據

程序：①數據分析，形成數據序列;②計算各年同月平均值Yi;③計算所有月平均值Y;④計算各月季節比率f t =Yi/Y;⑤計算預期趨勢值一般采用最近年份平均值Yt -1;⑥計算預測年各月預測值= Yt -1 f t

(二)季節指數趨勢法 Yt =(a + bt)f t ——適用于存在季節變動，各年(或同月)呈升降趨勢