市場預測方法.ppt

市場預測方法 第一節(jié)定性預測方法第二節(jié)時間序列預測方法第三節(jié)相關回歸預測法第四節(jié)馬爾科夫預測法第五節(jié)灰色預測法 思考 加油站賣什么 隨著加油站便利店規(guī)模的不斷擴大 一些加油站會見到這樣一個很普遍的現(xiàn)象 加油機旁堆滿了飲料 水及各種方便食品 乍看 把成品油和食品進行搭配 也許顯得不是那么合適 但是 就是因為這一點 使得加油站的非油品銷量不斷提升 其原因就在這里 許多司機在一段時間的駕駛以后 會產生疲勞 在加油短暫的休息時刻 往往有 喝點水 吃點東西提提神 的想法 而這時候 這些東西正好擺在顧客的眼前 于是就立刻會引起顧客的購買欲望 這樣 不僅方便了顧客 也提高了加油站非油品的銷量 真是一舉兩得 第一節(jié)定性預測方法 一 經驗估計法二 德爾菲法三 生命周期預測法四 顧客意見法五 關聯(lián)預測法 一 經驗估計法 一 個人判斷法1 定義 是預測者根據(jù)所收集的資料 憑借自己的知識和經驗對預測目標做出符合客觀實際的估計與判斷 2 運用對象 企業(yè)的經營管理人員 銷售人員以及一些特邀專家 3 優(yōu)點 利用專家個人的創(chuàng)造能力 簡單易行 節(jié)約費用 4 缺點 結果帶有片面性 二 集體判斷法 定義 在個人判斷法的基礎上 通過會議進行集體的分析判斷 將專家個人的見解綜合起來 尋求較為一致的結論的預測方法 其數(shù)學處理的形式主要有 三值估計法 相對重要度法 主觀概率法 1 三值估計法 將預測結果分為三種可能值 即最高值 最低值和最可能值 將三個值的平均值作為預測結果 其計算公式為 例 某商場經理對下一季度商場銷售額做出估計 最低值為1300萬元 最高值為1900萬元 最可能值為1500萬元 則使用三值估計法預測下一季度的銷售額為 2 相對重要度法 針對參加預測過程的預測人員的不同經驗水平 確定各自的重要度 并以此為依據(jù)對不同預測者的預測結果予以平均的一種方法 例 某服裝廠派甲乙丙丁四個銷售人員對明年服裝市場上某類服裝銷售做了如下估計 甲 34000件 乙 28000件 丙 42000件 丁 39000件 四個人相對重要程度為1 1 5 2 5 1 則明年服裝的銷售量估計為 3 主觀概率法 是預測人員對某些事件發(fā)生的概率做出主觀的估計 然后通過計算它的平均值預測事件的結論 二 德爾菲法 定義 通過匿名函詢的方式向專家們征求對某一預測問題的意見 然后將預測意見加以綜合 整理和歸納 再反饋給各個專家以供他們分析判斷提供新的論證 如此往返多次 預測意見逐步趨于一致 最后由預測者統(tǒng)計處理后 給出預測結果 預測步驟 1 擬定意見征詢表2 選定征詢對象3 反復征詢專家意見4 作出預測結論 德爾菲法的特點 優(yōu)點 反饋性 集思廣益 匿名性 統(tǒng)計性 簡便性 缺點 受預測專家認識的制約 專家思維的局限性 缺乏客觀標準 預測需要時間較長 應用 缺乏歷史資料和數(shù)據(jù)的長期預測 三 生命周期預測法 一 意義 根據(jù)事物從產生 成長 成熟到衰亡這一隨時間變動的演化規(guī)律 來預測某種產品或技術所處的不同發(fā)展階段以及未來的變化趨勢 二 方法 1 曲線圖判斷預測法 2 類推判斷預測法 3 增長率判斷預測法 4 產品普及率預測法 5 增量比率判斷預測法 1 曲線圖判斷預測法 將企業(yè)有關產品的銷售量和利潤額以及普及率等數(shù)據(jù)分別繪制成不同的曲線圖 并與產品生命周期的標準曲線圖相比較 即可從中判斷出產品目前處于生命周期的哪個階段以及未來的走勢如何 2 類推判斷預測法 含義 即以市場上同類產品的生命周期發(fā)展趨勢為對比參照系 類推判斷本產品所處生命周期的哪一個階段 類推的指標 產品的銷售量 利潤額 普及率等 3 增長率判斷預測法 含義 根據(jù)產品的銷售量或利潤額的增長率實際值與理論值或經驗值對比來判斷該種產品所處的生命周期階段 見下表 產品生命周期各階段的理論值或經驗值 4 產品普及率預測法 按照產品生命周期不同階段的普及率的理論值或經驗值 來判斷該產品所處的生命周期 判斷方法見前表 產品普及率計算方法 5 增量比率判斷預測法 以銷售增量除以時間增量的比率大小 判斷某產品所處生命周期的哪一個階段 判斷方法見前表 四 顧客意見法 含義 是為預測顧客的需求變化 對直接使用本企業(yè)產品的顧客的購買意向 購買意見進行調查 從而預測顧客的需求變化趨勢 案例 預測明年某城市居民家庭對私人汽車的需求量 針對該城市中具有私人汽車購買能力的家庭群體 隨機抽取100個家庭作訪問調查 調查問題是 您家庭明年是否打算購買私人汽車 然后 進行實地調查 回答打算購買的為15人 假設該城市中有2萬個家庭有私車的購買能力 則可預測該城市明年對私車的需求量為 20000 15 3000輛 五 關聯(lián)預測法 關聯(lián)預測法的形式第一 正關聯(lián) 互補品 第二 負關聯(lián) 替代品 互補品指兩種商品必須互相配合 才能共同滿足消費者的同一種需要 如果X和Y是互補品 X的需求量就與Y的價格成反向變化 如照相機和膠卷 膠卷的需求量與照相機的價格有著密切關系 一般而言 照相機價格上升 膠卷的需求量下降 兩者呈現(xiàn)反方向變化 第二節(jié)時間序列預測方法 一 簡單平均法二 移動平均法三 指數(shù)平滑法四 趨勢外推預測法五 季節(jié)指數(shù)預測法 一 簡單平均法 一 平均增減量預測法 二 簡單算術平均預測法 三 加權算術平均預測法 四 幾何平均預測法 一 平均增減量預測法 公式 二 簡單算術平均預測法 含義 將觀察期內預測目標時間序列值的算術平均數(shù) 作為下期預測值 公式 注意 預測值與觀察期長短有關 當數(shù)據(jù)波動小 觀察期可以短一些 反之 則長 適合于 短期或近期預測 三 加權算術平均預測法 含義 為觀察期內的每一個數(shù)據(jù)確定一個權數(shù)計算算術平均數(shù) 作為下期預測值 公式 權數(shù)確定 近期大遠期小 確定方法 數(shù)據(jù)差異大 用等比數(shù)列權數(shù) 數(shù)據(jù)變動幅度小 用等差數(shù)列權數(shù) 四 幾何平均預測法 公式 例 應用 數(shù)據(jù)的發(fā)展成等比數(shù)列變化時比較合適 二 移動平均法 一 簡單移動平均法 二 加權移動平均法 一 簡單移動平均法 含義 將計算期內的預測目標時間序列的移動平均數(shù) 作為下一期的預測值 公式 表示第t期的移動平均數(shù) 作為下期t 1期的預測值 例 二 加權移動平均法 含義 將計算期內的預測目標時間序列的各個觀察值加權計算移動平均數(shù) 作為下一期的預測值 公式 表示第t期的移動平均數(shù) 作為下期t 1期的預測值 例 三 指數(shù)平滑法 一次指數(shù)平滑法 一次指數(shù)平滑法 t 1期的預測值是t期實際值和預測值的加權平均 公式 關鍵 1 初始值的確定 2 平滑系數(shù)的確定 1 初始值的確定 通常通過估算來確定 1 2 例 2 平滑系數(shù)的確定 依據(jù)時間序列的波動性大小進行選擇 1 隨機波動性較大 較小的平滑系數(shù) 2 隨機波動性較小 較大的平滑系數(shù) 3 水平趨勢變動 居中的平滑系數(shù)例 四 趨勢外推預測法 確定方法 最小二乘法1 直線趨勢2 曲線趨勢 五 季節(jié)指數(shù)預測法 1 無趨勢變動的季節(jié)指數(shù)預測法2 含趨勢變動的季節(jié)指數(shù)預測法 1 無趨勢變動的季節(jié)指數(shù)預測法 如果時間數(shù)列沒有明顯的長期變動趨勢 就直接利用季節(jié)指數(shù) 來預測 例題 例 某商品銷售量5年的分季資料 見下表 假設該資料無長期趨勢 要求 1 設第六年第一季度的銷售量為10噸 試預測第二季度的銷售量 2 設第六年上半年的銷售量為27噸 試預測第三季度的銷售量 3 設第六年全年的計劃銷售量為60噸 試預測各季度的銷售量 題表 季節(jié)指數(shù)計算表 解 1 先根據(jù)已知的一季度銷售量和一季度的季節(jié)指數(shù) 求出第六年的季平均數(shù) 再根據(jù)第六年的季平均數(shù)和第二季度的季節(jié)指數(shù) 求出第二季度的預測值 第六年的季平均數(shù) 10 60 18 16 62第六年第二季度的銷售量 16 62 83 19 13 82 噸 解 2 先根據(jù)上半年的已知數(shù)和一 二季度的季節(jié)指數(shù) 求出第六年的季平均數(shù) 再根據(jù)第六年的季平均數(shù)和第三季度的季節(jié)指數(shù) 求出第三季度的預測值 第六年的季平均數(shù) 27 60 18 83 19 18 83第六年第三季度的銷售量 18 83 109 73 20 66 噸 解 3 先求出第六年的季平均數(shù) 再根據(jù)第六年的季平均數(shù)和各季度的季節(jié)指數(shù) 求出各季度的預測值 第六年的季平均數(shù) 60 4 15第六年第一季度的銷售量 15 60 18 9 027 噸 第二季度的銷售量 15 83 19 12 4785 噸 第三季度的銷售量 15 109 73 16 4595 噸 第四季度的銷售量 15 146 90 22 035 噸 2 含趨勢變動的季節(jié)指數(shù)預測法 1 通過移動平均法計算出各期的趨勢值 并將原序列剔除長期趨勢 2 計算季節(jié)比率 3 將原來的時間序列值剔除季節(jié)變動 擬合趨勢方程 4 根據(jù)趨勢方程計算各期的趨勢值 將其與對應期的季節(jié)指數(shù)相乘 就能得到所要預測時期的預測值 例 思考與訓練 某公司1995年到1999年各季度的銷售額 萬元 資料見下表 已知2000年第二季度的銷售額為22 3萬元 試用季節(jié)指數(shù)法預測第三 四季度的銷售額 表格 第三節(jié)相關回歸預測法 1 一元線性回歸分析及預測2 多元線性回歸分析及預測 第四節(jié)馬爾科夫預測法 一 馬爾科夫鏈概念及特征 一 現(xiàn)象狀態(tài)及狀態(tài)轉移馬爾科夫鏈就是指一種隨機的時間變量序列 該序列各期取值只與它前一期取值有關 而與以前取值無關的隨機過程 二 轉移概率及概率矩陣 市場現(xiàn)象從一種狀態(tài)轉變?yōu)榱硪环N狀態(tài)的可能性 稱為狀態(tài)轉移概率 如處在i狀態(tài) 后一時間轉向j狀態(tài)的可能性大小 就用Pij表示其轉移概率 轉移概率矩陣 如果現(xiàn)象轉移概率各期一樣或十分接近 逐步轉移下去 K步后的轉移概率矩陣為一步轉移概率的K次方 即P K PK 例 設某地有A B兩個旅游公司 上期A公司游客中有30 本期到B公司 B公司中有60 游客到A公司 若今后9期均是如此轉移概率 其結果如何 例解 馬爾科夫過程的兩個特征 一是無后效性二是穩(wěn)定概率 二 馬爾科夫過程的時期狀態(tài)模型 一 馬爾科夫過程的短期狀態(tài)模型設初始時期各狀態(tài)的轉移概率為P 初始時期各狀態(tài)概率向量為S0 有n種狀態(tài) 各期的狀態(tài)向量依次是 S1 S0PS2 S0P2 S1PS3 S0P3 S2P St S0Pt St 1P 矩陣表示 各期轉移的狀態(tài)概率取決于三因素 初始時期各狀態(tài)概率 一步轉移概率和狀態(tài)轉移期數(shù) 其模型為 St St 1P 二 馬爾科夫過程長期狀態(tài)轉移穩(wěn)定概率模型 設初始時期各狀態(tài)概率為Pi 從此轉移概率不變 長期轉移下去的即是穩(wěn)定的轉移概率 它有如下關系 t表示較長的轉移期數(shù) 這時轉移概率穩(wěn)定 概率總和為1 即有 方程組 方程組移項 將上述方程組前n個方程中任一個刪去 設刪末行 方程可解 將各方程系數(shù)提出 形成矩陣P 矩陣P 模型 于是 即為馬爾科夫鏈的穩(wěn)定狀態(tài)時的概率 三 馬爾科夫模型在預測中的應用 例 某地市場有三家百貨店 A店擁有該地顧客45 B店有35 C店有20 在各店人均購買商品額接近情況下 三店的市場占有率同樣是45 35 20 這是初始時期的狀態(tài)概率分布 經調查 第二期顧客流動情況如下表 預計 1 第四期各店的市場占有率 2 長期后穩(wěn)定的市場占有率各是多少 表 解 1 第四期各店市場占有率是初始占有率乘第三步的市場占有率轉移矩陣 即 0 49400 31930 1867 即第四期市場占有率 A為0 4940 B為0 3193 C為0 1867 2 長期后穩(wěn)定的市場占有率計算矩陣 即穩(wěn)定的市場占有率 A店為0 4940 B店為0 3192 C店為0 1868 與第四期的各店市場占有率十分接近 第五節(jié)灰色預測法 一 灰色系統(tǒng) 一 系統(tǒng)分類灰色系統(tǒng)是指信息而言 信息按其表征程度 分為白色 黑色 灰色 白色系統(tǒng)指其信息清晰可見的系統(tǒng) 黑色系統(tǒng)指其信息完全不明的系統(tǒng) 灰色系統(tǒng)則為該系統(tǒng)的部分信息已知而另外部分信息未知的系統(tǒng) 二 灰色系統(tǒng)分類 本征性和非本征性兩類 1 本征性系統(tǒng)為沒有物理原型的抽象系統(tǒng) 如觀念系統(tǒng) 經濟系統(tǒng) 社會系統(tǒng) 政治系統(tǒng)等 2 非本征性系統(tǒng) 非本征性系統(tǒng)是具有物理原型的具體系統(tǒng) 如建筑物系統(tǒng) 人體器官系統(tǒng) 機械系統(tǒng)等 灰色系統(tǒng)可以準確地描述本征性系統(tǒng)的狀態(tài)和行為 于是可用于預測 三 灰色系統(tǒng)預測法分類 灰色系統(tǒng)預測法按預測功能分 有數(shù)列預測 激勵預測 突變預測 季節(jié)突變預測 拓撲預測和系統(tǒng)綜合預測等類型 數(shù)列預測 數(shù)列預測是對系統(tǒng)的行為特征指標值按時間序列排列形成的序列進行預測 如 銷售量預測 盈利預測 資產預測等 激勵預測 激勵預測是指直接影響市場變動的因素 如物價 居民收入結構 商品資源構成等突然變動 其行為特征值直接影響商品銷售量 于是可用因素變動值預測市場現(xiàn)象值 二 灰色系統(tǒng)預測模型及應用 灰色系統(tǒng)預測模型為greymodel 簡稱GM GM 1 1 為一階和一變量的微分方程型預測模型 一 收集 加工整理數(shù)列資料1 1 按預測目的收集資料 然后將各期觀察值Xt 0 按時間先后排列 組成時間序列X 0 即 X1 0 X2 0 X3 0 Xt 0 一 收集 加工整理數(shù)列資料2 2 對時間序列作累加處理 形成新的數(shù)列X 1 即 X1 1 X2 1 X3 1 Xt 1 累加方法如 X3 1 X