短信预约提醒成功
第三章 市场预测方法
第三节 延伸预测法
延伸性预测：根据市场各种变量的历史数据的变化规律，对未来预测。
适用于有时间序列关系的数据预测
条件：①预测变量的过去、现在和将来的客观条件基本保持不变;②预测变量的发展过程渐变。
一、简单移动平均法： Ft+1 = 1/n Σx i 属于平滑技术，变化趋势较原始数据变化幅度小
适用于短期预测，以月或周为单位的近期预测;对原始数据预处理
n值越小，表明对近期观测值预测的作用越重视，预测值对数据变化的反应速度也越快，但预测的修匀程度较低，估计值的精度也可能降低。反之n值越大，预测值的修匀程度越高，但对数据变化的反映程度较慢。因此，n值的选择无法二者兼顾，应视具体情况而定。一般3—200，视序列长度和预测目标情况而定。
二、指数平滑法：指数加权平均法，实际是加权的移动平均法，它是选取各时期权重数值为递减指数的均值方法。通过某种平均方式，消除历史统计序列中的随机波动，找出其中主要的发展趋势。
一次指数平滑 Ft =αx i +(1-α)Ft-1 ——适用于市场观测呈水平波动，无明显升降趋势的预测
这种方法与简单移动平均法相似，两者之间的区别在于：简单指数平滑法对先前预测结果的误差进行了修正，因此这种方法和简单移动平均法一样，都能够提供简单适时的预测。
以本期指数平滑值作为下期的观测值。α是前一观测值和当前观测值之间的权重。大的α导致较小的平滑效果，较小则产生客观的平滑效果，α接近0，新预测值只包含较小的误差修正因素。
观测值稳定水平发展，α取0.1—0.3;波动较大，取0.3—0.5;波动很大，取0.5—0.8
初始值F0实质是序列起始点前历史数据的加权平均值。当时间序列数>20，F0=X1;<20，取前3—5平均值。
三、成长曲线模型：反应时间序列呈S型增长曲线 Yt = e(k +abt) 取对数 ln Yt = k+ abt
四、季节变动分析
季节变动按照数据的时间序列，有升降趋势和水平趋势，包括季节指数趋势法和季节指数水平法两种。
(一)季节指数水平法 Yt = Y*f t Y—前1个月或所有月的平均水平，f t—季节指数
适用于无明显升降趋势，主要受季节变动和不规则变动影响的时间序列，一般需3—5月/季的历史数据
程序：①数据分析，形成数据序列;②计算各年同月平均值Yi;③计算所有月平均值Y;④计算各月季节比率f t =Yi/Y;⑤计算预期趋势值一般采用最近年份平均值Yt -1;⑥计算预测年各月预测值= Yt -1 f t
(二)季节指数趋势法 Yt =(a + bt)f t ——适用于存在季节变动，各年(或同月)呈升降趋势