聽課
課程與PC端同步更新,充分利用零碎時間。做題
海量精選試題,想練就練,瞬間提分。答疑
海量精選試題,想練就練,瞬間提分。直播
講師大咖面對面,有問有大收獲多。第三章 市場預測方法
第三節(jié) 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(guī)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(xiàn)在和將來的客觀條件基本保持不變;②預測變量的發(fā)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(tǒng)計序列中的隨機波動,找出其中主要的發(fā)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(qū)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(wěn)定水平發(fā)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,F(xiàn)0=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(jié)變動分析
季節(jié)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(jié)指數趨勢法和季節(jié)指數水平法兩種。