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。
一站式課程咨詢服務平臺
