第三节 市场预测 所场则,就悖的,欢市场的因 索拄行调究,分杕和发势,掌屋市场供求变的律聿 为经营夫依据 市场內十分广氵丰富,从宏观,者系相 互衤充。郾本拄要捃以下几个內容: 1预则市场容量及变化匕市场部嵱量有定货付丿的 蒙求量邴塎量玢分为赟场预费 市场烻则牛鏻量熥掴发蓮重 点的晩究,综合分机则肭行产挾术产结构的整,预则 ,构数量及{消容量顽六以 下三个方面 1)消费者购则预则购腰做硒个预则:第 人麵)化的量发藯,在l程度上决着 消费者费烨。第二,消費者姊市收入和出的则 ②2)向消者收λ水平的寫氐埞着肖喆,郎消肖 费生舌褙费奸諦性消費効岀性禨丈岀的例消 费规收高,非性消会墩大,姎消 遣、劳-,商性,用饮食大 大降低别外消坰拘向响 则需戋发铹。機莙购总量和购 勦的向,预赃科袆需、花颊格质等
第三节 市 场 预 测 所谓市场预测，就是运用科学的方法，对影响市场供求变化的诸因 素进行调查研究，分析和预见其发展趋势，掌握市场供求变化的规律， 为经营决策提供可靠的依据。 市场预测的内容十分广泛丰富，从宏观到微观，二者相互联系、相 互补充。具体讲主要包括以下几个内容： 1.预测市场容量及变化。市场商品容量是指有一定货币支付能力的 需求总量。市场容量及其变化预测可分为生产资料市场预测和消费资料 市场预测。生产资料市场容量预测是通过对国民经济发展方向、发展重 点的研究，综合分析预测期内行业生产技术、产品结构的调整，预测工 业品的需求结构、数量及其变化趋势。消费资料市场容量预测重点有以 下三个方面： (1)消费者购买力预测。预测消费者购买力要做好两个预测：第一， 人口数量及变化预测。人口的数量及其发展速度，在很大程度上决定着 消费者的消费水平。第二，消费者货币收入和支出的预测。 (2)预测购买力投向。消费者收入水平的高低决定着消费结构，即消 费者的生活消费支出中商品性消费支出与非商品性消费支出的比例。消 费结构规律是收入水平越高，非商品性消费支出会增大，如娱乐、消 遣、劳务费用支出增加，在商品性支出中，用于饮食费用支出的比重大 大降低。另外还必须充分考虑消费心理对购买力投向的影响。 (3)预测商品需求的变化及其发展趋势。根据消费者购买力总量和购 买力的投向，预测各种商品需求的数量、花色、品种、规格、质量等
等。 2则蟒档变化企性的旷旵的銷售介 格直接关‖冰平在价的预则中,要究生 产率生成本利舶化,市场烘系势,货价 货顧量变化家经墒旵橙鐛饷 3预则发变势难产发疋变的则, 这是对场中商给量及变H势的预则 市场烻则的法多,下面论两中要法 一、时间序顾则去 在市预则中,经常黔系的经齐旹示埴,如仚业 某姩年(季)誚销糧消收入购增统艹等, 这些叵先聞搦归来称为时序列依驹钶 测的方称为时韌顾则去。逆里围谂最基的骨页则去 ()简单平訸咖帑骨去 设时问为Ⅺ地…X,称平数 x7+x1-+.+x-N+1 X+1 (9.6) N 为时kx的骨动妙亦是个时间剷故骨列, 记为刈N運里N称为平骨平郿要是平 湑裾,消除T扰,使的势变来,以趋预 测按片淞公式求驹进亍则法,称为去 加权平骨芶凋骨玓时,各值Ⅺ不作同待 而是每个序上个子。加平骨公为
163 等。 2.预测市场价格的变化。企业生产中投入品的价格和产品的销售价 格直接关系到企业盈利水平。在商品价格的预测中，要充分研究劳动生 产率、生产成本、利润的变化，市场供求关系的发展趋势，货币价值和 货币流通量变化以及国家经济政策对商品价格的影响。 3.预测生产发展及其变化趋势。对生产发展及其变化趋势的预测， 这是对市场中商品供给量及其变化趋势的预测。 市场预测的方法很多，下面我们讨论两种主要的预测方法。 一、时间序列预测法 在市场预测中，经常遇到一系列依时间变化的经济指标值，如企业 某产品按年（季）的销售量、消费者历年收入、购买力增长统计值等， 这些按时间先后排列起来的一组数据称为时间序列。依时间序列进行预 测的方法称为时间序列预测法。这里我们只讨论最基本的平滑预测法。 (一)简单平滑法和加权平滑法 设时间序列为x1,x2,…,xt，称平均数 xt+1= x x x N t + t - 1+...+ t - N + 1 (9.6) 为时间序列{xt}的滑动平均数列,它亦是一个时间序列,叫做平滑值序列， 记为{xt},t≥ N。这里N称为平滑值序列的时段长。平滑的目的主要是平 滑数据，消除干扰，使时间序列的趋势变化显示出来，以用于趋势预 测。按上述公式求得平滑值序列并进行预测的方法，称为简单平滑法。 加权平滑法就是在计算滑动平均值时，各序列值xt 不作同等对待， 而是每个序列值乘上一个权因子。加权平滑序列计算公式为：
a0x+a1x1+1+.+aN-1x-N+1 (9.7 αoα1….α№H1为枫因子,萧凝条件 琊举例羊骨訸咖平劫应用 例:场的眙合賣的诼排表96,分别以3和4个 月作为平行月镌售量侧计算課仍表96。从表看 出,预羁小长短有关N=4时,帟骨直比匕N=3时的平骨 值的反应`慢这是对的娘姓降果造成象的原 因,主要劾郿媽律等塒,秘骺后实上 賻畊锵。,彳,要强蝉影 响,剡窾赠的时,可采物帑骷去仍用剜列,取N=3, α0=3/2,1=12=1/2,预则表9-7。 从表9-7的谱缥看出,采勘嗽帑甓法,可)慟喫实 际靚兄。应的是此法帕的樾数″和平塅N"都重要参 数,最的大,其险愈大,怠容易机掷璟銄 N愈大可以护响,個算量道之增大 表9-5简 月卖际销量三个月的平预则(N=3)四个月的平髑值(N=4) (部) 预则式 预则式 1234 x+1=(X+X-1+xX2/3 x+1=(X+X1+X-2+X-y/4 (20+21+23)/3=213
164 xt+1= a0 x a1x 1 a 1x 1 N t + t + +...+ N - t - N + (9.7) α 0,α 1,…,α N+1 为权因子，并满足条件： i i N N = − = 0 1 1 现举例说明简单平滑法和加权平滑法的应用。 例：某家电商场的组合音响的逐月销售记录见表9-6，分别以3和4个 月作为平滑时段长进行月销售量预测。计算结果仍见表9-6。从表中看 出，预测值与滑动时段长短有关。N＝4时，平滑值比N＝3时的平滑 值的反应速度慢, 这是对干扰的敏感性降低的结果。造成这种现象的原 因，主要是参加平滑的数据一律平等对待，不分先后。实际上最新数据 更能反映销售的趋势。故而，在实际预测中，要特别强调新数据的影 响，突出新数据的作用时，可采用加权平滑法。仍用前例，取N＝3， α 0＝3／2，α 1＝1,α 2＝1／2，预测结果见表9-7。 从表9-7的计算结果看出，采用加权平滑法，可以更准确地反映实 际情况。应注意的是此法中的“权数α ”和“平滑时段N”都是重要参 数，最新数据的权数愈大，其风险也愈大，愈容易受随机干扰的影响。 N愈大可以减少随机干扰的影响，但计算量随之增大。 表9-5 简单平滑预测表 月 实际销量 （部） 三个月的平滑预测值（N=3） 四个月的平滑预测值（N=4） 1 20 预测公式 预测公式 2 21 xt + 1 = (xt+xt－1+xt－2) / 3 xt + 1 = (xt+xt－1+xt－2+xt－3) / 4 3 23 4 24 （20+21+23）/ 3=21.3
0+21+23+24/4=220 62 (23+24+25/3=240 (21+23+24+25/4=233 26 (24+25+27)/3=253 (23+24+25+27/4=248 (25+27+26/3=260 (24+25+27+26/4=255 9 (27+26+25)/3=260 (25+27+26+25/4=258 (26+25+26/3=256 (27+26+25+26/4=260 (25+26+28/3=263 (26+25+26+28)/4=263 (26=28+27)/3=270 (25+26+28+27/4=265 表96加好鬧姒 三个月啦平预则直N=3) (部) 预则式 5×23+21+05×20)/3=218 (15×24+23+05×21)/3=232 9 558 (15×26+27+05×25/3=262 5×25+26+05×27/3=257 (15×26+25+05×26/3=257 (15×28+26+05×25)/3=268 (15×27+28+05×26/3=272 □二指数帟骨去 前枱窅咩帟骨帑骨刎却,垤的束:-是 必须N个历,三是则直又包含了这N个数的信息,而 不舨睥的)测息揩数Y玼服以上的不 足,数骨去则齡多坂,又能 反映大量的僯的息,且橹量大为減减小,毎舛数不 多
165 5 25 (21+23+24) / 3=22.6 (20+21+23+24) / 4=22.0 6 27 (23+24+25) / 3=24.0 (21+23+24+25) / 4=23.3 7 26 (24+25+27) / 3=25.3 (23+24+25+27) / 4=24.8 8 25 (25+27+26) / 3=26.0 (24+25+27+26) / 4=25.5 9 26 (27+26+25) / 3=26.0 (25+27+26+25) / 4=25.8 10 28 (26+25+26) / 3=25.6 (27+26+25+26) / 4=26.0 11 27 (25+26+28) / 3=26.3 (26+25+26+28) / 4=26.3 12 29 (26=28+27) / 3=27.0 (25+26+28+27) / 4=26.5 表9-6 加权平滑预测表 月 实际销量 （部） 三个月的加权平均预测值(N=3) 1 20 预测公式 xt + 1 = (1.5xt+xt－1+0.5xt－2) / 3 2 21 3 23 4 24 (1.5×23+21+0.5×20) / 3=21.8 5 25 (1.5×24+23+0.5×21) / 3=23.2 6 27 (1.5×25+24+0.5×23) / 3=24.3 7 26 (1.5×27+25+0.5×24) / 3=25.8 8 25 (1.5×26+27+0.5×25) / 3=26.2 9 26 (1.5×25+26+0.5×27) / 3=25.7 10 28 (1.5×26+25+0.5×26) / 3=25.7 11 27 (1.5×28+26+0.5×25) / 3=26.8 12 29 (1.5×27+28+0.5×26) / 3=27.2 (二)指数平滑法 前述简单平滑预测和加权平滑预测法中，均受到两方面的约束：一是 必须使用N个历史数据，二是预测值仅包含了这N个数据的信息，而 不能反映更多的历史数据的信息。指数平滑法较好地克服了以上的不 足，用指数平滑法得到的预测值既能较多地反映最新观察值信息，又能 反映大量的历史资料的信息，且计算量大为减小，每次计算所需数据不 多
设有实则削刈,t=12..n,初始为为又设刈为平 滑序列,若帟骨直ⅹ由下式求得: (9-8) 贝预则去为数去,做α称胥常数,0<α<1,(X←1-X -n称为预则蹉 上式经笥单娌,可得琉: x=ax-1+(1+a)x-1 (99 观察这公式,司值X是测值直x-1与则值Ⅺ 的平均值,戋数分α和1-α) 现公司的销售量'预赎例预则結结 果表9-7。 指数郾预则徳賴于平骨的选昪一般来说,α选 得小,-则稳;之,则桃大妽 动软大,就求樊媽高些,ν上数的化,时 α应选得大些 回则法去 1.“回归的含义。回指用柝碗个变量(因φ量)与 个几个其量(自量)如的衣关系,其的在组 已知的自变量数姐直,来则因变量的总体坳。在齐则 中,人们把预败橡(经标)俟为量,捫气骖密切 槌关綗肉索作量椐椐者的甽在的 统资料,建回归甍,经后用预则回戶预烦有个 变的冋回称个量的多回,对论元 线性回预则去
166 设有一实测值时间序列{xt}，t=1,2,…,n，初始值为x0。又设{xt}为平 滑序列，若平滑预测值xt由下述公式求得： xt = xt - 1+ a(xt - 1 - xt - 1) （9-8） 则称此预测法为指数平滑法，此处α 称为平滑常数，0<α <1，(xt－1－xt －1)称为预测误差。 上式经简单处理，可得另一形式： xt = axt - 1+ (1+ a)xt - 1 (9.9) 观察这一公式，可知预测值xt是前期实测值xt－1与前期预测值xt－1 的加权平均值，其权数分别为α 和(1-α )。 现以某公司的月销售量记录作为指数平滑的预测实例。预测计算结 果见表9-7。 指数平滑法的预测结果依赖于平滑常数α 的选择。一般来说，α 选 得小一些，预测值趋向就较平稳；反之，则变化较大。如果实际图形波 动较大，就要求模型的灵敏度高一些，以便迅速跟上数据的变化，这时 α 应选得大一些。 二、回归预测法 1. “回归”的含义。回归是指用于分析、研究一个变量（因变量）与一 个或几个其它变量（自变量）之间的依存关 系，其目的在于根据一组 已知的自变量数据值，来估计或预测因变量的总体均值。在经济预测 中，人们把预测对象（经济指标）作为因变量，把那些与预测对象密切 相关的影响因素作为自变量。根据二者的历史和现在的 统计资料，建立回归模型，经过统计检验后用于预测。回归预测有一个 自变量的一元回归预测和多个自变量的多元回归预测，这里仅讨论一元 线性回归预测法