《第6章需求预测》由会员分享，可在线阅读，更多相关《第6章需求预测（48页珍藏版）》请在金锄头文库上搜索。
1、第六章第六章 需求预测需求预测主要内容主要内容 6.1 预测预测(什么是预测，为什么要进行预测）什么是预测，为什么要进行预测） 6.2 预测方法预测方法（如何进行预测）（如何进行预测） 6.3 预测误差与监控预测误差与监控 （预测结果的评估）（预测结果的评估）6.1.1 6.1.1 预测及其作用预测及其作用6.1.2 6.1.2 预测分类预测分类6.1.3 6.1.3 预测的步骤预测的步骤6.1 6.1 预测预测I see that you willget an A this semester.6.1.1 6.1.1 预测及其作用预测及其作用预预测测是是对对未未来来可可能能发发生生的的情情况况
2、的的预预计计与推测。与推测。“凡凡事事预预则则立立，不不预预则则废废”。预预测测为为人人们们提提供供了了即即将将发发生生的的情情况况的的信信息息，增增加加了成功的机会。了成功的机会。但但预预测测不不是是一一门门精精确确的的科科学学，它它是是科科学学与艺术的结合。与艺术的结合。预预测测离离不不开开科科学学测测定定的的数数据据，也也离离不不开开人们的经验和判断。人们的经验和判断。不能因为预测的失误而否定预测。不能因为预测的失误而否定预测。 中国人不喝冰红茶中国人不喝冰红茶一间宽大的单边镜访谈室里，桌子上摆满了没有标一间宽大的单边镜访谈室里，桌子上摆满了没有标签的杯子，有几个被访问者逐一品尝着不知名
3、的饮签的杯子，有几个被访问者逐一品尝着不知名的饮料，并且把口感描述出来写在面前的卡片上料，并且把口感描述出来写在面前的卡片上这这个场景发生在个场景发生在1999年，当时任北华饮业调研总监的年，当时任北华饮业调研总监的刘强组织了刘强组织了5场这样的双盲口味测试，他想知道，公场这样的双盲口味测试，他想知道，公司试图推出的新口味饮料能不能被消费者认同。司试图推出的新口味饮料能不能被消费者认同。此前调查显示：超过此前调查显示：超过60%的被访问者认为不能接受的被访问者认为不能接受“凉茶凉茶”，他们认为中国人忌讳喝隔夜茶，冰茶更，他们认为中国人忌讳喝隔夜茶，冰茶更是不能被接受。刘强领导的调查小组认为，只
4、有进是不能被接受。刘强领导的调查小组认为，只有进行了实际的口味测试才能判别这种新产品的可行性。行了实际的口味测试才能判别这种新产品的可行性。等到拿到调查的结论，刘强的信心被彻底动摇了，等到拿到调查的结论，刘强的信心被彻底动摇了，被测试的消费者表现出对冰茶的抵抗，一致否定了被测试的消费者表现出对冰茶的抵抗，一致否定了装有冰茶的测试标本。新产品在调研中被否定。装有冰茶的测试标本。新产品在调研中被否定。直到直到2000年、年、2001年，以旭日升为代表的年，以旭日升为代表的冰茶在中国全面旺销，北华饮业再想迎头冰茶在中国全面旺销，北华饮业再想迎头赶上为时已晚，一个明星产品就这样穿过赶上为时已晚，一个明
5、星产品就这样穿过详尽的市场调查与刘强擦肩而过。说起当详尽的市场调查与刘强擦肩而过。说起当年的教训，刘强还满是惋惜：年的教训，刘强还满是惋惜：“我们举行我们举行口味测试的时候是在冬天，被访问者从寒口味测试的时候是在冬天，被访问者从寒冷的室外来到现场，没等取暖就进入测试，冷的室外来到现场，没等取暖就进入测试，寒冷的状态、匆忙的进程都影响了访问者寒冷的状态、匆忙的进程都影响了访问者对味觉的反应。测试者对口感温和浓烈的对味觉的反应。测试者对口感温和浓烈的口味表现出了更多的认同，而对清凉淡爽口味表现出了更多的认同，而对清凉淡爽的冰茶则表示排斥。测试状态与实际消费的冰茶则表示排斥。测试状态与实际消费状态的
6、偏差让结果走向了反面。状态的偏差让结果走向了反面。”“驾御数据需要系统谋划。驾御数据需要系统谋划。”好在北华并好在北华并没有从此怀疑调研本身的价值，没有从此怀疑调研本身的价值，“去年，去年，我们成功组织了对饮料包装瓶的改革，通我们成功组织了对饮料包装瓶的改革，通过测试，我们发现如果在塑料瓶装的外型过测试，我们发现如果在塑料瓶装的外型上增加弧型的凹凸不仅可以改善瓶子的表上增加弧型的凹凸不仅可以改善瓶子的表面应力，增加硬度，更重要的是可以强化面应力，增加硬度，更重要的是可以强化消费者对饮料功能性的心理认同。消费者对饮料功能性的心理认同。”采访中，北京普瑞辛格调研公司副总经理采访中，北京普瑞辛格调研
7、公司副总经理邵志刚先生的话似乎道出了很多企业的心邵志刚先生的话似乎道出了很多企业的心声：声：“调研失败如同天气预报给渔民带来调研失败如同天气预报给渔民带来的灾难，无论多么惨痛，你总还是要在每的灾难，无论多么惨痛，你总还是要在每次出海之前，听预报、观天气、看海水次出海之前，听预报、观天气、看海水。” 6.1.1 6.1.1 预测及其作用预测及其作用预测的作用预测的作用帮助管理者设计生产运作系统帮助管理者设计生产运作系统生产什么产品，提供何种服务生产什么产品，提供何种服务在何处建立生产在何处建立生产/ /服务设施服务设施采用什么样的流程采用什么样的流程供应链如何组织供应链如何组织帮助管理者对系统的
8、使用进行计划帮助管理者对系统的使用进行计划今年生产什么，生产多少今年生产什么，生产多少如何利用现有设施提供满意服务如何利用现有设施提供满意服务预测的基本假设：预测的基本假设：过去的发展状态要持过去的发展状态要持续到将来续到将来对总量的预测要比对个体的预测精确对总量的预测要比对个体的预测精确如每天从武汉到北京旅客数量的预测，比如每天从武汉到北京旅客数量的预测，比预计某个人将到何处出差要准确预计某个人将到何处出差要准确预测精度随预测的时间范围增加而降低预测精度随预测的时间范围增加而降低6.1.2 6.1.2 预测分类预测分类按性质分按性质分科科学学预预测测 科科学学预预测测是是对对科科学学发发展展
9、情情况况的的预预计计与与推推测测。如如门门捷捷列列夫夫预预计计有有3 3个个当当时时未未发发现现的的元元素素：亚亚铝铝、亚亚硼硼和和亚亚硅硅。后后来来，发发现现了了，是是镓、钪和锗。镓、钪和锗。技技术术预预测测 技技术术预预测测是是对对技技术术进进步步情情况况的的预预计计与推测。与推测。经经济济预预测测 政政府府部部门门以以及及其其它它一一些些社社会会组组织织经经常就未来的经济状况发表经济预测报告常就未来的经济状况发表经济预测报告6.1.2 6.1.2 预测分类（续）预测分类（续）按时间分按时间分长长期期预预测测(Long-range Forecast) 对对5 5年年或或5 5年年以以上上的
10、需求前景的预测。它是企业长期发展规划的依据。的需求前景的预测。它是企业长期发展规划的依据。中中期期预预测测(Intermediate-range Forecast) 中中期期预预测测是是指指对对一一个个季季度度以以上上两两年年以以下下的的需需求求前前景景的的预预测测。它是制订年度生产计划、季度生产计划的依据。它是制订年度生产计划、季度生产计划的依据。短期预测短期预测(Short-range Forecast) 短期预测是对一短期预测是对一个季度以下的需求前景的预测。它是调整生产能力、个季度以下的需求前景的预测。它是调整生产能力、采购、安排生产作业计划等具体生产经营活动的依采购、安排生产作业计划
11、等具体生产经营活动的依据。据。6.1.2 6.1.2 预测分类（续）预测分类（续）按主客观因素所起的作用分按主客观因素所起的作用分 定性预测定性预测定量预测定量预测6.1.3 6.1.3 预测的步骤预测的步骤 1 确定预测的目的确定预测的目的 2 确定预测的时间范围确定预测的时间范围 3 选择预测的方法选择预测的方法 4 收集和分析数据收集和分析数据 5 准备预准备预 测测 6 对预测进行监控对预测进行监控 “预测预测”6.2 6.2 预测方法预测方法定性分析法定性分析法定量分析法定量分析法预测方法定性预测方法定量预测方法Delphi法用户期望调查法部门主管讨论法销售人员意见汇集法因果模型时间
12、序列模型移动平均法加权移动平均法 指数平滑法乘法模型加法模型时间序列平滑模型时间序列分解模型 预测方法预测方法因果联系法因果联系法 因果联系是假定因果联系是假定需求需求与某些内在因与某些内在因素或周围环境的外部因素有关。常素或周围环境的外部因素有关。常见的因果联系法主要有：回归分析、见的因果联系法主要有：回归分析、经济模型、投入产出模型、行指标经济模型、投入产出模型、行指标等。等。 时间序列分析时间序列分析 时间序列分析是建立在这样一个设定基础时间序列分析是建立在这样一个设定基础上的上的,与过去需求相关的与过去需求相关的历史数据历史数据可用于预可用于预测未来的需求。历史数据可能包含诸如测未来的
13、需求。历史数据可能包含诸如趋趋势、季节、周期势、季节、周期等因素。等因素。常见的时间序列分析方法主要有：简单移常见的时间序列分析方法主要有：简单移动平均、加权移动平均、指数平滑、鲍克动平均、加权移动平均、指数平滑、鲍克斯斯詹金斯法、西斯金时间序列等。詹金斯法、西斯金时间序列等。 时间序列预测时间序列预测（Time Series Forecasts）趋势成分趋势成分- 数据长期变化趋势数据长期变化趋势季节性波动季节性波动- 数据短期有规律的波动数据短期有规律的波动周期波动周期波动- 固定时间有规律的波动固定时间有规律的波动随机波动（随机波动（Random variations）- 随机因素随机因
14、素引起的波动引起的波动定量预测方法定量预测方法移动平均法移动平均法简单移动平均简单移动平均（Simple moving average）加权移动平均（加权移动平均（Weighted moving average）指数平滑法（指数平滑法（Exponential smoothing）n简单移动平均法简单移动平均法 简单移动平均法就是利用近期的实际数简单移动平均法就是利用近期的实际数值通过求算术平均值预测未来值，其计算公值通过求算术平均值预测未来值，其计算公式为式为 式中，式中，Ai表示第表示第i期的实际值，期的实际值，MAi+1表示预表示预测值，测值，n表示移动平均的时间段数，表示移动平均的时间段
15、数，i=t-n+1, t-1 ,t。 简单移动平均法的预测结果与简单移动平均法的预测结果与n大小有关。大小有关。N越大，对干扰的敏感性越低，预测值的响应越大，对干扰的敏感性越低，预测值的响应性越差，稳定性越好。性越差，稳定性越好。 简单移动平均简单移动平均SMAt+1 = nAt+i-ni = 1n实际值实际值SMA3SMA5加权移动平均法加权移动平均法 加权移动平均给固定跨越期限内的每个变加权移动平均给固定跨越期限内的每个变量值以相等的权重。其原理是：历史各期量值以相等的权重。其原理是：历史各期产品需求的数据信息对预测未来期内的需产品需求的数据信息对预测未来期内的需求量的作用是不一样的。除了
16、以求量的作用是不一样的。除了以n为周期的为周期的周期性变化外，远离目标期的变量值的影周期性变化外，远离目标期的变量值的影响力相对较低，故应给予较低的权重。响力相对较低，故应给予较低的权重。在运用在运用加权平均法加权平均法时，权重的选择是一个时，权重的选择是一个应该注意的问题。应该注意的问题。经验法和试算法经验法和试算法是选择权重的最简单的方是选择权重的最简单的方法。一般而言，最近期的数据最能预示未法。一般而言，最近期的数据最能预示未来的情况，因而权重应大些。来的情况，因而权重应大些。例如，根据前一个月的利润和生产能力比例如，根据前一个月的利润和生产能力比起根据前几个月能更好的估测下个月的利起根
17、据前几个月能更好的估测下个月的利润和生产能力。但是，如果数据时季节性润和生产能力。但是，如果数据时季节性的，则权重也应是季节性的。的，则权重也应是季节性的。 加权移动平均加权移动平均WMAt+1 = niAt+i-ni = 1n实际值实际值WMA3WMA5移动平均法的特点：移动平均法的特点： 1. 移动平均对原序列有修匀或平滑的作用，使得原序列的上移动平均对原序列有修匀或平滑的作用，使得原序列的上下波动被削弱了，而且平均的时距项数下波动被削弱了，而且平均的时距项数N越大，对数列的越大，对数列的修匀作用越强。修匀作用越强。2. 移动平均时距项数移动平均时距项数N为奇数时，只需一次移动平均，其移为
18、奇数时，只需一次移动平均，其移动平均值作为移动平均项数的中间一期的趋势代表值；而动平均值作为移动平均项数的中间一期的趋势代表值；而当移动平均项数当移动平均项数N为偶数时，移动平均值代表的是这偶数为偶数时，移动平均值代表的是这偶数项的中间位置的水平，无法对正某一时期，则需要在进行项的中间位置的水平，无法对正某一时期，则需要在进行一次相临两项平均值的移动平均，这才能使平均值对正某一次相临两项平均值的移动平均，这才能使平均值对正某一时期，这称为移正平均，也成为中心化的移动平均数。一时期，这称为移正平均，也成为中心化的移动平均数。3. 当序列包含季节变动时，移动平均时距项数当序列包含季节变动时，移动平
19、均时距项数N应与季节变应与季节变动长度一致，才能消除其季节变动；若序列包含周期变动动长度一致，才能消除其季节变动；若序列包含周期变动时，平均时距项数时，平均时距项数N应和周期长度基本一致，才能较好的应和周期长度基本一致，才能较好的消除周期波动。消除周期波动。4. 移动平均的项数不宜过大。移动平均的项数不宜过大。存在问题存在问题使用移动平均法进行预测能平滑掉需求的突然波使用移动平均法进行预测能平滑掉需求的突然波动对预测结果的影响。但移动平均法运用时也存动对预测结果的影响。但移动平均法运用时也存在着如下问题：在着如下问题：1、 加大移动平均法的期数（即加大加大移动平均法的期数（即加大n值）会使平值
20、）会使平滑波动效果更好，但会使预测值对数据实际变动滑波动效果更好，但会使预测值对数据实际变动更不敏感；更不敏感；2、 移动平均值并不能总是很好地反映出趋势。由移动平均值并不能总是很好地反映出趋势。由于是平均值，预测值总是停留在过去的水平上而于是平均值，预测值总是停留在过去的水平上而无法预计会导致将来更高或更低的波动；无法预计会导致将来更高或更低的波动；3、 移动平均法要由大量的过去数据的记录。移动平均法要由大量的过去数据的记录。 4、它通过引进愈来愈期的新数据，不断修改平均、它通过引进愈来愈期的新数据，不断修改平均值，以之作为预测值。值，以之作为预测值。什么是指数平滑法什么是指数平滑法指数平滑
21、法是布朗指数平滑法是布朗(Robert G.Brown)所提所提出，布朗出，布朗(Robert G.Brown)认为时间序列认为时间序列的态势具有稳定性或规则性，所以时间序的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；列可被合理地顺势推延；他认为最近的过他认为最近的过去态势，在某种程度上会持续到最近的未去态势，在某种程度上会持续到最近的未来，所以将较大的权数放在最近的资料来，所以将较大的权数放在最近的资料。 指数平滑法是生产预测中常用的一种方指数平滑法是生产预测中常用的一种方法。也用于中短期经济发展趋势预测，所法。也用于中短期经济发展趋势预测，所有预测方法中，指数平滑是用得最多的一
22、有预测方法中，指数平滑是用得最多的一种。种。简单的全期平均法简单的全期平均法是对时间数列的过去数是对时间数列的过去数据一个不漏地全部加以同等利用；据一个不漏地全部加以同等利用；移动平移动平均法均法则不考虑较远期的数据，并在则不考虑较远期的数据，并在加权移加权移动平均法动平均法中给予近期资料更大的权重；而中给予近期资料更大的权重；而指数平滑法指数平滑法则兼容了全期平均和移动平均则兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。赋予逐渐收敛为零的权数。 也
23、就是说指数平滑法是在移动平均也就是说指数平滑法是在移动平均法基础上发展起来的一种时间序列法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理型对现象的未来进行预测。其原理是任一期的指数平滑值都是上期实是任一期的指数平滑值都是上期实际观察值与前一期指数平滑值的加际观察值与前一期指数平滑值的加权平均。权平均。 n 一次指数平滑法一次指数平滑法 一次指数平滑法是一种加权平均的计算方一次指数平滑法是一种加权平均的计算方法，它的计算公式可表述如下。法，它的计算公式可表述如下。
24、设设:Ft表示表示t期的预测值，期的预测值，Ft-1表示第表示第t-1期期的预测值，的预测值，At1表示第表示第t-1期的实际值，期的实际值， 表示平滑指数，表示平滑指数， 则一次指数平滑法则一次指数平滑法的计算公式为：的计算公式为： 或或 平滑指数越小，预测的稳定性越好，平平滑指数越小，预测的稳定性越好，平滑指数越大，预测值对实际值的变化越敏滑指数越大，预测值对实际值的变化越敏感，响应性越好。感，响应性越好。 .1.4实际值实际值n季节性预测模型季节性预测模型 有的产品随季节的变化而有很大的波动，有的产品随季节的变化而有很大的波动，此时就不宜采用各种平均计算方法进行预此时就不宜采用各种平均计
25、算方法进行预测，而应选用计算季节指数的方法来预测。测，而应选用计算季节指数的方法来预测。 例例62：某公司：某公司1991年和年和1992年各个季年各个季度的销售数据如表度的销售数据如表63所示，计算所示，计算1993年年各个季度的预测值。各个季度的预测值。季节性预测模型季节性预测模型解：第一步，根据历史数据求出趋势方程。解：第一步，根据历史数据求出趋势方程。具体的方法可以采用最小二乘法，也可以具体的方法可以采用最小二乘法，也可以采用简单的随手画直线，再计算出斜率和采用简单的随手画直线，再计算出斜率和截距的方法。截距的方法。 对本例，趋势方程为对本例，趋势方程为Yt17055.t1991年销售
26、量1992年销售量一季度300一季度520二季度200二季度420三季度220三季度400四季度530四季度700表表63：1991年和年和1992年各季度销售数据年各季度销售数据季节性预测模型季节性预测模型 第二步，求出季节因子。计算过程如表第二步，求出季节因子。计算过程如表64所示。所示。时间实际值由趋势方程求出的数值实际值/趋势值1991年一季度 二季度 三季度 四季度300200220530225280335390（300/225）=1.33（200/280）0.71（220/335）0.66（530/390）1.361992年一季度 二季度 三季度 四季度52042040070044
27、5500555610（520/445）1.17（420/500）0.84（400/555）0.72（700/610）1.15表表64：季节因子的计算过程：季节因子的计算过程季节性预测模型季节性预测模型季节因子：一季度季节因子：一季度：（：（1.331.17）/2=1.25 二季度二季度：（：（0.710.84）/2=0.78 三季度三季度：（：（0.660.72）/2=0.69 四季度四季度：（：（1.361.15）/2=1.25第三步：计算第三步：计算1993年各季度的预测值年各季度的预测值 一季度一季度：（：（170559）1.25831 二季度二季度：（：（1705510）0.78562
28、 三季度三季度：（：（1705511）0.69535 四季度四季度：（：（1705512）1.251038一一元元线性回归模型线性回归模型Yt 一元一元线性回归预测值；线性回归预测值；a 截距截距b 斜率斜率. .Yt = a + bx0 1 2 3 4 5 tYb = n (xy) - xynx2 - (x)2a = y - bxn6.3 6.3 预测精度与监控预测精度与监控6.3.1 6.3.1 预测误差预测误差6.3.2 6.3.2 预测监控预测监控预测误差的度量预测误差的度量 无论预测方法的使用如何得当，预测模无论预测方法的使用如何得当，预测模型对历史数据的拟合程度怎么样高，观型对历史
29、数据的拟合程度怎么样高，观察值合预测值之间仍然存在偏差察值合预测值之间仍然存在偏差. 记预测对象的第记预测对象的第i个实际观察值为个实际观察值为Yi,由由预测模型得到的相应的估计值为预测模型得到的相应的估计值为 则预则预测的误差为测的误差为 。实际设计预测方。实际设计预测方案的一项重要任务是，尽量使误差减少案的一项重要任务是，尽量使误差减少到最低程度，也就是尽可能提高预测精到最低程度，也就是尽可能提高预测精度。度。标准统计度量误差的几种形式标准统计度量误差的几种形式n 平均误差平均误差ME（Mean Error）：预测误差的和）：预测误差的和的平均值。的平均值。 其中，其中， 称为滚动预测误差
30、称为滚动预测误差RSFE（Running Sum of Forecast Error)。如果预测是无偏的，。如果预测是无偏的，则则RSFE应该比较接近于零，即应该比较接近于零，即ME应接近于零。应接近于零。因而因而ME可以用于衡量预测模型的无偏性，但它可以用于衡量预测模型的无偏性，但它不容易反映出预测值的偏离情况。不容易反映出预测值的偏离情况。n 平均绝对误差平均绝对误差MAE（Mean Absolute Error）:预测误差绝对值和的平均值。预测误差绝对值和的平均值。 标准统计度量误差的几种形式标准统计度量误差的几种形式n误差平方和误差平方和SSE（Sum of Squared Error
31、）:预预测误差平方的和。测误差平方的和。 n 均方误差均方误差MSE（Mean Squared Error）:预测预测误差平方的和的平均值误差平方的和的平均值 MSE与与MAE类似，虽可以较好的反映预测的精类似，虽可以较好的反映预测的精度，但它不容易衡量无偏性。度，但它不容易衡量无偏性。标准统计度量误差的几种形式标准统计度量误差的几种形式n 误差的标准差误差的标准差SDE（Standard Deviation of Error） 常用的相对度量指标常用的相对度量指标n 百分误差百分误差PE（Percentage Error） n 平均百分误差平均百分误差MPE（Mean Percentage Error）n 平均绝对百分比误差平均绝对百分比误差MAPE（Mean Absolute Percentage Error）
