《需要予測の手法慶應義塾大学理工学部管理工学科NeedtomeasureoftechniqueKeioUniversityFacultyofscienceandtechnology》由会员分享，可在线阅读，更多相关《需要予測の手法慶應義塾大学理工学部管理工学科NeedtomeasureoftechniqueKeioUniversityFacultyofscienceandtechnology（63页珍藏版）》请在金锄头文库上搜索。
1、需要予測需要予測需要予測手法需要需要分類n需要意味n商品対需要、消費者商品購入思、実際購入意味。n需要例n衣食住行n需要特徴n需要相関性n第1次産業、第2次産業、第3次産業（分野）n最終製品生産人、物、金必要（系列）n気温上昇売（要因）n需要不確実性n個人需要変化n需要相関関係変化n注文生産確実需要n需要連続性n時系列分析（経線）n将来需要予測可能性n需要構造n顕在需要購入計画決需要n取替需要n購入済需要n潜在需要種条件満時顕在化需要n需要実現条件（金、）n需要n欲望条件潜在需要n創出需要企業努力欲望条件満需要n需要分類（観点）n確実、安定需要n確実、変動需要n不確実、安定需要n不確実、変動需
2、要例n自動車（組立）部品工場n毎月10万個供給n部品工場n4月6月、10月12月毎月1万個供給（例、）例n月販売実績n1月、2月、3月、4月、5月 100100、 、200200、 、300300、 、400400、 、500500n1月週販売実績1週、2週、3週、4週20、 30、 25、 25n n2 2月週販売実績月週販売実績1 1週、週、2 2週、週、3 3週、週、4 4週週4040、 、 50 50、 、 80 80、 、 30 30需要需要時間需要時間需要時間需要時間予測予測n競争優位n投資n製造n販売n需要不確実n機会損失発生n死蔵在庫発生n生産存在n生産準備必要n人物金予測？n
3、観察n予測戦略立n抽出nn周期n相関関係利用n天気傘n誤差抑n例月別見年度別見移動平均誤差比較同定相関分析n対象選択n組織n産業n企業n店舗n商品nn需要予測手順n手法選択n市場調査nn（分析）n法n構築n時系列n回帰n需要予測販売予測n総需要n売予測売予測n顕在需要能力制限（販売量制限）n潜在需要売予測（販売量拡大）n正確性(Accuracy)n柔軟性(Bending)n納得性(Convincing)n持続性(Durability)n簡便性(Easiness)予測方法評価基準構築n移動平均n指数平滑法nARIMAnBASS移動平均法n実測値：n予測値：原系列移動平均k= t - H/2指数平
4、滑法n指数平滑法考方n予測n需要不規則変動滑n需要傾向変化敏感n予測誤差小n予測方法簡単n予測方法明確n予測誤差範囲明確n指数平滑法計算方法n移動平均法期待値予測。n指数平滑法期待値傾向加予測。n指数平滑法（期待値）n予測値（1）前期予測値現在値n指数平滑法一種加重移動平均法。n計算方法ny(t+1)=x(t)+(1-)y(t)ny(t)=x(t-1)+(1-)y(t-1)nny(t+1)=x(t)+(1-)x(t-1)+(1-)(1-)x(t-2)+n(1+(1-)+(1-)(1-)+)=1(等比数列）n0指数平滑法分類n流（季節変動場合）n流n単純平滑法（傾向見場合）n2次平滑法n一定伸、
5、製品n3次平滑法n同上流指数平滑法n単純平滑法n2次平滑法ny(t+1)=x(t)+ (1-) y(t)nz(t+1)= y(t)+(1- )z(t)nu=2y-znb(t+1)= (y(t+1)-y(t)+(1- )b(t)nz(t+1)=y(t)+(1/)b(t+1)vv3次平滑法y(t+1)=x(t)+ (1-) y(t)y(t+1)=x(t)+ (1-) y(t)z(t+1)= y(t)+(1- )z(t)z(t+1)= y(t)+(1- )z(t)u(t+1)= z(t)+(1- )u(t)u(t+1)= z(t)+(1- )u(t)v=3y-3z+uv=3y-3z+u流平滑法n完全
6、指数(Complete exponential model)n純真(Nave model)n単純予測(Simple forecasting model)n基本値nn季節変動指数n基本値nz(t)=（x(t)/(t)+(1-)(z(t-1)+(t-1)n期実績季節変動除去値、値1期前予測値定数平滑化値新第期基本値。nn(t)=A(z(t)-z(t-1)+(1-A)(t-1)n基本値差定数平滑化値、新第期n季節変動指数n(L+t)=B(x(t)/z(t)+(1-B)(L+t-1)nL季節変動周期（周期前計算値今期使用）n予測方法nv(t+T)=(z(t)+T(t)(t+T)n（基本値）季節変動指数
7、原系列7084283262562283005246769981250134689684644239432830638060476012481614172610587543983602682223164607601090147615721142例題ARIMAn自己回帰（AR）nz(t)=(1) z(t-1)+a(t)n(1) ：自己回帰na(t)：（）nz(t)=y(t)-、平均値偏差（y(t):原系列）nAR(1)nz(t)=(1) z(t-1)+ (2) z(t-2) +a(t)nAR(2)自己回帰演算子Z(t-1)a(t)Z(t)nAR性質n自己共分散自己相関n(p)= Cov (z(t)
8、,z(t-p)=E(z(t)z(t-p)n(1)= E(1)z(t-1)+a(t)z(t-1)）=(1)(0)+E(z(t-1)E(a(t)= (1)(0)n(p)=(1) (0)n(p)=(p)/(0)= (1) ppn記憶関数nz(t)=(1) z(t-1)+a(t)nz(t)=a(t)+(1) a(t-1)+ (1) a(t-1)+n定常性条件n分散一定：Var(z(t)= Var(z(t-1)0n相関性：E(z(t)z(t)=Var(z(t-1)+0+(依存，異時点一定)n記憶性：2n移動平均(MA)nz(t)=(1) z(t-1)+a(t)nz(t)=(1) z(t-1)+a(t)-
9、(1)a(t-1)n(1)=0，nz(t)=a(t)-(1)a(t-1)n(1):移動平均nMA(1)移動平均演算子a(t-1),a(t)Z(t)自己回帰移動平均nARMA(1,1)nz(t)-(1)z(t-1)=e(t)ne(t)=a(t)-(1)a(t-1)nz(t)-(1)z(t-1) =a(t)-(1)a(t-1)nARMA(1,1)nARMA(p,q)非定常nnz(t)=z(t-1)+a(t)n連続株価変化本質的独立n記憶関数nz(t)=a(t)+a(t-1)+a(t-2)+n過去同強影響例株価動自己回帰和分移動平均nARIMAn階差非定常系列定常系列nw(t)=z(t)-z(t-1
10、)nw(t)= (1)w(t-1)+a(t)-(1)a(t-1)nARIMA(1,1,1)n一般的、ARIMA(p,d,q)n和分：z(t)=w(t)+w(t-1)+w(t-2)n原系列n7084283262562283005246769981250134689684644239432830638060476012481614172610587543983602682223164607601090147615721142n成長曲線n潜在市場規模m,革新係数p,模倣係数qn購入済人：y(t)np(t):t時点購入確率np(t)=p+qy(t)/mnx(t):t時点購入者数nx(t)=p(t)未購入者数 =p(t)(m-y(t)nx(t)=p(m-y(t)+qy(t)(m-y(t)/m 革新者 模倣者p=0.008,q=0.08,m=2700020090p=0.09,q=0.08,m=270002602000需要変動分析n傾向分析n周期分析n相関分析傾向分析
