需求预测幻灯片.ppt

《需求预测幻灯片.ppt》由会员分享，可在线阅读，更多相关《需求预测幻灯片.ppt（55页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、需求预测需求预测第1页，共55页，编辑于2022年，星期三各类预测及其用途各类预测及其用途 预 测需 要 者 住户数市场营销：确定总的潜在的市场成长 未来年所需的总生产量制造：工厂扩展规划未来年所需的设备小时数（按类别）制造：明年的资本预算明年按产品系列分组的个别产品的销售量销售：报价 财务：开支预算制造：工人与机器能力物料控制：季节性库存需求与采购订单个别产品下季度销售量 物料控制：工作中心能力，自制与采购的组件个别产品下周销售量物料控制：装配日程与调度优先级2第2页，共55页，编辑于2022年，星期三一、一、一、一、预测的基本概念预测的基本概念预测的基本概念预测的基本概念二、二、定性预测方

2、法定性预测方法三、三、定量预测方法定量预测方法第5讲 需求预测3第3页，共55页，编辑于2022年，星期三一、一、预测的基本概念预测的基本概念n什么是预测什么是预测?n预测的分类预测的分类n预测的一般步骤预测的一般步骤n影响需求预测的因素影响需求预测的因素n预测中应注意的几个问题预测中应注意的几个问题4第4页，共55页，编辑于2022年，星期三 物 品预 测*实 际差 额差 额#7147-灯47,60042,784-4816-10.1#8014-钳子12,8009,125-3675-28.7#8663-锉刀1,5051,157-348-23.1#8726-纤维切断机22,50028,392+5

3、892+26.1#8933-螺刀10,10011,394+1834+18.1#9250-剪切机17,45014,860-2590-14.8#9261-剪刀28,50027,733-767-2.7#9337-耙68,00068,105+105+0.2#9604-锄27,20017,566-9644-35.4#9638-铲3,3204,638+1318+39.8总 计238,975226,284-12,691-5.3 物 品 的 平 均 预 测 误 差 =19.9 某工具厂三季度销售预测5第5页，共55页，编辑于2022年，星期三1、什么是预测、什么是预测?nForecast,Predict,Pr

4、ophesyn预测是对未来可能发生的情况的预计与推测。预测是对未来可能发生的情况的预计与推测。n预测是一门艺术，一门科学预测是一门艺术，一门科学(Forecasting is the art and science of predicting future events)n“凡事预则立，不预则废凡事预则立，不预则废”n战略性决策、日常经营活动依据（特别是服务业）战略性决策、日常经营活动依据（特别是服务业）n组织内部各部门计划的基础（包括生产、库存、人力、组织内部各部门计划的基础（包括生产、库存、人力、财务等）财务等）6第6页，共55页，编辑于2022年，星期三2、预测的种类（宏观）、预测的种类

5、（宏观）n科学预测：科学预测：对科学发展情况的预计与推测。如门捷列夫元素周期表n技术预测：技术预测：对技术进步情况的预计与推测。如能源技术n经济预测：对经济预测：对经济发展情况的预计与推测。n社会预测：社会预测：对社会未来发展状况的预计与推测。如人口预测、环境预测、社会制度等n需求预测：需求预测：需求预测不仅为企业给出了其产品在未来的一段时间里的需求期望水平，而且为企业的计划与控制决策提供依据。7第7页，共55页，编辑于2022年，星期三需求预测的种类（按预测时间的长短）需求预测的种类（按预测时间的长短）n长期预测：长期预测：对5年或5年以上的需求前景的预测可用于工厂扩展与添置新机器、新设备，

6、以便提前3年或更早地去计划资本投资。n中期预测：中期预测：对一个季度以上、2年以下的需求前景的预测可用于长提前期物料的购买或作业率的计划，提前至年考虑季节性或周期性的产品。n短期预测：短期预测：以日、周、旬、月为单位，对一个季度以下的需求前景的预测可用于为采购件或自制件确定恰当的订货量与订货时机的安排并计划恰当的制造能力，并考虑提前至个月平整工作负荷是否值得。n近期预测：近期预测：可用于每周或每日的装配进度与成品库存的分配。8第8页，共55页，编辑于2022年，星期三需求预测的种类（按主客观因素所起的作用）需求预测的种类（按主客观因素所起的作用）n定性预测方法：定性预测方法：又称主观预测法，因

7、为其依据是来源不同的各种主观意见。它简单明了，不需要数学公式。包括：德尔菲法、部门主观集体讨论法、用户调查法、销售人员意见汇集法等。n定量预测方法：定量预测方法：又称统计预测法，其主要特点是利用统计资料和数学模型来进行预测。定量预测法并不完全排除主观因素。可分为：因果模型和时间序列模型。9第9页，共55页，编辑于2022年，星期三预测方法分类图预测方法分类图德尔菲法德尔菲法部门主观集体讨论法部门主观集体讨论法用户调查法用户调查法销售人员意见汇集法销售人员意见汇集法因果模型因果模型时间序列时间序列模型模型预测预测方法方法定量预定量预测方法测方法定性预定性预测方法测方法时间序列时间序列平滑模型平滑

8、模型时间序列时间序列分解模型分解模型乘法模型乘法模型加法模型加法模型移动平均法移动平均法指数平滑法指数平滑法10第10页，共55页，编辑于2022年，星期三两类需求预测方法的应用场合两类需求预测方法的应用场合n定性预测方法定性预测方法：1.模糊和已知数据很少的场合（如新产品、新技术的发展）模糊和已知数据很少的场合（如新产品、新技术的发展）2.与直觉或经验有关的场合（如产品通过网络的销售量）与直觉或经验有关的场合（如产品通过网络的销售量）n定量预测方法定量预测方法：1.稳定和已知很多历史数据的场合（如现有产品、当前技术的发展）稳定和已知很多历史数据的场合（如现有产品、当前技术的发展）2.与数学技

9、巧有关（如彩电的销售量）与数学技巧有关（如彩电的销售量）11第11页，共55页，编辑于2022年，星期三3、需求预测的一般步骤、需求预测的一般步骤历史数据选择预测方法初步预测结果决策人员经验预测结果计划应用预测偏差预测控制系统12第12页，共55页，编辑于2022年，星期三4、影响需求预测的因素、影响需求预测的因素商业周期商业周期产品生命周期产品生命周期竞争者的行为竞争者的行为顾客偏好顾客偏好随机影响随机影响广告广告促销努力促销努力商业信誉商业信誉产品设计产品设计产品质量产品质量信用政策信用政策企业无法企业无法控制控制企业通过企业通过努力可以努力可以做到做到13第13页，共55页，编辑于202

10、2年，星期三5、预测中应注意的几个问题预测中应注意的几个问题n判断在预测中的作用判断在预测中的作用选择预测方法选择预测方法辨别信息辨别信息取舍预测结果取舍预测结果n预测精度与成本预测精度与成本n预测的稳定性与响应性预测的稳定性与响应性（抗随机干扰（抗随机干扰vsvs反映需求变化）反映需求变化）n预测的时间范围和更新频率预测的时间范围和更新频率最初，无正式预测过分乐观时代趋势（合理）整体的稳定特性14第14页，共55页，编辑于2022年，星期三强调几点强调几点n很少有完美的预测。很少有完美的预测。n大多数预测方法都假定在被预测系统中存在某些潜在大多数预测方法都假定在被预测系统中存在某些潜在的稳定

11、性（即假设在过去发生的某一事件在将来仍然的稳定性（即假设在过去发生的某一事件在将来仍然存在）。存在）。n对一族产品或产品集合的预测总比对单个产品的预测对一族产品或产品集合的预测总比对单个产品的预测更为准确。更为准确。n短期预测比长期预测所处理的不确定因素小，因此短短期预测比长期预测所处理的不确定因素小，因此短期预测更为准确。期预测更为准确。15第15页，共55页，编辑于2022年，星期三二、二、定性预测方法定性预测方法n德尔菲法（德尔菲法（Delphi Method）n部门主管集体讨论法（部门主管集体讨论法（Jury of Executives）n用户调查法（用户调查法（Users Expec

12、tation）n销售人员意见汇集法（销售人员意见汇集法（Field Sales Force）16第16页，共55页，编辑于2022年，星期三1.德尔菲法（德尔菲法（Delphi Method）n又称专家调查法（又称专家调查法（S1:挑选专家；挑选专家；S2:迭代函询调查；迭代函询调查；S3:最最终预测意见）终预测意见）n简单直观简单直观n避免了专家会议的弊端（避免了专家会议的弊端（Group-think）n适用资料不全或不多的情况适用资料不全或不多的情况n专家的选择没有明确的标准，预测结果的可靠性缺乏严格的专家的选择没有明确的标准，预测结果的可靠性缺乏严格的科学分析，最后趋于一致的意见仍带有随

13、大流的倾向科学分析，最后趋于一致的意见仍带有随大流的倾向n三原则：匿名性，反馈性，数理性三原则：匿名性，反馈性，数理性17第17页，共55页，编辑于2022年，星期三2.部门主管集体讨论法（部门主管集体讨论法（Jury of Executives）n简单易行，可快速获得预测结果简单易行，可快速获得预测结果n汇集了各主管的经验和判断汇集了各主管的经验和判断n不需要准备和统计历史资料不需要准备和统计历史资料n各主管的主观意见，预测结果缺乏严格的科学性各主管的主观意见，预测结果缺乏严格的科学性n与会人员间容易相互影响与会人员间容易相互影响n因预测是集体讨论的结果，故无人对其正确性负责因预测是集体讨论

14、的结果，故无人对其正确性负责18第18页，共55页，编辑于2022年，星期三3.用户调查法（用户调查法（Users Expectation）n预测来源于顾客期望，能较好地反映市场需求情况预测来源于顾客期望，能较好地反映市场需求情况n有利于改进产品，有针对性地开展促销活动有利于改进产品，有针对性地开展促销活动n适用于对新产品或缺乏销售记录的产品需求预测适用于对新产品或缺乏销售记录的产品需求预测n很难获得顾客的通力合作很难获得顾客的通力合作n顾客所说不一定符合顾客最终实际所做，因为顾客的期望顾客所说不一定符合顾客最终实际所做，因为顾客的期望值不断变化值不断变化n费时费力费时费力19第19页，共55

15、页，编辑于2022年，星期三4.销售人员意见汇集法（销售人员意见汇集法（Field Sales Force）n又称基层意见法又称基层意见法n预测值很容易按地区、分支机构、销售人员、产品等区预测值很容易按地区、分支机构、销售人员、产品等区分开分开n由于取样较多，预测结构较具稳定性由于取样较多，预测结构较具稳定性n由于销售人员的意见受到重视，增加了其销售信心由于销售人员的意见受到重视，增加了其销售信心n带有销售人员的主观偏见带有销售人员的主观偏见n受地区局部性的影响，预测结果精度较差受地区局部性的影响，预测结果精度较差n当预测结果作为销售人员未来的销售目标时，预测值容当预测结果作为销售人员未来的销

16、售目标时，预测值容易被低估易被低估n当预测涉及紧俏商品时，预测值容易被高估当预测涉及紧俏商品时，预测值容易被高估20第20页，共55页，编辑于2022年，星期三（一）时间序列模型（一）时间序列模型（二）因果关系模型（二）因果关系模型（三）预测监控（三）预测监控三、定量预测方法21第21页，共55页，编辑于2022年，星期三n时间序列的构成时间序列的构成n时间序列平滑模型时间序列平滑模型n移动平均法（移动平均法（MA、WMA）n指数平滑法（一次、二次）指数平滑法（一次、二次）n时间序列分解模型时间序列分解模型（一）时间序列模型（一）时间序列模型22第22页，共55页，编辑于2022年，星期三1、

17、时间序列的构成、时间序列的构成n趋势成分趋势成分：数据随着时间的变化表现出一种趋向。它按某种规则稳步地上升或下降，或停留在某一水平。n季节成分季节成分：在一年里按通常的频率围绕趋势作上下有规则的波动。n周期成分周期成分：在较长的时间里（一年以上）围绕趋势作有规则的上下波动。这种波动常被称作经济周期。n随机成分随机成分：由很多不可控因素引起的、没有规则的波动。23第23页，共55页，编辑于2022年，星期三2、时间序列平滑模型、时间序列平滑模型n朴素法（朴素法（Nave Method）n移动平均法（移动平均法（Moving Average）（用一组最近的实际数据值来进行预测）（用一组最近的实际数

18、据值来进行预测）简单移动平均法（简单移动平均法（SMA）加权移动平均法（加权移动平均法（WMA）n指数平滑法（指数平滑法（Exponential Smoothing）（考虑所有的历史数据）（考虑所有的历史数据）一次指数平滑法一次指数平滑法二次指数平滑法二次指数平滑法 由于随机成分的影响而导致需求偏离平均水平时，应用时间由于随机成分的影响而导致需求偏离平均水平时，应用时间序列平滑模型，通过对多期观测数据平均的办法，可以有效地消序列平滑模型，通过对多期观测数据平均的办法，可以有效地消除或减少随机成分的影响，以使预测结果较好地反映平均需求水除或减少随机成分的影响，以使预测结果较好地反映平均需求水平。

19、平。24第24页，共55页，编辑于2022年，星期三（1）简单移动平均法）简单移动平均法25第25页，共55页，编辑于2022年，星期三（2）加权移动平均法）加权移动平均法26第26页，共55页，编辑于2022年，星期三举例举例n某公司产品的逐月销售量记录如下。取某公司产品的逐月销售量记录如下。取n=3,试用移动平均试用移动平均法进行预测。法进行预测。27第27页，共55页，编辑于2022年，星期三A.简单移动平均法预测简单移动平均法预测月份月份实际销量（百台）实际销量（百台）预测销量（预测销量（n=3）120.00221.00323.00424.0021.33525.0022.67627.0

20、024.00726.0025.33825.0026.00926.0026.001028.0025.671127.0026.331229.0027.0028第28页，共55页，编辑于2022年，星期三SMA特点：特点：n简单移动平均法预测值与所选的时段长简单移动平均法预测值与所选的时段长 n n 有关。有关。n n 越越大，对干扰的敏感性越低，预测的稳定性越好，响应性大，对干扰的敏感性越低，预测的稳定性越好，响应性则越差。则越差。n简单移动平均法对数据不分远近，同样对待。有时最近简单移动平均法对数据不分远近，同样对待。有时最近的趋势反映了需求的趋势，此时用加权移动平均法更合的趋势反映了需求的趋势

21、，此时用加权移动平均法更合适。适。29第29页，共55页，编辑于2022年，星期三B.加权移动平均法预测加权移动平均法预测月份实际销量(百台)预测销量(百台)（n=3）120.00221.00323.00424.0021.83525.0023.17627.0024.33726.0025.83825.0026.17926.0025.671028.0025.671127.0026.831229.0027.1730第30页，共55页，编辑于2022年，星期三WMA特点：特点：n当存在可察觉的趋势时，可以用当存在可察觉的趋势时，可以用权数权数来强调最近数据。若来强调最近数据。若对最近的数据赋予较大的权

22、重，则预测数据与实际数据的对最近的数据赋予较大的权重，则预测数据与实际数据的差别较简单移动平均法要小。差别较简单移动平均法要小。n加权移动平均法更能反映近期的变化，因为加权移动平均法更能反映近期的变化，因为更接近当前的更接近当前的数据可以被赋予更大的权数数据可以被赋予更大的权数。n近期数据的权数越大，则预测的响应性就越好，但稳定性近期数据的权数越大，则预测的响应性就越好，但稳定性越差；反之则预测的稳定性越好，但响应性越差。越差；反之则预测的稳定性越好，但响应性越差。n权数的选择带有一定主观性，没有权数选择的既定公式。权数的选择带有一定主观性，没有权数选择的既定公式。nMA是是WMA的特例的特例

23、。31第31页，共55页，编辑于2022年，星期三小结小结n移动平均法在为使预测保持稳定而平衡掉需求的突然波移动平均法在为使预测保持稳定而平衡掉需求的突然波动方面是有效的。动方面是有效的。n但有但有3个问题：个问题：n加大加大n数会使平滑波动效果（稳定性）更好，但会使预测值对数会使平滑波动效果（稳定性）更好，但会使预测值对数据实际变动（响应性）更不敏感；数据实际变动（响应性）更不敏感；n移动平均值并不能总是很好地反映出需求的趋势。由于是平均移动平均值并不能总是很好地反映出需求的趋势。由于是平均值，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值，预测值总是停留在过去的水平上而无法预计会导致

24、将来更高或更低水平的波动；高或更低水平的波动；n移动平均法需要大量历史数据。移动平均法需要大量历史数据。32第32页，共55页，编辑于2022年，星期三（3）指数平滑法）指数平滑法n一次指数平滑法（一次指数平滑法（Single Exponential Smoothing）n二次指数平滑法（二次指数平滑法（Double Exponential Smoothing）33第33页，共55页，编辑于2022年，星期三A.一次指数平滑法一次指数平滑法n一次指数平滑法是另一种形式（比较复杂）的加权移动平一次指数平滑法是另一种形式（比较复杂）的加权移动平均法均法n加权移动平均法只考虑最近的加权移动平均法只考

25、虑最近的n个实际数据，指数平滑法个实际数据，指数平滑法则考虑所有的历史数据，只不过近期实际数据的权重大，则考虑所有的历史数据，只不过近期实际数据的权重大，而远期实际数据的权重小而远期实际数据的权重小n一次指数平滑法只需要很少的历史数据一次指数平滑法只需要很少的历史数据n一次指数平滑法的预测公式：一次指数平滑法的预测公式：新的预测新的预测 =上期预测上期预测 +（上期实际需求（上期实际需求-上期预测值）上期预测值）即下一期的预测是对上一期预测偏差的调整。即下一期的预测是对上一期预测偏差的调整。34第34页，共55页，编辑于2022年，星期三预测公式预测公式nSFt+1=SFt+(At SFt)=

26、At+(1)SFt 其中：SFt+1=新一期的预测值 SFt =上一期的预测值 At =上一期的实际值 =平滑系数（0 1）n递推公式递推公式：SFt+1=At+(1)SFt =At+(1-)At-1+(1-)2At-2+(1-)t-1A1+(1-)tSF135第35页，共55页，编辑于2022年，星期三讨论两种极端情况讨论两种极端情况（1）=0 SFt+1=SF1=A1 即对近期的数据都加上即对近期的数据都加上0权数，只考虑最历史的数据权数，只考虑最历史的数据（2）=1 SFt+1=At=At 即对所有历史数据都加上即对所有历史数据都加上0权数，只考虑最近期的数据权数，只考虑最近期的数据（朴

27、素法）（朴素法）36第36页，共55页，编辑于2022年，星期三举例举例 SFt+1=At+(1-)SFt 月份月份实际销量（百台）实际销量（百台）(Ai)预测销量预测销量(=0.4)(SFi)预测销量预测销量(=0.7)(SFi)110.0011.00(给定给定)11.00(给定给定)212.0010.6010.30313.0011.1611.49416.0011.9012.55519.0013.5414.97623.0015.7217.79726.0018.6321.44830.0021.5824.63928.0024.9528.391018.0026.1728.121116.0022.9

28、021.041214.0020.1417.5137第37页，共55页，编辑于2022年，星期三小结小结n用一次指数平滑法进行预测时，预测值可以描述实际值用一次指数平滑法进行预测时，预测值可以描述实际值的变化形态与趋势，但预测值总是的变化形态与趋势，但预测值总是滞后滞后于实际值：于实际值：1.当实际值呈上升趋势时，预测值总是低于实际值；当实际值呈上升趋势时，预测值总是低于实际值；2.当实际值呈下降趋势时，预测值总是高于实际值。当实际值呈下降趋势时，预测值总是高于实际值。n比较不同的平滑系数对预测的影响，当出现趋势时，取比较不同的平滑系数对预测的影响，当出现趋势时，取较大的较大的得到的预测值与实际

29、值比较接近（即预测精度得到的预测值与实际值比较接近（即预测精度较高）。较高）。n预测值依赖于平滑系数预测值依赖于平滑系数的选择。一般而言：的选择。一般而言：较小则较小则预测稳定性较好，预测稳定性较好，较大则响应性较好。较大则响应性较好。38第38页，共55页，编辑于2022年，星期三B.二次指数平滑法二次指数平滑法n如前所述，在有趋势的情况下，用一次指数平滑法预测会如前所述，在有趋势的情况下，用一次指数平滑法预测会出现滞后现象出现滞后现象n面对有上升或下降趋势的需求序列时，采用二次指数平滑面对有上升或下降趋势的需求序列时，采用二次指数平滑法进行预测。法进行预测。n二次指数平滑法也叫二次指数平滑

30、法也叫趋势调整指数平滑法趋势调整指数平滑法，因为该方法先，因为该方法先用一次指数平滑法进行预测（得到基数预测值），然后用用一次指数平滑法进行预测（得到基数预测值），然后用趋势滞后值（正或负）进行调整，即：趋势滞后值（正或负）进行调整，即：最终预测值最终预测值(DFt)=基数预测值基数预测值(SFt)+趋势校正趋势校正(Tt)其中：其中：SFt 为第为第t期的一次指数平滑法预测值期的一次指数平滑法预测值39第39页，共55页，编辑于2022年，星期三预测公式预测公式nDFt=SFt+Tt其中：其中：nSFt 为第为第t期的一次指数平滑法预测值期的一次指数平滑法预测值n SFt=At-1+(1)S

31、Ft-1 (SF0事先给定）事先给定）Tt=(SFtSFt-1)+(1)Tt-1 (为趋势平滑系数为趋势平滑系数,T0事先给定）事先给定）40第40页，共55页，编辑于2022年，星期三预测基本步骤预测基本步骤n步骤步骤1：计算第：计算第t期的一次指数平滑预测值期的一次指数平滑预测值SFt；n步骤步骤2：用：用Tt =(SFtSFt-1)+(1)Tt-1计算计算趋势；趋势；n步骤步骤3：计算趋势调整后的二次指数平滑预测值：计算趋势调整后的二次指数平滑预测值DFt DFt=SFt+Tt41第41页，共55页，编辑于2022年，星期三二次指数平滑预测法举例二次指数平滑预测法举例（=0.2,=0.4

32、）月份月份实际需求实际需求（At）一次预测一次预测(SFt)趋势趋势（Tt）二次预测二次预测（DFt）11211(给定)0.0(给定)-21711.200.0811.2832012.360.5112.8741913.890.9214.8152414.910.9615.8762616.731.3018.0373118.581.5220.1083221.071.9122.9893623.252.0225.2742第42页，共55页，编辑于2022年，星期三小结小结n二次指数平滑预测的结果比一次指数平滑预测的结果在有趋二次指数平滑预测的结果比一次指数平滑预测的结果在有趋势存在的情况下，与实际值更为接

33、近，且滞后要小。势存在的情况下，与实际值更为接近，且滞后要小。n二次指数平滑预测的结果与二次指数平滑预测的结果与 和和 的取值有关。的取值有关。和和 越大，越大，则预测的响应性越好；反之则稳定性越好。则预测的响应性越好；反之则稳定性越好。n趋势平滑系数趋势平滑系数 的取值与的取值与 类似：更大的类似：更大的 取值表明更强调趋取值表明更强调趋势的最近变化；小的势的最近变化；小的 取值则给予最近的趋势变动更小的权取值则给予最近的趋势变动更小的权重，从而倾向于将当前的趋势平滑掉。重，从而倾向于将当前的趋势平滑掉。n总之，总之，影响二次预测的基数，影响二次预测的基数，影响预测值的上升或下降影响预测值的

34、上升或下降的速度。的速度。43第43页，共55页，编辑于2022年，星期三3.时间序列分解模型时间序列分解模型n乘法模型：乘法模型：TF=TS C In加法模型：加法模型：TF=T+S+C+I其中：其中：TF 时间序列的预测值；时间序列的预测值；T 时间序列中的时间序列中的趋势趋势成分；成分；S 时间序列中的季节成分；时间序列中的季节成分；C 时间序列中的周期性变化成分；时间序列中的周期性变化成分；I 时间序列中的不规则的波动成分。时间序列中的不规则的波动成分。44第44页，共55页，编辑于2022年，星期三几种可能的时间序列类型几种可能的时间序列类型a)无趋势、无季节波动无趋势、无季节波动b

35、)无趋势、有季节波动无趋势、有季节波动c)有线性趋势、相等的季节波动有线性趋势、相等的季节波动d)有线性趋势、放大的季节波动有线性趋势、放大的季节波动e)非线性趋势、相等的季节波动非线性趋势、相等的季节波动f)非线性趋势、放大的季节波动非线性趋势、放大的季节波动45第45页，共55页，编辑于2022年，星期三（二）因果关系模型（二）因果关系模型n一元线性回归模型一元线性回归模型1.数学模型数学模型2.偏差衡量指标偏差衡量指标3.预测实例预测实例影响因素需求因果关系46第46页，共55页，编辑于2022年，星期三1、一元线性回归模型、一元线性回归模型YT=a+bxYT为预测值，a为截距，b为斜率

36、，n为自变量点数，X为自变量值，Y为因变量的值，X为X的平均数，Y为Y的平均数。回归系数47第47页，共55页，编辑于2022年，星期三2、偏差衡量指标、偏差衡量指标n相关系数相关系数 r （表示自变量与因变量之间的因果程度）n标准差标准差 syx（表示回归预测值的精确程度）当|r|越接近1，说明y与x具有越强的线性关系，Syx越小，表示预测值与直线的距离越接近。48第48页，共55页，编辑于2022年，星期三（三）预测监控（三）预测监控n预测误差预测误差n误差衡量指标误差衡量指标n预测监控预测监控49第49页，共55页，编辑于2022年，星期三1、预测误差、预测误差n预测误差：预测误差：是指

37、预测值与实际值之间的差异。是指预测值与实际值之间的差异。n误差有正负之分：误差有正负之分：当预测值大于实际值时，误差为正；反当预测值大于实际值时，误差为正；反之为负。之为负。n预测模型最好是预测模型最好是无偏模型无偏模型，即应用该模型时，正、负误差，即应用该模型时，正、负误差出现的概率大致相等。出现的概率大致相等。n平均误差：平均误差：评价预测精度的重要指标，也是判断预测模型评价预测精度的重要指标，也是判断预测模型能否继续使用的重要标准之一，还可用于预测模型优劣比能否继续使用的重要标准之一，还可用于预测模型优劣比较。较。50第50页，共55页，编辑于2022年，星期三2、预测误差衡量指标、预测

38、误差衡量指标n平均绝对偏差（平均绝对偏差（MAD:Mean Absolute Deviation）n平均平方误差（平均平方误差（MSE:Mean Square Error）51第51页，共55页，编辑于2022年，星期三（1）平均绝对偏差（）平均绝对偏差（MAD）指整个预测期内每一次预测值与实际值的绝对偏差的指整个预测期内每一次预测值与实际值的绝对偏差的平均值，即平均值，即At表示时段表示时段t的实际值的实际值Ft表示时段表示时段t的预测值的预测值n整个预测期内的时段个数（即预测次数）整个预测期内的时段个数（即预测次数）nMAD能较好地反映预测的精度，但不能衡量无偏性能较好地反映预测的精度，但

39、不能衡量无偏性52第52页，共55页，编辑于2022年，星期三（2）平均平方误差（）平均平方误差（MSE）对误差的平方和取平均值，即对误差的平方和取平均值，即nMSE与与MAD类似，能较好地反映预测精度，但不能衡量类似，能较好地反映预测精度，但不能衡量无偏性无偏性53第53页，共55页，编辑于2022年，星期三3、预测监控、预测监控n通过通过预测监控预测监控来检验过去起作用的预测模型是否仍然有效来检验过去起作用的预测模型是否仍然有效n检验预测模型是否有效的一个简单方法是将最近的实际值与检验预测模型是否有效的一个简单方法是将最近的实际值与预测值进行比较，看预测值进行比较，看偏差偏差是否在可接受的

40、范围内；另一中方是否在可接受的范围内；另一中方法是应用法是应用跟踪信号跟踪信号（TS:Tracking Signal）n所谓所谓跟踪信号跟踪信号，是指预测误差滚动和与平均绝对偏差的比值，是指预测误差滚动和与平均绝对偏差的比值，即：即：n每当实际需求发生时就计算每当实际需求发生时就计算TS。只有当。只有当TS在一定范围内时则表在一定范围内时则表示该预测模型仍然有效。示该预测模型仍然有效。54第54页，共55页，编辑于2022年，星期三总结总结n预测是对未来可能发生的情况的预计与推测预测是对未来可能发生的情况的预计与推测n预测基于过去、立足现在、面向未来预测基于过去、立足现在、面向未来n预测是艺术与科学的结合预测是艺术与科学的结合n时间序列平滑模型：移动平均法（平稳），指数平滑时间序列平滑模型：移动平均法（平稳），指数平滑法（趋势）法（趋势）n基本假设：过去存在的变量之间的关系和相互作用机基本假设：过去存在的变量之间的关系和相互作用机理，今后仍然存在并继续发挥作用。理，今后仍然存在并继续发挥作用。55第55页，共55页，编辑于2022年，星期三