(05)物流成本预测

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第,3,章 物流成本预测与决策,3.1,物流成本预测,3.2,物流成本决策,1,3.1物流成本预测,一、物流成本预测的含义及作用,二、物流成本预测的内容与分类,三、物流成本预测的方法,2,什么是预测？,预测是人们根据事物之间的相互联系，事物发展的历史及显示资料，利用已经掌握的科学知识和手段，对客观事物的未来发展状况或趋势进行事前分析和推断的科学与艺术。,预测的特点：,科学性：有科学基础，理论方法资料，认识掌握规律,艺术性：依赖于预测者的应用技巧和判别能力,根据过去和现在预测未来；根据已知预测未知；重点在于认识掌握事物发展的规律性 ；,3,一、物流成本预测的,含义,物流成本预测就是运用统计学和预测科学的方法，根据历史和现在的成本信息资料，分析和研究物流成本与各种技术经济因素的依存关系，结合当前实际状况,，,对物流成本未来变动水平及发展趋势进行估计和推测。,物流成本预测是物流成本管理的起点，对于把握未来物流成本发展变化方向、妥善安排资金有重要的作用。,4,二、物流成本预测的,特点,成本预测直接或间接依赖于历史资料；,成本预测大都涉及到时间和未来，是对未来某个时间点的成本预测；,成本预测有很大的不确定性。物流成本预测属于经济领域的预测，由于经济领域对像关系复杂，影响因素众多，目前人们对经济学中变量关系的认识尚为肤浅。因此，物流成本的预测难度较大。,5,三、物流成本预测的,作用,为物流成本决策提供依据,物流成本预测能使企业对未来的物流成本水平及其变化趋势做到“心中有数”，并能与物流成本分析一起为企业的物流成本决策提供科学的依据，以减少物流成本决策中的主观性和盲目性。,为确定目标成本打下基础,目标成本管理和控制是现代企业管理的重要方法。目标成本的确定有赖于对成本的正确预测。,6,四、物流成本预测的步骤,确定预测目标,分析收集相关数据,选择预测方法进行预测,(,建立模型,),分析评价预测方法及其结果,修正预测结果,提交预测报告,反馈,7,五、物流成本预测的方法,物流成本预测按预测目的和所用方法不同可分为定性预测和定量预测。,定性预测是通过对现象的调查和了解，凭预测者个人的实践经验、理论水平和分析能力，对成本未来的变动与发展所做出的判断。定性预测的结果只是对事物的发展变化做出一个大致的估计。,定量预测是根据过去和现在的资料数据，运用一定的数学方法，建立预测模型，找出成本与影响变量之间的函数关系，对成本未来的变化数值做出预测。,8,一）定性预测法,（1）集合意见法,（主观概率法）,产品销售成本预测,9,一,),定性预测法,（2）德尔菲法（专家意见法）,步骤通常如下：,仔细设计问卷，采用函询方式就所要预测的成本内容向有关领域内的专家提出问题；,每一个专家匿名地、独立地完成问卷，提出各自的意见；,将各个专家的意见收集起来进行综合整理；,将综合结果反馈给所有专家；,专家根据综合结果，在慎重考虑其他专家的意见后，或保留原先预测意见，或提出修正的预测意见；,重复,3,、,4,、5步骤直到取得大体上一致的意见。,10,二）,定量预测法,时间序列法,是把客观事物发展自身的内在动力或惯性趋势，用不同时期或时间点上的变量的变化表示出来，考察变量随时间的发展变化规律，用变量以往的时间统计资料建立数学模型（时序模型）进行外推预测的方法。,也可理解为以成本为因变量（,y,），,以时间为自变量（,t,）,而建立数学模型,y,f (t),11,时间序列法,请同学们考虑：,1,）有哪些具有时间序列特点的例子？,2,）时间序列的数据受到哪些因素的影响？,12,时间序列,Y(t),：包含多种影响因素,50000,40000,30000,20000,10000,0,01.2 01. 3 01.4 02.1 02.2 02.3 02.4 03.1 03.2 03.3 03,4 04.1,1,）长期趋势,2,）周期,3,）随机因素,成本趋势值,T,季节变动,S,随机变动,I,Y,t,= T,t,+ S,t,+ I,t,Y,t,= T,t,S,t,I,t,13,时间序列法,(一)用趋势值预测,平均值法,平均值消除了所有的周期性变动和随机变动,50000,40000,30000,20000,10000,0,01.2 01. 3 01.4 02.1 02.2 02.3 02.4 03.1 03.2 03.3 03,4 04.1,T,14,时间序列法,(一)用趋势值预测,移动平均法,移动平均法是通过计算以往,若干时期,成本的平均数，作为对未来成本的预测数。将统计资料按时间顺序划分为若干个数据点相等的组，并依次向前移动一个数据，计算各组的算术平均数，组成新的时间序列进行预测。,设,x,t,为,t,时刻的成本数据，,M,t,为,t,时刻的简单移动平均数，,n,为每组数据的个数，则移动平均法公式为,：,15,(一,),用趋势值预测,移动平均法,16,(一,),用趋势值预测,移动平均法,50000,40000,30000,20000,10000,0,01.2 01. 3 01.4 02.1 02.2 02.3 02.4 03.1 03.2 03.3 03,4 04.1,3,期趋势值,17,(一,),用趋势值预测,指数平滑法,指数平滑法是通过导入平滑系数对本期实际成本和本期的预测成本进行加权平均，并将其作为下期的预测成本。其计算公式为：,指数平滑法的实质是既考虑时间序列里的所有历史数据，但又不是同等对待，而是予以不同的权重。,18,例：,用移动平均法和指数平滑法进行预测,19,(二,),用趋势值,+,变动趋势预测,趋势平均法,50000,40000,30000,20000,10000,0,01.2 01. 3 01.4 02.1 02.2 02.3 02.4 03.1 03.2 03.3 03,4 04.1,移动平均法和指数平滑法只能预测时间序列后一期的值，若要预测若干期后的值，必须获得各期变化的变动趋势。,？,20,(二,),用,趋势值,+,变动趋势,预测,趋势平均法,趋势平均法采用计算移动平均数,M,t,的增减量的移动平均值（即趋势变动量），作为预测滞后期的增减值，这时，可用如下预测公式：,预测期的值 = 最后一期移动平均数,+ 变动趋势移动平均数 时间滞后期,21,(二,),用,趋势值,+,变动趋势,预测,趋势平均法,22,（三）时间序列数据周期因素分析,时间序列,Y,t,按照乘积模型表示成,Y,t,= TSI,求季节成分,S,的步骤：,用简单移动平均法把,TSI,中的,SI,平滑掉而 得到,T,再用除法求,SI,：,SI =,Y,t,/ T,再用简单移动平均法消除,SI,中的随机变差,I,，得到季节变差,S,。,23,24,25,(四) 时间序列随机性因素的估计,预测值与实际值会有误差出现，该误差可以有两种 原因造成：,是由于随机因素造成的，市场、环境的不稳定事件使得时间序列的发展偏离了趋势，需要找出原因进行解释；,是由于预测方法的不合理或不正确造成的，需要改进预测方法；,26,(,四,),时间序列随机性因素的估计,方差,MSE,：表示预测误差的大小程度,平均绝对离差,MAD:,偏差,BIAS,TS =,偏差,/,平均绝对离差 （,-6 +6,）,27,二）,定量预测法,因果法,是根据客观事物之间内在的因（自变量）果（因变量）关系，用一种近似的函数关系表示出来，并依靠历史统计数据，建立相应的数学模型（因果模型），然后根据自变量的数量变化预测因变量变化的预测方法。,因果关系预测比较适用于事物之间的因果关系清晰，而且又具备比较全面的横向统计数据资料的情况。,y = f (x)；,业务量,x,成本,y,4000,540,3800,510,5300,660,4300,570,4500,565,4800,578,4388,560,4670,580,4300,600,3680,465,3850,478,28,二）定量预测方法,因果法,(一) 高低点法,高低点法是以某一时期的最高业务量,(,高点,),的物流成本与最低业务量,(,低点,),的物流成本之差，除以最高业务量和最低业务量之差，求得单位变动物流成本，然后代入高点或低点的物流成本公式，据以求出物流成本中变动成本和固定成本数额，建立物流成本模型的一种方法。,y = a + bx,Y,X,29,(一) 高低点法,设 物流成本,y,与业务量,x,的关系为：,y = a + bx,则：,月份,物流业务量,x,物流成本,y,1,4000,540,2,3800,510,3,5300,660,4,4300,570,5,4500,565,6,4800,578,30,二）定量预测方法,因果法,(二) 一元线性回归预测法,回归直线法是根据过去一定期间的物流业务量,x,与物流成本,y,的历史资料，运用最小二乘法原理，建立反映物流成本和物流业务量之间关系的回归直线方程，建立物流成本模型的一种定量分析方法。,一元线性回归方法的本质是，从两个因素的大量的数据对中，找出这两个因素的直线方程，用该直线方程预测不同自变量时的函数值。,y = a + b,x,业务量,X,成本,Y,31,实际值：,y,i,回归方程计算值,: a + bx,i,误差：,q,i,=y,i,- ( a + bx,i,),总误差平方和：,Q =,（,y,i,-a-bx,i,),2,用最小二乘法计算,使总误差最小的,a,、,b,值,业务量,X,成本,Y,误差,32,(二) 一元线性回归预测法,y = a + b,x,获得回归方程后可以：,进行成本预测,分析固定成本和单位变动成本,业务量,成本,33,(二) 一元线性回归预测法,应用一元线性回归法要注意的问题：,两组数据之间是否具有线性关系，是判断一元线性回归方程是否有实际意义的关键。理论上，任意两组数据之间都可以通过最小二乘法拟合一条直线，但有时是没有意义的。,要使拟合的直线能反映两个因素的变化趋势，首先应该判断两组数据间是否具有线性关系。有两种方法：,散点图法,相关系数法,34,(三) 多元线性回归预测法,当变量,Y,的影响因素有多个而不止一个时，可以建立多元线性回归模型：,Y=,b,0,+ b,1,X,1,+ b,2,X,2,+ + b,k,X,k,-,月份 劳动日数 机器开工 管理费用,X,1,台数,X,2,Y,-,1 45 16 29,2 42 14 24,3 44 15 27,4 45 13 25,5 43 13 26,6 46 14 28,7 44 16 30,8 45 16 28,9 44 15 28,10 43 15 27,35,(三) 多元线性回归预测法,假设 成本,Y,k,、,X,1k,、,X,2k,之间有线性关系,Y,k,= b,0,+,b,1,X,1k,+,b,2,X,2k,+ q,k,Q= y,k,b,0,b,1,X,1k,b,2,X,2k,）,2,=,y,k,b,0,b,1,X,1k,b,2,X,2k,)= 0,=,y,k,b,0,b,1,X,1k,b,2,X,2k,）= 0,= y,k,b,0,b,1,X,1k,b,2,X,2k,）= 0,36,(三) 多元线性回归预测法,用求解线性代数方程组的方法求得：,b,0,= -13.8196, b,1,=0.56366, b,2,=1.09947,Y = -13.8196,+ 0.56366X,1,+ 1.09947X,2,37,