市场预测需求分析

書式設定, 書式設定,第 2 ,第 3 ,第 4 ,第 5 ,*,2. Demand forecasting,1,内容,需求的分类,预测方法,移动平均法,指数平滑法,ARIMA,模型,BASS,模型,其他方法,2,需求的分类,需求的含意,对某一商品有需求,消費者有购买欲望,而且能够购买,需求的例子,衣,食,住,行,3,需求的特征,需求的相关性,第1产业,第2产业,第3产业之间(投入产出),产品的生产需要人,财,物,气温上升导致空调需求增加,需求的不确定性,个人的需求变化,需求的相关关系的,変化,订货,生産,需求的连续性,時,序列,分析,将来,需求的预测,可能性,4,需求的种类及其关系,显在需求,已决定购买的,到期更新的设备,已支付货款,潜在需要,不满足需求的实现条件(资金、空间等),零需求,没有购买欲望的,潜在,需求,创出需求,经过企业的努力、顾客产生了购买欲望的需求,?,有欲望、有条件、但还没有购买的需求,?,没有欲望、有条件的需求,5,需求变动的分类,确定、动态稳定,不确定、动态不稳定,确定、动态稳定,不确定、动态不稳定,6,例,1,汽车组装厂与零部件供应商,每月供应坐位10万,空调组装与压缩机供应,4月6月:每月供应1万台,其他时间每月供应2千台,7,例,2,汽车的月生产量,1月、2月、3月、4月、5月,100、100、100、100、100,1月份的销售量,第,1週、,第,2週、,第,3週、,第,4週,20、,30、,25、,25,8,汽车销售商的月销售量,1月、2月、3月、4月、5月,100、200、300、400、500,2月,份的每周销售量,1週、2週、3週、4週,40、 50、 80、 30,9,需求4种变动曲线的示意图,需求,時間,需求,時間,需求,時間,需求,時間,10,预测方法,预测种类,需求预测,经济预测,销售预测,生产预测,价格预测,其他,（,赛马,、,垒球,、,足球,）,彩票?,11,需求预测的实用条件,预测精度,12,预测方法的评价标准,精度,(Accuracy),柔性,(Bending),合理性,(Convincing),持续性,(Durability),简便性,(Easiness),13,需求预测与销售预测,社会总需求与市场占有率,销售预测与销售计划,供不应求(能力限制对销售计划起主导作用),供过于求(潜在需求的开发、积极竞争的销售计划),14,需求预测的数学模型,移动平均法,指数平滑法,ARIMA,模型,BASS,模型,15,移动平均法,实测值,：x,1, x,2, x,3, x,4, x,n,预测值,：y,1, y,2, y,3, y,4, y,n,y,t+1,=(x,k,+ x,k+1,+x,k+2,+x,k+H,)/H,k= t - H,k= t - H/2,16,原系列,移動平均,k= t - H/2,17,指数平滑法,指数平滑法的思路,好的预测方法的条件,去除不规则变动,对趋势变化敏感,误差的方差小,实用方便,预测逻辑明了,误差范围明确,18,指数平滑法的计算方法,实质上是加权移动平均法,19,Brown,式平滑法,简单平滑法,2次平滑法,y(t+1)=x(t)+ (1-)y(t),z(t+1)=y(t)+,(1-)z(t),u=2y-z,b(t+1)=(y(t+1)-y(t)+(1-)b(t),z(t+1)=y(t)+(1/)b(t+1),20,3次平滑法,y(t+1)=,x(t)+ (1-) y(t),z(t+1)= y(t)+(1- )z(t),u(t+1)= z(t)+(1- )u(t),v=3y-3z+u,21,Winter,式平滑法,Complete exponential model,Nave model,Simple forecasting model,Basic Value,Trend factor,Seasonal factor,22,Basic Value,Beta:seasonal factor,Gamma:trend factor,23,Trend factor,24,Seasonal factor,25,预测方法,26,Basic value,Seasonal factor,trend factor,27,ARIMA,模型,自回归模型(,AR:auto regression),AR(1),AR(2),28,自回归演算,Z(t-1),a(t),Z(t),29,AR,的性质,协方差与相关系数,(p)= Cov (z(t),z(t-p)=E(z(t)z(t-p),(1)= E(1)z(t-1)+a(t)z(t-1)）=(1)(0)+E(z(t-1)E(a(t)= (1)(0),(p)=(1) (0),(p)=(p)/(0)= (1),p,p,30,记忆函数,z(t)=,(1), z(t-1)+a(t),z(t)=a(t)+(1) a(t-1)+ (1) a(t-1)+,Stationary condition (,定常性条件),Var(z(t)= Var(z(t-1),E(z(t)z(t)=Var(z(t-1)+0+,2,31,移动平均模型(,MA),MA(1),32,移動平均演算子,a(t-1),a(t),Z(t),33,自回归移动平均模型,ARMA(1，1),ARMA(p,q),34,Non-stationary model,Random walking,z(t)=z(t-1)+a(t),股票价格在时间轴上独立,记忆函数,z(t)=a(t)+a(t-1)+a(t-2)+,35,例,股票价格的变动,36,自回归差分移动平均模型,ARIMA,利用差分把时序列变成,Stationary,的序列,w(t)=z(t)-z(t-1),w(t)=,(1)w(t-1)+a(t)-(1)a(t-1),ARIMA(1,1,1),普遍地写成,ARIMA(p,d,q),差分与和分,：z(t)=w(t)+w(t-1)+w(t-2),37,Bass,模型,成长曲线,38,潜在市场规模为,m,革新系数为,p,模仿系数为,q,已经购买的人数,：y(t),p(t):,时间,t,上的购买概率,p(t)=p+qy(t)/m,x(t):,时间,t,上的购买人数,x(t)=p(t),未购买者人数,=p(t)(m-y(t),x(t)=,p(m-y(t),+qy(t)(m-y(t)/m,革新者,模仿者,39,p=0.008,q=0.08,m=27000,200,90,40,p=0.09,q=0.08,m=27000,260,2000,41,