日化行业需求与预测

書式設定,書式設定,第 2,第 3,第 4,第 5,*,2.Demandforecasting,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,需求的分类,需求的含意,对某一商品,有,有需求,消費者,有购买欲望,而且能够购,买,买,需求的例子,衣,食,住,行,行,需求的特征,需求的相关,性,性,第1产业,第,第2产业,第,第3产业之,间,间(投入产,出,出),产品的生产,需,需要人,财,物,气温上升导,致,致空调需求,增,增加,需求的不确,定,定性,个人的需求,变,变化,需求的相关,关,关系的,変化,订货,生産,需求的连续,性,性,時,序列,分析,将来,需求的预测,可能性,需求的种类,及,及其关系,显在需求,已决定购买,的,的,到期更新的,设,设备,已支付货款,潜在需要,不满足需求,的,的实现条件(资金、空,间,间等),零需求,没有购买欲,望,望的,潜在,需求,创出需求,经过企业的,努,努力、顾客,产,产生了购买,欲,欲望的需求,?,有欲望、有,条,条件、但还,没,没有购买的,需,需求,?,没有欲望、,有,有条件的需,求,求,需求变动的,分,分类,确定、动态,稳,稳定,不确定、动,态,态不稳定,确定、动态,稳,稳定,不确定、动,态,态不稳定,例,1,汽车组装厂,与,与零部件供,应,应商,每月供应坐,位,位10万,空调组装与,压,压缩机供应,4月6月:每月供应1万台,其他时间每,月,月供应2千,台,台,例,2,汽车的月生,产,产量,1月、2月,、,、3月、4,月,月、5月,100、100、100、100,、,、100,1月份的销,售,售量,第,1週、,第,2週、,第,3週、,第,4週,20、30、25、25,汽车销售商,的,的月销售量,1月、2月,、,、3月、4,月,月、5月,100、200、300、400,、,、500,2月,份的每周销,售,售量,1週、2週,、,、3週、4,週,週,40、50、80、30,需求4种变,动,动曲线的示,意,意图,需求,時間,需求,時間,需求,時間,需求,時間,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?,需求预测的,实,实用条件,预测精度,预测方法的,评,评价标准,精度,(Accuracy),柔性,(Bending),合理性,(Convincing),持续,性,性,(Durability),简便,性,性,(Easiness),需求,预,预测,与,与销,售,售预,测,测,社会,总,总需,求,求与,市,市场,占,占有,率,率,销售,预,预测,与,与销,售,售计,划,划,供不,应,应求(能,力,力限,制,制对,销,销售,计,计划,起,起主,导,导作,用,用),供过,于,于求(潜,在,在需,求,求的,开,开发,、,、积,极,极竞,争,争的,销,销售,计,计划),需求,预,预测,的,的数,学,学模,型,型,移动,平,平均,法,法,指数,平,平滑,法,法,ARIMA,模型,BASS,模型,移动,平,平均,法,法,实测,值,值,：x,1,x,2,x,3,x,4,x,n,预测,值,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,原系,列,列,移動,平,平均,k=t-H/2,指数,平,平滑,法,法,指数,平,平滑,法,法的,思,思路,好的,预,预测,方,方法,的,的条,件,件,去除,不,不规,则,则变,动,动,对趋,势,势变,化,化敏,感,感,误差,的,的方,差,差小,实用,方,方便,预测,逻,逻辑,明,明了,误差,范,范围,明,明确,指数,平,平滑,法,法的,计,计算,方,方法,实质,上,上是,加,加权,移,移动,平,平均,法,法,Brown,式平,滑,滑法,简单,平,平滑,法,法,2次,平,平滑,法,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),3次,平,平滑,法,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,Winter,式平,滑,滑法,Completeexponentialmodel,Na,vemodel,Simpleforecastingmodel,BasicValue,Trendfactor,Seasonalfactor,BasicValue,Beta:seasonalfactor,Gamma:trendfactor,Trendfactor,Seasonalfactor,预,测,测,方,方,法,法,Basicvalue,Seasonalfactor,trendfactor,ARIMA,模,型,型,自,回,回,归,归,模,模,型,型(,AR:autoregression),AR(1),AR(2),自,回,回,归,归,演,演,算,算,Z(t-1),a(t),Z(t),AR,的,性,性,质,质,协,方,方,差,差,与,与,相,相,关,关,系,系,数,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,记,忆,忆,函,函,数,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,条件),Var(z(t)=Var(z(t-1),E(z(t),z(t)=,Var(z(t-1)+0+,2,移动平,均,均模型(,MA),MA(1),移動平,均,均演算,子,子,a(t-1),a(t),Z(t),自回归,移,移动平,均,均模型,ARMA(1,，,，1),ARMA(p,q),Non-stationarymodel,Randomwalking,z(t)=z(t-1)+a(t),股票价,格,格在时,间,间轴上,独,独立,记忆函,数,数,z(t)=a(t)+a(t-1)+a(t-2)+,例,股票价,格,格的变,动,动,自回归,差,差分移,动,动平均,模,模型,ARIMA,利用差,分,分把时,序,序列变,成,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,写成,ARIMA(p,d,q),差分与,和,和分,：z(t)=w(t)+w(t-1)+w(t-2),Bass,模型,成长曲,线,线,潜在市,场,场规模,为,为,m,革新系,数,数为,p,模仿系,数,数为,q,已经购,买,买的人,数,数,：y(t),p(t):,时间,t,上的购,买,买概率,p(t)=p+qy(t)/m,x(t):,时间,t,上的购,买,买人数,x(t)=p(t),未购买,者,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,p=0.008,q=0.08,m=27000,200,90,p=0.09,q=0.08,m=27000,260,2000,