时间序列分析预测法

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,*,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,第九章 时间序列分析预测法,时间序列分析概念,移动平均法概念与应用,指数平滑法概念与应用,马尔可夫预测法与季节分析预测法概念与应用,定量预测概述,定量预测又称数,学,学模型预测法。,它,它是运用一定的,统,统计和数学方法,，,，通过建立数学,分,分析模型来描述,和,和预测事物变化,发,发展规律的一种,预,预测方法。,因此有两个明显,的,的特点：受人的,主,主观因素影响较,小,小，结果比较客,观,观；对数据的要,求,求、预测者专业,能,能力的要求比较,高,高,由时间序列预测,方,方法和回归分析,预,预测方法两大类,组,组成。,定量预测,方法,时间序列,预测法,回归分析,预测法,算术平均预测（,简,简单、移动、指,数,数平滑）,季节分析预测（,水,水平、趋势变动,）,）,马尔可夫预测（,市,市场占有率预测,）,）,趋势预测（直线,拟,拟合、指数曲线,拟,拟合）,一元线型回归预,测,测,多元线型回归预,测,测,非线性回归预测,自相关回归预测,最早的时间序列,分,分析可以追溯到7000年前的,古,古埃及。古埃及,人,人把尼罗河涨落,的,的情况逐天记录,下,下来，就构成所,谓,谓的时间序列。,对,对这个时间序列,长,长期的观察使他,们,们发现尼罗河的,涨,涨落非常有规律,。,。由于掌握了尼,罗,罗河泛滥的规律,，,，使得古埃及的,农,农业迅速发展，,从,从而创建了埃及,灿,灿烂的史前文明,。,。,按照时间的顺序,把,把随机事件变化,发,发展的过程记录,下,下来就构成了一,个,个时间序列。对,时,时间序列进行观,察,察、研究，找寻,它,它变化发展的规,律,律，预测它将来,的,的走势就是时间,序,序列分析。,9.1 时间序,列,列预测法概述,时间序列预测方,法,法，是把统计资,料,料按时间发生的,先,先后进行排序得,出,出的一连串数据,，,，利用该数据序,列,列外推到预测对,象,象未来的发展趋,势,势。一般可分为,确,确定性时间序列,预,预测法和随机时,间,间序列预测法。,确定性时间序列,法,法有：移动平均,法,法、指数平滑法,、,、差分指数平滑,法,法、自适应过滤,法,法、直线模型预,测,测法、成长曲线,模,模型预测和季节,变,变动预测法等等,。,。,随机时间序列是,通,通过建立随机时,间,间序列模型来预,测,测，方法和数据,要,要求都很高，精,度,度也很高，应用,非,非常广泛。,时间序列预测法,的,的优缺点,优点：,在分析现在、过,去,去、未来的联系,时,时，以及未来的,结,结果与过去、现,在,在的各种因素之,间,间的关系时，效,果,果比较好。,数据处理时，并,不,不十分复杂,缺点：,反映了对象线性,的,的、单向的联系,预测稳定的、在,时,时间方面稳定延,续,续的过程,并不适合进行长,期,期预测,9.2 移动平,均,均预测法,9.2.1 算,术,术平均数法,（Methodof Simple Average）,大前 前,昨,昨 今,明,明,预测模型：,适用范围：,预测对象的历史,数,数据呈水平型变,动,动状态，逐期增,长,长量大体相同的,情,情况；,短期预测；,可推广应用趋势,型,型变动的历史数,据,据。,已知 未知,19992006年我国水电,消,消费量在能源消,费,费总量中所占的,比,比重如下表所示,，,，使用算术平均,法,法预测2007,年,年水电消费量在,能,能源消费总量中,所,所占的比重。,年份,1999,2000,2001,2002,2003,2004,2005,2006,比重(%),4.9,5.1,4.8,4.9,5.2,5.7,6.1,5.9,解：根据预测模,型,型,即我国2007,年,年水电消费在能,源,源消费总量中所,占,占比重为5.3%。,案例,9.2.2 简,单,单移动平均预测,移动平均预测（Methodof Single Moving Average）是利用,过,过去若干期实际,的,的平均值，来预,测,测当期的值。方,法,法上与算术平均,法,法类似。,比如，19921996年我,国,国市镇人口在总,人,人口所占的比重,如,如表所示，试推,广,广应用移动平均,法,法预测1997,年,年我国市镇人口,在,在总人口中所占,的,的比重。,年份19921993199419951996,比重(%)27.6328.1428.6229.0429.37,19921996年市镇人口,在,在总人口中所占,比,比重分别为,27.63%、28.14%,、,、28.62%,、,、29.04%,和,和29.37%,，,，平均比重为：,则1997年市,镇,镇人口在总人口,中,中所占比重为：28.56%,一般可以通过比,较,较预测均方差（MSE）和绝对,均,均差（MAE）,，,，来分析预测的,误,误差。,简单移动平均预,测,测的明显缺点是,：,：它假设平均数,内,内的各项观察值,对,对于未来都具有,相,相同的影响，但,一,一般在实际中，,往,往往是越接近预,测,测期的观察值对,未,未来的影响越大,，,，因此又有其它,方,方法来修正。,9.2.3 加,权,权移动平均预测,根据时间顺序排,列,列的历史数据，,每,每个数据对预测,值,值的重要性是不,同,同的，将各个数,据,据赋予不同的权,重,重，可以更准确,的,的预测。,往往会对于离预,测,测期越近的数据,赋,赋予越大的权重,。,。这样可以更接,近,近事物真实的发,展,展趋势。,案例,20012006年我国原煤,占,占能源生产总量,的,的比重如表所示,，,，若给予20012006年,原,原煤占能源生产,总,总量比重的权数,分,分别为1、2、3、4、5、6,，,，试预测2007年原煤所占的,比,比重。,年份 200120022003200420052006,比重(%)74.174.374.074.675.374.8,根据预测模型可,得,得：,即2007年我,国,国原煤占能源生,产,产总量的比重为74.7%,可以看出，加权,移,移动平均的特点,是,是：强调时间序,列,列近期的变动对,未,未来具有较大影,响,响，从而更为合,理,理。但是有时会,受,受加权系数选择,的,的影响。,总之，简单移动,平,平均和加权平均,最,最适用于没有明,显,显趋势的、比较,平,平稳的时间序列,，,，如果时间序列,明,明显表现出某种,趋,趋势性特征，或,者,者波动很大，预,测,测效果就会很差,。,。,趋势性数列,平稳性数列,9.3 指数平,滑,滑预测法,指数平滑（Method ofExponential Smoothing）是一种特殊,的,的加权平均法，,特,特点是对离预测,期,期较近的历史数,据,据给予较大的权,数,数，对较远的给,予,予较小的权数，,权,权数由近到远呈,指,指数递减，所以,称,称之为指数平滑,。,。有着非常广泛,的,的运用。,一般有简单(一,次,次）指数平滑（SimpleExponential Smoothing,）,），二次指数平,滑,滑（Double ExponentialSmoothing）和更高次,的,的指数平滑。,9.3.1,简,简单指,数,数平滑,简单指,数,数平滑,的,的基本,公,公式为,：,：,也可表,示,示为：,t期估,算,算值a*(t期实,际,际值)+(1-a)*(t-1期,估,估算值),其中，a为平,滑,滑常数,。,。可以,看,看出，,本,本期的,简,简单平,滑,滑值等,于,于本期,的,的实际,值,值与上,一,一期平,滑,滑值的,加,加权平,均,均，权,数,数由a,决,决定。,可以发,现,现，这,实,实际上,是,是时间,序,序列的,观,观察值,和,和初始,平,平滑值,的,的加权,平,平均。,并且这,一,一权数,是,是递减,的,的，距,离,离估算,期,期越远,的,的观察,值,值对当,前,前估算,结,结果的,影,影响越,小,小。如,，,，当a,0.8时，,分,分,别,别为，0.8,，,，0.16，0.032，0.0064,。,。所以,，,，可以,起,起到类,似,似加权,移,移动平,均,均的作,用,用。,对于初,始,始值。,假,假定2000,年,年的销,售,售额600万,为,为初始,值,值。则,，,，,下一期,的,的预测,值,值为：,案例,19911996,年,年我国,人,人均布,产,产量如,表,表第,栏所示,，,，试用,一,一次指,数,数平滑,法,法(,a,分别取0.4,和,和0.8)计,算,算19911996年的,理,理论预,测,测值，,并,并预测1997年我,国,国人均,布,布产量,。,。为比,较,较预测,效,效果，,分,分别计,算,算,a,取0.4和0.8时,的,的均方,误,误差。,年份,人均布产量,Y,t,a,=0.4,a,=0.8,S,t,误差平方,S,t,误差平方,1991,1992,1993,1994,1995,1996,1997,15.79,16.37,17.23,17.73,21.59,17.17,15.79*,16.02,16.50,17.0,18.84,18.17,0,0.34,1.46,1.51,21.07,2.79,15.79,*,16.25,17.03,17.59,20.79,17.89,0,0.34,0.96,0.49,16.00,13.10,合计,27.17,30.89,均方误差,4.53,5.15,简单指,数,数平滑,预,预测准,确,确性相,当,当程度,上,上取决,于,于a的,值,值，一,般,般而言,，,，如果,时,时间序,列,列是比,较,较平稳,的,的，应,尽,尽量选,择,择比较,小,小的a,值,值，这,样,样可以,降,降低指,数,数平滑,的,的敏感,性,性；而,当,当时间,序,序列的,波,波动比,较,较大时,，,，应尽,可,可能选,择,择较大,的,的a值,，,，这样,可,可以使,预,预测结,果,果能比,较,较迅速,的,的对新,情,情况做,出,出调整,。,。,但是a,值,值取得,过,过大，,又,又容易,丧,丧失整,个,个序列,的,的趋势,性,性。根,据,据经验,，,，选取,的,的a值,一,一般在0.3,0.5之间,比,比较理,想,想。,简单指,数,数平滑,的,的局限,性,性,简单指,数,数平滑,的,的缺点,是,是比较,适,适用于,时,时间序,列,列趋势,不,不明显,的,的场合,，,，而当,序,序列明,显,显表现,出,出线型,趋,趋势时,，,，简单,指,指数平,滑,滑预测,值,值总会,落,落后于,实,实际值,的,的变动,。,。,例如，,预,预测某,省,省农民,家,家庭人,均,均食品,支,支出额,，,，假如a取0.9。,年份,食品支出,预测值（a=0.9）,绝对误差,1999,243.29,-,0,2000,277.82,243.29*,34.53,2001,320.39,274.37,46.02,2002,389.09,315.79,73.30,2003,444.84,381.76,63.08,2004,496.23,438.53,57.70,绝对均差,45.77,9.3.2,布,布朗线,型,型指数,平,平滑,在时间序,列,列呈现出,随,随趋势变,动,动的情况,下,下，通常,采,采用布朗,指,指数平滑,（,（BrownsLinearExponentialSmoothing），也,称,称二次指,数,数平滑。,首先先计,算,算出简单,和,和二次指,数,数平滑值,之后，再,建,建立趋势,方,方程：,T为时间,间,间隔,可以通过,计,计算出的,简,简单和二,次,次指数平,滑,滑值来确,定,定系数a,，,，b,例如，2003年1月销售,量,量为60,，,，2月为70，a,0.5,。,。则：,通过趋势,方,方程对3,月,月份进行,预,预测：,案例,预测某省,农,农民家庭,人,人均食品,支,支出额，,假,假如a取0.8。,年份,食品,支出,S1,a=0.8,S2,a=0.8,a,b,Y,绝对,误差,1999,243.29,243.29*,243.29*,243.29,0,2000,277.82,270.91,265.39,276.43,22.08,243.29,34.52,2001,320.39,310.49,301.47,319.51,36.08,298.51,21.88,2002,389.09,373.37,358.99,387.75,57.52,355.59,33.50,2003,444.84,430.55,416.24,444.86,57.24,455.27,0.43,2004,496.23,483.09,469.72,496.46,53.48,502.10,5.87,2006,603.42,平均绝对误,19.24,9.3.3 三次,指,指数平滑,二次指数,平,平滑既解,决,决了对有,明,明显呈趋,势,势变动的,时,时间序列,的,的预测，,又,又解决了,三次指数平滑（Triple Exponential Smoothing）,9.4,马,马尔可夫,预,预测法,9.4.1 马尔,可,可夫预测,法,法基本原,理,理,马尔可夫,：,：俄国著,名,名数学家,马尔可夫,过,过程 ：,以,以马尔可,夫,夫名字命,名,名的一种,特,特殊的事,物,物发展过,程,程。已知,现,现在状态,就,就可以预,测,测将来的,状,状态，无,须,须是否知,道,道过去的,状,状态。而,这,这种事物,发,发展的未,来,来状态只,与,与现在有,关,关而与过,去,去无关的,性,性质,被称为，,无后效性,。,。例如，,中,中国象棋,中,中的“马,”,”。,具有无后,效,效性的事,物,物的发展,过,过程称为,马,马尔可夫,过,过程，马,尔,尔可夫过,程,程主要用,于,于企业产,品,品的市场,占,占有率的,预,预测。,假定工大1万学生,，,，每人每,月,月用一支,牙,牙膏，并,且,且只使用,佳,佳洁士与,高,高露洁，,根,根据12,月,月调查，,有,有7000人使用,佳,佳洁士，3000,人,人使用高,露,露洁；同,时,时调查发,现,现，7000使用,佳,佳洁士的,人,人中，有30%下,月,月准备改,用,用高露洁,，,，而3000使用,高,高露洁的,人,人中，有40%下,月,月准备改,用,用佳洁士,，,，预测高,露,露洁的市,场,场。,可以得到,转,转移概率,矩,矩阵：,B,0.60.4,0.30.7,拟用,现用,高露洁牙膏,佳洁士牙膏,高露洁牙膏,60%,40%,佳洁士牙膏,30%,70%,用转移概,率,率矩阵可,以,以预测市,场,场占有率,的,的变化,预测下个,月,月高露洁,牙,牙膏的使,用,用人数为,：,：,300060,7000303900人,预测下个月佳洁,士,士牙膏的使用人,数,数为：,300040,7000706100人,（3000，7000）=(3900，6100),如果再预测2月,份,份的情况：,（3000，7000）=(4170，5830),0.6 0.4,0.3 0.7,0.6 0.4,0.3 0.7,0.6 0.4,0.3 0.7,9.4.2 长,期,期市场占有率预,测,测,根据市场调查得,知,知，两种品牌的,市,市场占有率分别,为,为0.3，0.7，则占有率向,量,量为：,A（0.3，0.7）,转移概率矩阵为B，则K个月后,市,市场占有率为：AB,假定X（x1,x2）为稳定,后,后的市场占有率,，,，则,XBX,(X1,X2)=(x1,x2),解二元一次方程,可,可求出（x1,x2）（3/7,4/7）,k,0.6 0.4,0.3 0.7,在市场营销实战,中,中，市场上的品,牌,牌往往有十几种,甚,甚至几十种。如,果,果有20种的话,，,，那转移概率矩,阵,阵就是一个20,20的矩阵，,计,计算非常麻烦。,但是，一般我们,只,只会关心其中的,一,一种或两种品牌,，,，那简便处理，,我,我们可以把其它,品,品牌一起归为“,其,其它”，这样矩,阵,阵就是22或,是,是33的矩阵,。,。,课堂练习,某食品厂的W牌,果,果奶在市场份额,为,为20%。该厂,通,通过市场调查发,现,现，其顾客中有10%下月转向,购,购买其他牌号的,果,果奶；但与此同,时,时，原先购买其,他,他牌号的果奶的,消,消费每月有5%,转,转向购买W牌果,奶,奶。,（1）写出转移,概,概率的矩阵。,（2）预测该厂,下,下个月的市场占,有,有率。,（3）计算市场,占,占有率变化趋于,稳,稳定后的该厂果,奶,奶的长期占有率,。,。,9.5 季节分,析,析预测法,季节分析预测法,，,，又称季节变动,预,预测法，是根据,历,历史数据中所包,含,含的季节变动规,律,律性，对预测目,标,标的未来状况作,出,出预测的方法。,很多,产品都表现出很,明,明显的季节性：,季,节,节,生,生,产,产,常,常,年,年,消,消,费,费,粮,粮,食,食,茶,茶,叶,叶,常,年,年,生,生,产,产,季,季,节,节,消,消,费,费,空,空,调,调,旅,旅,游,游,季,节,节,生,生,产,产,季,季,节,节,消,消,费,费,冷,冷,饮,饮,月,月,饼,饼,掌,握,握,商,商,品,品,季,季,节,节,变,变,动,动,的,的,规,规,律,律,性,性,，,，,科,科,学,学,制,制,订,订,生,生,产,产,经,经,营,营,决,决,策,策,，,，,对,对,企,企,业,业,的,的,经,经,济,济,效,效,益,益,和,和,社,社,会,会,效,效,益,益,具,具,有,有,重,重,要,要,意,意,义,义,。,。,9.5.1,季,季,节,节,分,分,析,析,预,预,测,测,衡,衡,量,量,指,指,标,标,一,、,、,季,季,节,节,指,指,数,数,季,节,节,指,指,数,数,是,是,一,一,种,种,以,以,相,相,对,对,数,数,表,表,示,示,的,的,季,季,节,节,变,变,动,动,衡,衡,量,量,指,指,标,标,。,。,表,表,明,明,各,各,季,季,节,节,变,变,量,量,与,与,全,全,年,年,平,平,均,季节指数=（历年同季平均数/全时期总平均数）100%,或,季节指数=（历年同季平均数/趋势值） 100%,季节指数总是围绕100上下波动。如果指数大于100则表明该季节为旺季，否则为淡季。,二,、,、,季,季,节,节,变,变,差,差,季,节,节,变,变,差,差,是,是,以,以,绝,绝,对,对,数,数,表,表,示,示,的,的,季,季,节,节,变,变,动,动,衡,衡,量,量,指,指,标,标,。,。,季,节,节,变,变,差,差,历,历,年,年,同,同,季,季,平,平,均,均,数,数,全,全,时,时,期,期,总,总,平,平,均,均,数,数,或,季,节,节,变,变,差,差,历,历,年,年,同,同,季,季,平,平,均,均,数,数,趋,趋,势,势,值,值,如,果,果,某,某,季,季,的,的,季,季,节,节,变,变,差,差,大,大,于,于,零,零,，,，,则,则,表,表,明,明,该,该,季,季,为,为,旺,旺,季,季,，,，,否,否,则,则,为,为,淡,淡,季,季,。,。,三、季节比重,是对历年同季季,节,节比例加以平均,的,的结果，反映了,季,季节变量占全年,总,总值的比例，衡,量,量季节的变动规,律,律。,季节比重历年,同,同季季节比例之,和,和年份数,如果某季季节比,重,重大于25%，,则,则表明该季属旺,季,季，否则为淡季,9.5.2 水,平,平型季节分析预,测,测法,季节分析预测有,水,水平型、趋势型,季,季节分析预测,水平型季节变动,是,是指以年为间隔,单,单位的历史数据,在,在总体上是呈水,平,平发展的，趋势,变,变动因素不明显,，,，却含有随季节,不,不规则变动的季,节,节变动因素。季,节,节分析预测就是,用,用以上三种指标,来,来反映这种季节,变,变动因素，分为,季,季节指数预测法,、,、季节变差预测,法,法和季节比重预,测,测法。,一、季节指数预,测,测法,首先，现计算出,季,季节指数。,可以用按季节平,均,均法,季节指数（季,节,节平均值/全时,期,期季平均值）100%,或是全年比率平,均,均法。,季节指数历年,各,各季比率的平均,值,值,案例：,近年来某百货商,店,店的销售额大幅,度,度上升，2004年销售额达8,亿,亿多元，比2000年增长85.96%。但是,随,随着人民生活水,平,平的提高和消费,习,习惯的变化，购,买,买成衣的消费者,日,日益增多，从而,使,使成衣的需求呈,水,水平型发展，该,店,店女装部2000年2004,年,年分季销售额资,料,料如下表第2）,至,至5）栏所示，,试,试用按季平均法,测,测算季节指数。,季节,年份,一季度,二季度,三季度,四季度,合计,全年平均,1）,2）,3）,4）,5）,6）,7）,2000,354.94,370.18,312.08,352.16,1389.36,347.34,2001,338.96,457.59,269.26,442.12,1507.93,376.98,2002,432.97,398.50,317.83,467.42,1616.72,404.18,2003,368.58,416.18,216.55,390.29,1391.60,347.90,2004,354.42,415.72,186.53,356.21,1312.88,328.22,合计,1849.87,2058.17,1302.25,2008.20,7218.49,1804.92,季平,均数,369.72,411.63,260.45,401.64,1443.69,360.92,季节指数%,102.51,114.05,72.16,111.28,400.00,100.00,其测算步骤是：,计算历年同季,的,的合计数和平均,数,数,计算全时期20个季的季平均,数,数,即：,计算各季的季,节,节指数，如一季,度,度指数为：,季节,年份,一季度,二季度,三季度,四季度,全年平均,1）,2）,3）,4）,5）,6）,1993,102.19,106.58,89.85,101.39,100.00,1994,89.91,121.38,71.43,117.28,100.00,1995,107.12,98.59,78.64,115.65,100.00,1996,105.94,119.63,62.24,112.18,100.00,1997,107.98,126.66,58.83,108.53,100.00,合计,513.14,572.84,358.99,555.03,500.00,季节指数,102.63,114.57,71.80,111.01,100.00,计算步骤为：,计算历年各季,比,比率计算公式为,：,：,计算历年同季,季,季节比率和, 计算各季季,节,节指数，计算公,式,式为：,如一季度的季节,指,指数为：,然后，用季节指,数,数进行预测,一般情况下，有,两,两种情况：,1、已知预测目,标,标全年预测值，,利,利用季节指数预,测,测该年各季节的,预,预测值。,某季预测值=,（,（年预测值/4,）,）*该季节指数,同样的案例：该,百,百货商场女装部,预,预测2005年,销,销售额为1444.17万元，,用,用季节指数预测,各,各个季度的销售,额,额。,一季度预测值= 1444.174 102.51%,370.10,（,（万元）,二季度预测值= 1444.174 114.05%,411.77,（,（万元）,三季度预测值= 1444.174 72.16% 260.53（,万,万元）,四季度预测值= 1444.174 111.28%,401.77,（,（万元）,2、,已,已知,某,某季,实,实际,值,值，,求,求全,年,年预,测,测值,和,和未,来,来各,季,季预,测,测值,同样,的,的案,例,例，,该,该女,装,装部2005,年,年第,一,一季,度,度销,售,售额,为,为370,万,万，,预,预测,第,第二,、,、三,、,、四,季,季度,销,销售,额,额和2005,年,年全,年,年预,测,测值,。,。,二季度预测,值,值 = 370 102.51%114.05%, 411.65,三,三季度预测,值,值 = 370 102.51%72.16 %, 260.45,四季度预测,值,值 = 370 102.51%111.28 %, 401.65,则全年预测,值,值为：370 102.51%,400%, 1443.76,二、季节变,差,差预测法,与季节指数,法,法一样，可,以,以用按季平,均,均法计算季,节,节变差。同,样,样的，一般,也,也有两种情,况,况：已知全,年,年预测值，,利,利用季节变,差,差预测该年,各,各个季度的,预,预测值；已,知,知季度实际,值,值，利用季,节,节变差预测,接,接下来各个,季,季度和该年,全,全年的预测,值,值。,三、季节比,重,重预测法,方法与思路,类,类似,9.6 预,测,测方法的评,价,价和选择,预测方法的,选,选择是整个,预,预测过程中,难,难度最大的,一,一项工作，,技,技巧性较强,，,，而预测方,法,法选择是否,合,合理又是预,测,测能否成功,的,的关键所在,。,。,各种方法都,有,有其优势与,局,局限性。,1、定性预,测,测方法,特点：,灵活性强,具有一定,的,的科学性, 简便易,行,行,不足之处：,预测结果,不,不够精确,受预测人,员,员主观因素,影,影响较大,它常用于历,史,史数据资料,缺,缺乏，或影,响,响因素复杂,，,，难以分清,主,主次，或对,主,主要影响因,素,素难以定量,分,分析等场合,的,的分析预测,定性预测方,法,法和定量预,测,测方法的评,价,价,2、定量预,测,测方法,特点：,预测结果,较,较为客观,预测结果,较,较为准确,不足之处：,机械不灵,活,活,不易处理,有,有较大变动,的,的非规律性,变,变化资料,要求有比,较,较完备的历,史,史数据资料,各种预测方,法,法的比较见,下,下表：,定性预测方,法,法和定量预,测,测方法的评,价,价,预测方法,典型用途,预测精确度,所需信息,预测,成本,预测所需时间,定性预测方法,Delphi法,新产品销售预测、市场需求预测、长期预测,中优,以调查方式收集信息,中,较长,对比类推法,同上,中优,类似产品若干数据及类似对象的其他有关统计数据,低,短,集体经验判断法,同上,中,市场调查数据,低,短,指标判断法,同上,优,市场调查与统计资料收集,低,短,定量预测方法,移动平均法,产品销售预测，市场需求短期预测,中,销售、需求等信息,低,短,指数平滑预测法,产品销售预测，市场需求短期与长期预测,中优,同上,低,短,马尔可夫预测法,市场占有率预测,中优,市场占有率调查信息,高,长,回归分析法,销售、需求预测,优,销售、需求等历史数据,低,短,