市场预测的基本方法：详解预测市场的技巧

按照预测方法的性质，市场预测方法可分为两个基本大类，即定性预测法和定量预测法。

（一）定性预测法

定性预测法，也叫判断分析法。它主要是利用人们在市场实践活动中获得的经验、知识和综合判断能力，根据历史资料和现实资料，对未来市场发展趋势进行估计。

在市场预测中，常用的定性预测方法有：

（1）相关因素分析法

相关因素分析法是以事件的因果关系原理为依据，根据已知相关事件的发展趋势，来推测目标事件的未来变化趋势的分析方法。例如智能手机已成为众多消费者的必备通信工具，智能手机芯片的需求量同智能手机的销量有密切关系。在已知智能手机销售量及其增长率的情况下，可大致推断出手机芯片的需求量。当然，若能考虑不同消费群的消费水平和更新换代周期，将智能手机需求者进行分类，确定每类消费者的年需求量，这样推断出来的手机芯片需求量更加准确。

在市场预测中，运用相关因素分析法，首先要依据理论分析或实践经验，找出同预测目标相关的各种因素。特别要抓住同预测目标有直接关系的主要因素。然后，再依据事件相关的内在因果关系进行推断。

运用相关因素分析法，往往需要同变动方向的推断结合起来，根据相关变动方向的顺相关与逆相关关系进行推断。两个经济变量，有的是同增同减。例如，录像机与录像带这类互补品；有些经济变量存在此长彼消的相关关系，例如，圆珠笔与钢笔这样的替代品。

（2）对比类推法

对比类推法是根据市场及其环境因素之间类似性，从一个市场发展变化的情况推测另一个市场未来趋势的判断预测方法。对比类推法根据预测者对预测目标市场范围的不同，至少可分为产品对比类推法、行业对比类推法、地区对比类推法和局部总体类推法四种。

①产品对比类推法。产品对比类推法的依据是：由于产品之间在功能、构造、原材料、档次等方面的相似性，产品市场的发展规律可能出现某种相似性。例如，彩色电视机和黑色电视机的基本功能是相似的，因此，可以根据黑白电视机的市场发展规律大致地判断彩色电视机市场的发展趋势。再如，档次相近的产品市场之间，如高级化妆品的市场之间，可能存在相似的营销规律。

②行业对比类推法。有不少产品的发展是从某一个行业市场开始，逐步向其他行业推广；而且每进入一个新的行业市场，往往要对原来的产品做一些改进或创新，以便适合新的行业市场的需要。根据这一点，可以运用行业对比类推法对产品的行业市场加以判断预测。例如，预测者可以根据军工产品市场的发展预测民品的市场。军工产品一般都是技术上领先的产品，军工行业市场的现在基本上就是民用市场的未来。所以，预测者应密切注视军工产品的发展动向，推测军工产品或技术在民用市场上发展的可能性。除了军工行业外，航天工业也是技术领先的行业之一。有些今天仅用于宇航的产品，可能在将来的民用市场上得到普及，羽绒服、浓缩速溶饮品就是范例。

③地区对比类推法。同类产品的市场不仅在不同行业之间存在领先滞后的时差，而且在不同的地区之间也存在这种时差。因而，预测者可以根据领先地区的市场情况类推滞后的市场。例如，家电一般先进入城市家庭，然后再进入农村市场。利用家电产品在城市市场的发展规律可以类推它们在农村市场的发展规律。

④局部总体类推法。通过典型调查、抽样调查等方式进行一些调查，来分析局部市场的变化趋势与发展规律，以此预测和类推全局和总体的市场变化规律。这是一种运用最为广泛的类推预测方法，也是在方法上最为严谨、科学的一种。例如，预测今后一段时期内全国智能手机市场的需求发展状况，可以选取一些有代表性的城市和农村进行调查分析，从而来推断全国总需求情况。

（3）集体经验判断法

也称专家小组意见法。它利用集体的经验和智慧，分析、判断事物未来的发展变化趋势。该方法的一般程序是：组成一个预测小组，每个预测者做出预测结果，说明其分析的理由，允许小组成员在会上充分争论，在分析讨论基础上，预测者可以重新调整其预测结果，然后把若干名预测者的预测综合处理，得出最终的预测结果。

对于需要量化的预测目标，操作步骤是：首先，预测者用三点估计法估计预测目标的最小值、最大值、最可能值，并根据出现的可能性，设定主观概率；然后，采用主观概率统计法计算出每个预测者的预测期望值；最后，根据预测者的经验知识水平，确定预测者的重要性权重，运用加权平均法计算出预测最终结果。

集体经验判断法的主要优点是：

①参加的人数多，因而所拥有的信息量远远大于个人所拥有的信息量，所考虑的因素比个别预测者所考虑的因素全面。

②有具体的预测方案，其预测结果比单纯的个人判断可靠、客观。

③在综合各预测者（或各方案）的意见后得出预测结果，可以避免个人判断的主观性、片面性。

④虽然有时难以得到统一的预测结果，但是这并不意味着预测失败，而恰恰说明这一预测方法考虑问题有多重性、多面性。其意见能更好地为决策及执行工作提供依据，企业经营管理人员若能充分注意到预测结果的不一致之处，就能防微杜渐，保证事件的正常发展。

⑤可以同时对几个预测目标进行分析、预测。

但是，集体经验判断法也有许多难以克服的缺点，主要是干扰因素较多：

①感情因素。与会人员中可能有权威、上级、前辈、同学、同事等多种关系出现，出于感情考虑，有不同意见者不好意思当面提出。

②个性因素。人的个性本身是复杂的，有的人善辩，有的人寡言；有的人谦虚，有的人傲慢；有的人“投机取巧”；有的人固执己见，这些都不利于会场上意见的充分发表及认识统一。

③时间因素。尽管集体意见法可以组织多次会议进行讨论、分析，但是毕竟时间再长也有限度，会前准备再充分，也难免有不全面之处。所以，要在会议当场统一众人的意见，做出共同的估计，有时是不可能的，尤其是会议意见分歧较大，各派员互不相让时，常常使会议“无果而散”。

④利益因素。当与会人员的意见与其利益有关时，往往有些人员不轻易提出其观点，致使预测结果或缺乏新意，或没有表达预测者的真实想法。

比如，某企业为使下一年度的销售计划制订更为科学，组织了一次销售预测，由经理主持，参与预测的有销售处、财务处、计划处、信息处四位处长。许多企业都把完成销售计划的情况作为确定销售人员业绩的主要依据，故销售人员一般都希望尽量把计划压低，从而超过计划部分可获得更多的奖励，这就影响到预测的准确性。

解决的办法可以考虑将预测结果与销售计划脱钩，或根据销售人员过去的销售预测值与实际销售量的差异计算调整系数，对他的预测结果进行修正。如果过去实际销售量都比销售人员预测值多20％左右，就可以将该销售人员本次的预测值乘以1.2的系数作为他的销售预测值。

（4）德尔菲法

德尔菲法是专家小组意见法的发展。它以匿名方式通过多轮的函询征集专家意见，通过定量处理，最终得出预测结果的一种经验判断法，是应用较广的定性预测方法之一。

德尔菲法需要经过多轮专家调查：第一轮是组织者提出预测的主题，把预测的目的和主题附在调查咨询表中一同寄给有关专家，同时将与预测主题有关的各种资料，经过整理、加工后也寄给专家，以便专家能更全面、系统地考虑问题。请专家提供预测的项目，经过综合整理，编制出一份预测项目表，据此制成调查表再寄给专家。第二、第三轮是根据专家回函的意见，进行统计处理，将经过统计处理和汇总的专家意见以及预测要求，再寄给专家们，专家接到汇总意见和有关资料以后，再提出自己的意见寄还预测组织者，然后由预测者汇总整理做出统一归纳，并提出下一轮的预测要求。也可以请专家们就自己的意见阐明理由，或就某一意见做出评价。一般，进行到第四轮时专家们的意见就比较集中，预测组织者就可以据此整理出结果，写出预测报告书。

德尔菲法的特点主要有：

①匿名性。采取背靠背的办法向专家征询意见，可以避免面对面集体讨论中权威意见影响他人预测的倾向。

②反馈性。多次轮番征询意见，专家的预测意见每次都反馈给预测者，具有信息反馈沟通的特点。

③趋同性。注重对每一轮专家意见做出定量的统计归纳，使专家能借助反馈意见不断修正自己的意见，最后使预测意见趋于一致。

④定量处理。作定量处理是德尔菲法的一个重要特点。对预测的结果，主持者应做出统计分析，同时，逐渐按统计反映出来的收敛特征明确预测问题。

德尔菲法的优点，主要表现在以下几个方面：

①简便灵活。德尔菲法是采用函询方式收集专家意见的，这就有利于较广泛地征询各类专家意见，它不受地区部门的限制，简便灵活；尤其是在某些项目缺乏历史统计资料的情况下，它能以具有广泛代表性的许多专家的丰富知识和实践经验为基础，使预测结果具有一定的可靠性。而专家集体意见法，往往由于参加会议的人数有限，专业有限，影响代表性，从而影响预测结果的可靠性。

②便于征询对象独立思考、独立判断。德尔菲法应邀参加预测的专家互不了解，可以克服专家集体意见法面对面开会讨论而受心理因素影响的缺点。诸如迷信权威或领导意见的倾向、少数服从多数随大流的情况，以及有的专家出于自尊心不愿当场修改自己的意见，等等。德尔菲法中的专家可以参考前一轮的预测结果修改自己的意见无须做公开说明，无损自己的威望。

③有利于专家探索式地解决问题。德尔菲法是轮番多次的征询专家意见，而不是试图一次实现预测结果。每轮征询都是组织者把上一轮应答意见综合统计后反馈给每一个专家，使他们了解到全体意见的倾向，以及持不同意见者的理由。这样，可以使专家在集体意见反馈中得到启发，使他们能较好地克服自己意见的主观性和片面性，有助于提高预测结果的可靠性和全面性。

德尔菲法也存在一些缺点：首先，应用德尔菲法进行预测，容易忽视在开始时由别人提出的并不为大家所理解的创造性预见。尤其是当真理在少数人手里时，所得出的预测结果，往往失败。其次，采用德尔菲法进行预测，往往需要较长时间。国外一般把每轮反馈周期定为一个月左右，几轮反馈费时较长。最后，德尔菲法征询专家意见，缺乏专家之间的思想交锋和商讨，凭专家个人的知识和实践经验，难免要受到专家知识的深度与广度，占有资料的多少，以及对预测问题是否感兴趣等因素的影响，使有些意见带有一定的主观片面性。

（二）定量预测法

定量预测法是在较完整的历史统计资料基础上，运用各种数学模型对市场未来发展趋势进行计算，求得预测结果。这类方法有助于在定性分析的基础上，掌握事物量的界限，帮助企业更科学地进行决策。常用的定量预测方法主要有时间序列分析法和因果分析法。

时间序列是指同一经济现象或特征值按时间先后顺序排列而成的数列。时间序列预测法不需考虑现象之间的各种关系，假定现象变化是过去和现在的延续，于是依据现象的时间序列的发展特点，建立动态的数据模型，描述现象变化规律，预测未来水平和变化趋势。移动平均预测法、指数平滑预测法等方法属于时间序列分析法。时间序列分析法应用范围比较广泛，如对商品销售量的平均增长率的预测、季节性商品的供求预测、产品的生命周期预测等。

（1）移动平均法。

移动平均法是用一组最近的实际数据值来预测未来一期或几期内公司产品的需求量、公司产能等的一种常用方法。移动平均法适用于短期预测。当产品需求既没有快速增长也没有快速下降，且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动，是非常有用的。(www.xing528.com)

简单的移动平均的计算公式如下：

Ft=（At-1+At-2+At-3+At-4……+At-n）/n

式中，Ft为下一期的预测值；n为移动平均的时期个数；At-1为前一期实际值；At-n为前n期实际值。

当序列包含季节变动时，移动平均时距项数n应与季节变动长度一致，才能消除其季节变动；若序列包含周期变动时，平均时距项数n应和周期长度基本一致，才能较好地消除周期波动。

（2）指数平滑法。

指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。

指数平滑法由布朗（Robert G.Brown）提出，布朗认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延，他认为最近的过去态势，在某种程度上会持续到最近的未来，所以将较大的权数放在最近的资料。随历史数据的时间由近到远，权重以指数形式递减，所以称之为指数平滑法。

指数平滑法的基本公式是：

St=αyt+（1-α）St-1

式中，St为时间t的平滑值；yt为时间t的实际值；St-1为时间t-1的平滑值；α为平滑系数，其取值范围为[0，1]。

关于初始值，即第一期的预测值的确定：一般原数列的项数较多时（大于10项），由于初始值对预测结果影响很小，可以选用第一期的实际值作为初始值；如果原数列的项数较少时（小于10项），可以选取最初几期（一般为前三期）的平均数作为初始值。

在指数平滑法的计算中，α的取值大小非常关键，但α的取值又容易受主观影响，因此合理确定α的取值方法十分重要，一般来说，如果数据波动较大，α值应取大一些（0.3～0.7），可以增加近期数据对预测结果的影响。如果数据波动平稳，α值应取小一些（0.1～0.3）。以上取值区间属于经验判断，具体操作时，可以取几个α值进行试算，比较不同α值下的预测标准误差，选取预测标准误差最小的α。

在利用指数平滑法进行预测时，根据平滑次数不同，指数平滑法分为：一次指数平滑法、二次指数平滑法和三次指数平滑法等。

①一次指数平滑预测法。当时间数列无明显的趋势变化，可用一次指数平滑预测。其预测模型为：

=St=αyt+（1-α）St-1

式中，为t+1期的预测值，即本期（t期）的平滑值。

②二次指数平滑预测法。二次指数平滑是对一次指数平滑的再平滑。它适用于具有线性趋势的时间数列。二次平滑值的计算公式为：

二次指数平滑法的预测模型为：

式中，为第t+m期的预测值；为第t期的一次平滑值；为第t期的二次平滑值；m为本期到预测期的时期数。

③三次指数平滑预测法。若时间数列呈现抛物线趋势，或者当时间序列的数据经二次指数平滑处理后，仍有曲率时，应用三次指数平滑法。

三次平滑值的计算公式为：

三次指数平滑法的预测模型为：

式中，为第t+m期的预测值；为第t期的一次平滑值；为第t期的二次平滑值；为第t期的三次平滑值；m为本期到预测期的时期数。

因果关系预测法先确定影响市场变动的因素，分析影响方向、程度与形式，分析原因与结果的联系结构，然后建立适合的数学模型，以原因的变动来测算变化趋势和结果的可能水平。主要采用回归分析方法，此外，经济计量法和投入产出分析等方法也较为常用。由于篇幅所限，这里只介绍回归分析法中最基本的一元线性回归分析法。

（3）一元线性回归分析法。

回归分析法，是研究两个以上变量之间关系的数学方法。如果只涉及一个自变量和一个因变量，叫作一元回归分析或单回归分析，若自变量和因变量的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析；如果涉及两个以上的变量，则叫作多元回归分析或复回归分析。

由于市场现象一般是受多种因素的影响，所以应用一元线性回归分析预测法，必须对影响市场现象的多种因素做全面分析，只有当诸多影响因素中，确实存在一个对因变量影响作用明显大于其他因素的变量，才能将它作为自变量，应用一元相关回归分析市场预测法进行预测。

一元线性回归分析法的一般步骤：

①根据数据资料绘制散点图。若自变量和因变量有线性关系，可以使用一元线性回归分析法。

②建立一元线性回归方程。方程的一般表达式为：

Y=a+bX

③用最小二乘法估计回归系数。

式中，Xi为自变量的实际值，Yi为因变量的实际值，Y为因变量实际值的均值，X为自变量实际值的均值。

通过样本数据建立的回归方程，不能立即用于对实际问题的分析和预测，还需要进行各项统计检验。

④进行回归方程拟合优度检验（R2检验）。

用来检验实际值与依照某种假设或模型计算得到的理论值之间一致性的一种统计假设检验，以便判断该假设或模型是否与实际值相吻合，R2反映了因变量的波动中能用自变量解释的比例。

式中，为根据方程计算的因变量的估计值，为因变量实际值的均值，Yi为因变量的实际值。

称为样本的校正平方和，或总平方和，记为SST（sum of squares for total），刻画因变量Y的波动程度。

称为模型平方和（或回归平方和），记为SSR（sum of squares due to regression），刻画由自变量X的波动引起的Y波动的部分。

R2越接近于1，拟合优度越好。

此外，还应进行变量的显著性检验和参数的置信区间估计。变量的显著性检验主要包括回归方程的检验（检验回归方程的显著性）、回归系数的检验（检验自变量X对因变量Y的影响程度是否显著）以及相关系数的显著性检验。对于一元线性回归来说，这三种检验是等价的，只需要做一种检验即可。下面以回归方程的检验为例：

⑤进行回归方程的检验（F检验）。

F检验也叫方差比率检验，通过分析因变量Y的波动中各因素的贡献程度，判断该模型中的全部或一部分参数是否适合用来估计母体。通过前面的分析可知，回归平方和SSR越大，回归的效果就越好，可以据此构造F检验统计量为：

式中，SSE（sum of squares due to error）表示残差平方和（误差平方和）：，反映不能由自变量解释的Y波动部分。分子中的1表示SSR的自由度，即自变量的个数。分母中的n-2表示SSE的自由度。

确定显著性水平α，根据分子自由度1和分母自由度n-2，通过F分布的临界值表找出临界值Fα，如果F>Fα，则可以认为，回归方程的线性关系显著。

⑥利用回归方程预测并对预测结果进行分析。

建立一元线性回归方程，并通过统计检验以后，就可以使用该回归方程进行市场预测，并利用预测结果进行营销决策。