市场预测方法及其应用

1.市场预测的概念

市场预测是在市场调查的基础上，运用科学的方法和手段，对市场商品的供求发展趋势以及与之相联系的各种因素变化进行调查、分析、预见、估计和判断。

市场预测可以分为以下几种类型：按市场预测的时间长短分，可以分为长期预测、中期预测和短期预测三种；按经营预测的方法来分，可以分为定性预测和定量预测；按照预测对象参照系的不同可分为时间序列预测和相关因素预测。

2.市场预测的步骤

预测过程包括六个步骤：第一步，确定预测目标。根据社会需求、计划和决策需要，提出预测项目，确定预测要解决的具体问题、预测的内容及预测期限，提出基本假设，拟订预测提纲；第二步，调查、搜集、整理资料。获得资料是预测的第二步工作，有些资料是现成的二手资料，但更多资料需要通过调查获得；第三步，选择预测方法；第四步，进行预测；第五步，分析并评价预测结果；第六步，提交预测报告。

3.市场预测方法

目前，国内外所使用的市场预测方法有很多种，下面介绍几种常用的方法。

（1）经验判断法。经验判断法主要包括个人判断法、集合意见法、德尔菲法等。

集合意见法，是指预测者根据预测对象的预测目标，召集企业中的有关人员进行座谈和讨论，对预测对象未来发展趋势，充分发挥自己的看法和意见，然后由预测者根据大家的意见，进行分析并研究，从中找出预测结果的一种方法。

德尔菲法是专家征询法中的一种。它是由美国兰德公司在20世纪40年代提出来的。这种方法是成立专家组，将预测对象有关资料给各位专家，请求专家发表自己的看法与意见，然后将专家的意见集中和归纳，再将整理好后的资料反馈给专家，进一步征询意见，如此反复多次，得出较为集中的结果。专家组的人数一般以10～50人为宜。它的特点是“背靠背”，反复征询。

运用德尔菲法的一般过程如下：第一，提出要求。明确预测目标，向专家提出所需预测的问题，并附上有关这个问题的背景资料，请他们进行书面答复。第二，提出预测。每一位专家采取保密的方式，根据所收到的资料提出自己的预测，不与其他专家进行交流。第三，修正预测。将各个专家第一次的判断意见整理后，不注姓名再寄给各个专家。各个专家可参照、比较他人的不同意见，修正或再次提出自己的预测。第四，再次修改。综合整理各个专家的修正预测结果，根据需要再一次发给专家，以便专家们参照比较做第二次修正。第五，最后预测。专家们的意见几经反馈以后，通常对所要预测的问题意见渐趋一致，这个意见就是最后预测的基础。优点是可以消除专家们之间的相互影响。

（2）调查预测法。调查预测法包括典型调查、抽样调查、全面调查、销售调查和定期交换情报预测法等。

调查预测法是指根据市场调查进行预测的方法。它是根据预测对象的预测目标，通过召开产品展销会、订货会及发放用户调查表等方式，征询市场和用户的意见和建议，了解购买倾向和需求量等有关预测的内容，然后进行预测。

（3）数学外推预测法，包括算术平均法、移动平均法、最小二乘法和指数平滑法。

①移动平均法。移动平均法是时间序列法分析中较简单的一种，是在简单算术平均法的基础上发展起来的。这种方法采用分段平均，并按数据点的顺序，逐点移动，不断引进新的数据来修正该平均值，这样既可以消除激烈变动的不稳定因素，又可以看出其发展趋势。其计算公式如下：

式中，Mt+1为第t+1周期的预测数；n为周期数。

【例9-1】某地工业总产值1996—2003年数据如表9-3所示，求2004年总产值的预测值。

表9-3　移动平均值计算示例

②指数平滑法。指数平滑法也称为指数修匀法。它是通过对整个时间序列的数据，用平滑系数进行移动测算的一种预测方法。根据预测精度要求的不同，指数平滑法由有一次指数平滑和二次指数平滑之分。

一次指数平滑法，是已知本期的实际值和预测值，利用平滑系数进行修匀，作为下一期预测值的一种预测方法。其预测公式如下：(www.xing528.com)

式中，Mn、Mn-1为分别为第n期、第n-1期的预测值；Yn-1为第n-1其的实际销售量；α（0＜α＜1）为平滑系数。

由于时间序列的第一期只有实际值，没有预测值，因此，必须采用一定的方法确定一个预测值。常用的方法有：取时间序列的前几期实际值的平均数作为预测值；或用第一期实际值作为预测值。

【例9-2】仍用【例9-1】数据，假定2003年实际值是130，平滑系数为0.7，求2004年的预测值，M2004=0.7×130+（1-0.7）×134=91+40.2=131.2。

α的取值不同，预测结果也不同。因此，指数平滑法的关键是要正确地选择好α的值。一般来说，当时间序列的数据变动幅度较大，且有一定的规律时，α应取较大的值，以增大实际值的权重，使预测值接近实际值；当变动幅度较小时，α应取较小的值。但若时间序列数据资料以不规则的较大幅度波动时，则也应取较小的α值，以消除实际值的偶然性波动的影响。

二次指数平滑法是在一次指数平滑法的基础上，再进行一次平滑预测。它可进一步消除实际值的波动，并可克服一次指数平滑法只能预测最后一期下一期值的局限，可以预测更远的时期。限于篇幅，在这里不再做介绍。

（4）相关因素预测法，包括一元回归、多元回归及投入产出预测法等。下面仅介绍一元线性回归法。

一元线性回归方程如下：

式中，Y为预测值；a，b为回归系数；X为自变量。

一般来说，回归系数a和b的估计方法有多种，其中使用最广泛的是最小平方法（OLS估计法）。

【例9-3】某商品的销售量与结婚人数有因果关系，现有某企业所在地区1995—2001年结婚人数与该企业某商品的销售实绩资料如表9-4所示。假设2002年的结婚人数为73百对，求2002年该商品销售预测值。

表9-4　一元线性回归法示例

则，b=0.73；a=5.45；Y=5.45+0.73X=5.45+53.29=58.74。
所以，预测2002年该商品的销售额为58.74万元。

回归分析预测法的自变量可以是时间，也可以是其他相关因素。所以，它既可用于时间序列分析，又可用于因果（相关）分析。如果自变量X代表取得统计数据时间，则预测就属于时间序列分析。为了简化计算，可作如下规定：第一，当资料期数n为奇数时，取t的时间间隔为1，并将中央一期定为0，其上为负值-1，-2，其下为正值+1，+2，其余类推；第二，当资料期数n为偶数时，取t的时间间隔为2，并将t=-1，t=1置于资料中央的前后两期，向上分别为-1，-3，向下分别为1，3，其余类推。这样可以获得简化的公式。

【例9-4】已知某企业1999—2003年的销售额如下，试用一元线性回归法预测2004年，2005年的销售额（如表9-5所示）。

表9-5　一元线性回归法示例

则，a=875/5=175；b=70/10=7；Y2004=a+bX=175+7×3=175+21=196；Y2005=a+bX=175+7×4=175+28=203。