《商业与经济预测》PPT课件.ppt

第五章 商业与经济预测,前言,大多数企业决策都有一定的不确定性。减少决策不确定性的方法之一就是把资源用于预测，包括对将来经济条件的预测和对它们企业经营影响的评估。 预测的目的常常是预测需要。而企业主要是要预测它可能达到的市场份额。 预测还能为企业的产品组合提供信息。 预测是一项重要的管理内容。在大企业里，重大的决策几乎都要根据某种预测来做。,一、数据的来源,预测数据的三个重要来源是专家意见、调查、市场实验。,（一）德尔菲法（Delphi technique） 1. 背景 德尔菲法最早出现于20世纪50年代末，是当时美国为了预测在其“遭受原子弹轰炸后，可能出现的结果”而发明的一种方法。1964年美国兰德(RAND)公司的赫尔默(Helmer)和戈登(Gordon)发表了“长远预测研究报告”，首次将德尔菲法用于技术预测中。 据美国未来杂志报导，从60年代末到70年代中，专家会议法和德尔菲法(以德尔菲法为主)在各类预测方法中所占比重由20.8%增加到24.2%。80年代以来，我国不少单位也采用德尔菲法进行了预测、决策分析和编制规划工作。,2. 程序 （1）确定调查目的，拟订调查提纲。首先确定目标，拟订出要求专家回答问题的详细提纲，并同时向专家提供有关背景材料，包括预测目的、期限、调查表填写方法及其它希望要求等说明。 （2）选择一批熟悉本问题的专家，一般至少为10人左右，包括理论和实践等各方面专家。每一轮时间约7到10天，总共约一个月左右即可得到大致结果。 （3）以通信方式向各位选定专家发出调查表，征询意见。 （4）对返回的意见进行归纳综合、定量统计分析后再寄给有关专家，如此往复，经过三、四轮意见比较集中后进行数据处理与综合得出结果。,3. 利弊 （1）简便易行，具有一定科学性和实用性，可避免会议讨论时产生的害怕权威随声附和，或固执已见，或顾虑情面不愿与他人意见冲突等弊病。 （2）可使大家发表的意见较快收敛，参加者也易接受结论，具有一定程度综合意见的客观性。 （3）由于专家一般的时间紧，回答总是往往比较草率，同时由于预测主要依靠专家，因此归根到底仍属专家们的集体主观判断。 （4）在选择合适的专家方面也较困难，征询意见的时间较长，对于需要快速判断的预测难于使用等。 （5）费用较高。,（二）调查 尽管消费者需要的调查能为预测提供有用的数据，但调查的价值在很大程度上取决于调查者的技巧。调查数据的另一个潜在问题是被调查人的回答不一定成为其实际行为。,（三）市场实验 为了进行市场实验，企业首先是选定试验市场。这一市场可以包括若干城市、一个地区或从邮递名单中取一个消费者样本。 在选择试验市场时，要考虑几个因素。第一、地区不宜过大。地区太大，就可能很费钱，而且指导实验和分析结果会遇到困难。第二，试验市场里的居民的一些特征，如年龄、教育程度和收入应当和全国的人口相似。最后，应当有可能只向被试验人群做广告。,市场试验优于调查之处在于反映消费者的真实行为，但它的局限性包括： 一、存在风险；二、无法控制影响需求的所有因素。最后，由于大多数实验的时间比较短，消费者有可能不完全知道价格或广告的变化，因而，他们的反应可能低估了这些变化带来的影响。,二、时间序列分析法,时间序列分析法的核心是确定数据的变化由哪些部分构成的。根据传统可以把它们分为四类： 1、趋势（trend）：指变量的长期增加或减少。 2、季节性（seasonality）：指定期发生的变化。 3、周期性（cyclical pattern）：持续一段时间的高值，继之以一段时间的低值。商业周期就属于这一类。 4、随机波动（random fluctuation）：变量的、其他的、不遵循任何可识别模式的变化。,（一）趋势推测法,趋势推测（trend projection）是最常用的预测方法之一。这种方法是建立在这样的假设基础上的，即在一个时间序列数据中存在着一种可识别的变化趋势。 1. 曲线拟合的图示法 （下图是假设的销售量的时间序列数据图）,时期数 季度 销售量（百万美元）,假设的销售量的时间序列数据,2. 曲线拟合的统计法 （1）每期的变化量为常数 假如一名分析人员决定要做预测，他假定期与期之间销售量的变化保持不变，即企业每期销售量的变化量相同。在统计学上，也就是估计下列方程的参数： St=S0+bt 式中，S为销售量；t为期数。,（2）每期变化的百分比为常数 假设销售量每期都按一个不变的百分率增加。这一关系可用数学表示如下： St=St-1（1+g） 同样，St-1=St-2 （1+g） 式中，g为不变的变化率或增长率。这两个方程意味着： St=St-2（1+g）2 或一般的表示为： St=S0（1+g）t,3. 时间序列数据中的季节性变动 预测的精确性可以通过对数据进行季节性调整来提高。最常用的调整方法是趋势比率（ration-to-trend）法。 用趋势比率法进行季节性调整,4. 趋势调整法的缺点： （1）它主要用于短期预测。如果趋势外推超出最后的数据点很远，预测的精确度就会迅速的下降。 （2）它不考虑诸如价格变化和经济增长率波动等因素。就是说，趋势推测法假定这些因素是不随时间的推移而变化的。,小结一： 根据每期变化量不变的假设，可通过使用一般方程式St=S0+bt拟合于时间序列数据来做预测。 假定每期变化的百分率不变，可以通过估计方程St=S0（1+g）t的参数来做预测。 可用趋势比率调整法来降低因季节性变动引起的预测误差。,（二）指数平滑法,趋势推测法实际上就是回归分析法，只是唯一的自变量是时间。这种方法的一个特点是每次观察的权值是相同的。即初始的数据点对所估计的系数的影响和最后的数据点的影响刚好一样大。 但是，在有些情况下，近期的观察数据要比开始时的数据包含更多的有关将来的准确信息。,1. 指数平滑法（exponential smoothing） 是一种时间序列预测技术，它赋予近期的观察数据以更大的权值。第一步是选择平滑常数 。这里 。如果时间序列中有n次观察，下期（即n+1）的预测值就等于第n期的观测值和同期的预测值的加权平均数，即,式中，Fn+1为下一期的预测值；Xn为时间序列中最后一期的观察值；Fn为时间序列最后一期的预测值。Fn和所有早期的预测值的计算方法相同，即 通常可以通过假定第一期的预测值等于该期的观察值来解决。即F1=X1. 如果 ，那么 ，表示预测值就完全由最后一期的实际观察值来决定；反之如果 值较低，前期的观察数据就有较大的权值。,用指数平滑法预测,2. 平滑常数的选择 选择这个值的一个标准是分析者对近期观察数据应给多大权值的直观判断。回归方程系数的选择应当使观察值和预测值之间离差的平方和最小。这一方法也能用来决定平滑常数。 （Xt-Ft）2是实际的时间序列数据和同期的预测值之间的离差的平方。因而，把每个观察数据的这些值相加，就可算得离差的平方和如下： 选择 值的一个方法就是使这个和最小。,3. 对指数平滑法的评价 指数平滑法的一个优点是分析时间序列数据时，它允许较近期的数据有较大的权值。而另一优点是，有可能增加新的观察数据，从而能很容易地使预测适合新的情况。 它的主要缺点：如果数据呈面显的趋势，用它进行预测就会不太准确。如果时间趋势为正值，根据指数平滑法做出的预测就可能太低；如果时间趋势为负值，做出的估计就会太高。只有你当数据没有明显的时间趋势时，用简单指数平滑法做预测才是最适合的。,小结二,1. 实用指数平滑法，预测值等于上一期的观察值的加权平均值。 2. 权值可通过选择一个能使预测值和观察值之间离差平方和最小平滑常数来确定。,三、气压式预测法,如果时间序列不存在清楚地变化模式，这样的数据对预测就没有多大用处。 另外一种方法是找出与第1个数据序列相关的第2个数据序列。这样，通过观察第2个序列的变化，就有可能预测第1个。如果一个时间序列与另一个时间序列相关，我们有时就称第1个是第2个序列的指示（indicator）。,（一）超前指示值,如果有两个数据序列经常同时增加或减少，一个序列就可以认为是另一个序列的重合指示值（coincident indicator）。如果一个序列的变化总是发生在另一个序列变化之前，我们就称前者为超前指示值（leading indicator）。 为了进行预测，人们对超前指示值最感兴趣。就好像气象学家利用气压表上气压的变化来预测天气那样，超前指示值能用来预测一般经济条件的变化。所以人们通常把使用这种指示值称为气压表示预测法（barometric forecasting）。,超前指示值的有用性取决于以下若干因素： 第一，指示值必须准确。它的波动必须与它想要预测的序列的波动紧密相关。 第二，指示值必须有足够的超前期。即使两个序列高度相关，如果超前期太短，指示值也没有多大用处。 第三，要求超前期相对稳定。,第四，为什么一个序列能预测另一个序列应当有个合理的解释。除非两个序列之间存在因果关系，历史形成的模式不一定对预测将来有用。 第五，只是值的价值还受收集数据所需费用和时间的影响。如果收集这样的时间序列成本很高，就不一定划得来。同样，如果要花很长时间才能收集到这样的序列，指示值的有效前期就会太短，以致无法使用。,经过挑选的超前指示值,（二）合成和扩散指数,任何时间序列都包含随机波动，这种波动是与数据的一般模式不相符的。改进气压式预测法的途径之一就是建立一种有许多超前指示值合成的时间序列。 最常用的气压表式预测指数是合成指数（composite indices）和扩散指数（diffusion indices）,1. 合成指数 合成指数就是各种指示值的加权平均数。权值是根据每个序列的预测能力来定的。即对能起较好预测作用的序列的权值，就要比不太准确的序列定得高。指数是用每期的百分比变化来表示的。 2. 指数扩散 这一指数是对逐月增长的时间序列在多种时间序列中所占比例的度量。,指数的使用提高了气压表示预测法的准确性。然而这一方法的预测记录远不是完美的。例如，有好几次，美国商业部的指数预测经济要衰退，但实际并没有发生。 超前期的变动性大是另一个缺点。 第三个问题是尽管气压表式法能指出经济条件变化的方向，但它很难预测这种变化的大小。,小结三： 1. 超前指示值的价值取决于预测的精度、超前期的长度和稳定性，以及获得数据的难度和成本。 2. 合成指数由若干超前指示值的加权平均数组成。 3. 扩散指数是指某一时期增长的指示值序列数在全部序列数中所占比例。,合成和扩散数的计算 表一是三个月期的三个超前指示值序列。第1个月是基数，三个序列的权值假定是相等的。请根据这些数据编制合成和扩散指数。 表一,解： 确定扩散指数首先要确定每个序列的数据是否每月增加或减少。就第2个月来说，序列和序列是增加的，但序列是减少的。因此该月的指数是66.7。在第3个月，与第2个月比，所有的序列都是增长。因此，这个月的指数是100。,计算合成指数： 先计算每个序列的百分比的变化（相对于基月）。第1序列第2个月的百分比变化为6.25%；第2序列为-3.33%；第3序列为10%。如果每个序列的权值相等，其平均百分比变化为4.31%。第1个月的合成指数可随意定为100，所以，第2个月的指数为104.31。对第3个月来说，与基期比较的变化分别为： 60/400=15%; 3/30=10%; 35/100=35%，平均变化为20.0%。因此，第3个月的合成指数为120.0。,每个月两种指数的值见表二。这两种指数都说明在以后几个月中经济条件将得到改善 表二,四、投入/产出分析法,计量经济模型可用来预测一个部门的需求变化，但却不能用来评价这种变化对其他部门的影响。 一、交易矩阵 投入/产出分析是根据说明行业间历史销售模式的表格来进行的，表格中的数据通常是通过对企业样本的调查得来的。 如图，两个数字合起来表示制造业销向其他企业的总销售量，这种销售量有时称为中间销售量（intermediate sales），因为这种产量在生产者销给消费者的产品中是作为投入来使用的。,2个部门的投入/产出,二、直接需要矩阵 如果交易矩阵数列中的每个元素都除以该部门产品的总销售量，就得出投入/产出的直接需要矩阵。直接需要矩阵中每一列的元素可解释为，该列所代表的部门的产品需求变化1美元，会使有关部门的销售收入产生多大直接变化。 三、直接和间接需要矩阵 直接需要矩阵表示一个部门需求变化的直接影响，但这一矩阵的元素并没有考虑二次和其他间接影响。,投入/产出的优缺点,投入/产出模型的主要价值在