服装行业的需求分类与预测方法

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需求消費者有购买欲望而且能够购买需求的例子衣,食,住,行需求的特征需求的相关性第1产业,第2产业,第3产业之间(投入产出)产品的生产需要人,财,物气温上升导致空调需求增加需求的不确定性个人的需求变化需求的相关关系的変化订货生産需求的连续性時序列分析将来需求的预测可能性需求的种类及其关系显在需求已决定购买的到期更新的设备已支付货款潜在需要不满足需求的实现条件(资金、空间等)零需求没有购买欲望的潜在需求创出需求经过企业的努力、顾客产生了购买欲望的需求????有欲望、有条件、但还没有购买的需求????没有欲望、有条件的需求需求变动的分类确定、动态稳定不确定、动态不稳定确定、动态稳定不确定、动态不稳定例1汽车组装厂与零部件供应商每月供应坐位10万空调组装与压缩机供应4月－6月:每月供应1万台其他时间每月供应2千台例2汽车的月生产量1月、2月、3月、4月、5月100、100、100、100、1001月份的销售量第1週、第2週、第3週、第4週20、

30、

25、

25汽车销售商的月销售量1月、2月、3月、4月、5月100、200、300、400、5002月份的每周销售量1週、2週、3週、4週40、50、80、30需求4种变动曲线的示意图

需求時間需求時間需求時間需求時間预测方方法预测种种类需求预预测经济预预测销售预预测生产预预测价格预预测其他（赛马、垒球、足球）彩票?需求预预测的的实用用条件件预测精精度预测方方法的的评价价标准准精度(Accuracy)柔性(Bending)合理性性(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：x1,x2,x3,x4,…xn预测值值：y1,y2,y3,y4,…ynyt+1=(xk+xk+1+xk+2…+xk+H)/Hk=t-Hk=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)=αx(t)+(1-α)y(t)z(t+1)=αy(t)+(1-α)z(t)u=2y-zb(t+1)=α(y(t+1)-y(t))+(1-α)b(t)z(t+1)=y(t)+(1/α)b(t+1)3次次平平滑滑法法y(t+1)=ααx(t)+(1-αα)y(t)z(t+1)=ααy(t)+(1-αα)z(t)u(t+1)=ααz(t)+(1-αα)u(t)v=3y-3z+uWinter式平平滑滑法法CompleteexponentialmodelNaïïvemodelSimpleforecastingmodelBasicValueTrendfactorSeasonalfactorBasicValueBeta:seasonalfactorGamma:trendfactorTrendfactorSeasonalfactor预测测方方法法BasicvalueSeasonalfactortrendfactorARIMA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λ(p)=Cov(z(t),z(t-p))=E(z(t)z(t-p)λ(1)=E((ΦΦ(1)××z(t-1)+a(t))××z(t-1)））=ΦΦ(1)××λλ(0)+E(z(t-1))××E(a(t))=ΦΦ(1)××λλ(0)λ(p)=ΦΦ(1)××λλ(0)ρ(p)=λλ(p)/λλ(0)=ΦΦ(1)pp记忆忆函函数数z(t)=Φ(1)×z(t-1)+a(t)z(t)=a(t)+ΦΦ(1)××a(t-1)+ΦΦ(1)××a(t-1)+……Stationarycondition(定常常性性条条件件)Var(z(t))=Var(z(t-1))E(z(t)××z(t))=ΦΦ××ΦΦ××Var(z(t-1))+0+σσ××σσ｜ΦΦ｜｜＜＜１１2移动动平平均均模模型型(MA)MA(1)移動動平平均均演演算算子子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-stationarymodelRandomwalkingz(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)=Φ(1)w(t-1)+a(t)-θθ(1)a(t-1)ARIMA(1,1,1)普遍地写成成,ARIMA(p,d,q)差分与和分分：z(t)=w(t)+w(t-1)+w(t-2)……Bass模型成长曲线潜在市场规规模为m,革新系数为为p,模仿系数为为q已经购买的的人数：y(t)p(t):时间t上的的购购买买概概率率p(t)=p+q××y(t)/mx(t):时间间t上的的购购买买人人数数x(t)=p(t)××未购购买买者者人人数数=p(t)