管理经济学人大第四版第五章商业与预测

1第五章商业与经济预测

数据来源和预测技术的选择

时间序列分析法

气压表式预测法

投入-产出分析法

2一、数据来源和预测技术的选择必须进行销售估计才能规划未来适当的生产水平；财务经理需要估计厂商未来的现金流量，这就需要对未来可能的销售、生产、收入、支付以及资本支出水平做出预测；在规划资本投资时，需要预测未来的经济活动，才能估算出资本投资的收益；对货币和信用条件进行预测，以便使企业的现金需求能以最低的成本满足。3（一）数据来源缺点：费用较高；专家可能拒绝参考别人意见，使后几轮预测没有变化。1、专家意见德尔菲法Delphitechnique：第一步：组成企业外部的专家小组，各自独立工作，分别做出预测。第二步：每个专家被要求参考别人的数据修正自己的预测。第三步：重复第二步，一直持续到大家取得一致意见，或大家都不准备再修改意见。优点：有助于每个专家对每个人的预测做出评价。4

数据来源2、调查对管理者的计划进行调查可能是预测的一个重要数据来源，

也可以对消费者计划进行调查以获得预测数据。

如果没有现成数据，企业可以自己进行调查。

需要较高的调查技巧：措辞准确、不含糊；样本具有代表性；较高的答卷率；被调查人的反映真实等。调查法的缺陷——不准确：被调查人缺乏信息进行决策；未能认真考虑；不反映真实想法等。因此，调查数据一般作为决策的补充数据来源。5

数据来源3、市场实验市场实验法应注意的问题：实验市场的地区不宜太大，以节约费用和便于指导、分析；实验市场中的消费者应和企业目标市场消费者特征类似；应当有可能只向被实验人群做广告。优点：较真实反映消费者实际行动。缺点：具有风险。有可能会失去消费者。企业无法控制影响需求的所有因素；由于实验时间较短，消费者对企业的行动做出的反应不充分。

6（二）预测技术的选择1、预测的层级国民经济产业销售预测。单个企业的销售预测。总销售额、产品线销售额（量）等采购、生产预测：原材料订货量、员工雇佣量、运输、生产周期营销预测：销售资源配置、销售目标、促销规划现金需求预测长期资本支出和企业发展战略企业内部的预测层级7预测技术的选择2、选择预测技术的准则与使用某种技术而产生的潜在收益相比，建立预测模型的成本；将要预测的各种关系的复杂程度；预测的时间（长期或短期）；模型要求的精确性；制定决策所必要的前导时间取决于预测模型所估计的变量。8预测技术的选择3、评估预测模型的精确性评估预测模型精确度的一个指标是平均预测误差或均方根误差：

9

预测技术的选择4、可供选择的预测技术时间序列分析法气压表式预测法投入-产出分析法10二、时间序列分析法

用于预测某个特定变量值而收集的数据可以分为两大类——时间序列数据和横断面数据。时间序列数据：按不同时点顺序排列的一种经济变量的一系列数值。横断面数据：在相同时间观察到的一种经济变量的一系列数值

时间序列预测模型仅仅以被预测变量的历史观察值为基础，这类模型并不力求说明产生观察结果的主要因果关系。11

时间序列分析法趋势trend：一定时期内一个经济数据序列中的长期增加或减少。

周期性cyclicalpattern变化：在时间通常超过一年的经济序列中，存在着的重大的扩张和收缩。

季节性seasonality变化：这个因素在一年内造成了变动，它们在不同年份中或多或少是一致的。

随机波动randomfluctuation：一个经济序列受到基本上无法预见的随机因素的影响。

12（一）基本模型1．最简单模型该模型认为下一期变量的预测值将与该变量当期的数值一样。13例：某企业产品2013年度4月份销售量预测，其历史数据见下表月份年份2011201220131月2月3月4月5月6月7月8月9月10月11月12月237021002412237630743695355041723880293123772983244625202598253332503446398642223798294124882878258526932738141．最简单模型适用条件使用容易，理解简单。当历史数据表明被预测数据中短期内没有很大变化时，可以运用此模型对短期情况进行预测。因此，此模型的使用条件是，变化缓慢出现，或对未来相对较短的时期进行预测。缺点数据的可得性，需要迅速收集本期的实际数据。未考虑环境中已知变化的作用。152．模型的调整运用此模型，2013年4月份的预测值为2738+（2738-2693）=2783。16（二）趋势推测法这种方法是建立在这样的假设基础上，即在一个时间序列数据中存在着一种可识别的变化趋势。趋势预测也可用来作为确定周期性和季节性变化的出发点。171．曲线拟合的统计法这种方法主要是运用最小二乘法来估计方程的参数。一个经济序列中的长期变化会遵从几种不同类型的趋势。以下要讨论的是三种常见的情况：线性趋势、固定不变的增长率、下降的增长率。tYtYtY18（1）线性趋势——每期的变化数量为常数19时期数季度销售额（百万元）1234567891011121996，Ⅰ1996，Ⅱ1996，Ⅲ1996，Ⅳ1997，Ⅰ1997，Ⅱ1997，Ⅲ1997，Ⅳ1998，Ⅰ1998，Ⅱ1998，Ⅲ1998，Ⅳ300305315340346352364390397404418445对将来任何一个时期销售额的预测，可根据此式进行。例如，1999年第三季度（第15时期）的销售额预测值为：281.394+12.811×15=473.56例2：20（2）幂函数——固定不变的增长率（每期变化的比率为常数）21（2）幂函数——固定不变的增长率（每期变化的比率为常数）需要将其转换才能使用最小二乘法，令

α=lnY0,β=ln(1+g),则得出新方程：

这时可以运用最小二乘法估计参数，但应注意数据的转换。首先将观察（实际）数据转换为对数形式，估计出参数；然后，再将该参数进行转换，求出幂函数的参数。22时期数季度销售额的自然对数1234567891011121996，Ⅰ1996，Ⅱ1996，Ⅲ1996，Ⅳ1997，Ⅰ1997，Ⅱ1997，Ⅲ1997，Ⅳ1998，Ⅰ1998，Ⅱ1998，Ⅲ1998，Ⅳ5.7045.7205.7535.8295.8475.8645.8975.9665.9846.0016.0366.098用最小二乘法估计转换后的方程为：再求5.662和0.0353的反对数，得到最终函数方程为：232．时间序列数据中的季节性变动这里介绍进行季节性调整的趋势比率法ratio-trend。这种方法的步骤如下：根据预测方程计算出各年某一季度的预测值，并根据相应的观察（实际）值，求出各实际值与预测值之间的比率。求出以上各比率的平均比率。该平均比率就是在预测中队季节性误差的测定。运用该平均比率对根据预测方程求出的该季度预测值进行调整。24案例：接例2，对第4季度销售额的预测值进行调整。某公司销售额的预测方程为第一步：根据预测方程求出第4季度预测值，并求出各实际值和预测值的比率。年份第4季度预测销售额（百万元）第4季度实际销售额（百万元）第4季度实际/预测销售额199619971998332.64383.88435.133403904451.0221.0161.023平均=1.020第二步：求出平均比率，为1.020。第三步：运用平均比率进行季节调整。如1998年第4季度预测值为435.13，乘以平均比率1.020，调整后的预测值为443.8，更接近实际值445。25（三）移动平均数移动平均数是一种简单的平滑技术。它是指对一系列观察值加以平均得到一个预测值，即选取一定数目观察值，计算其平均值，并将这个平均值作为下一期预测值。其目的在于为尽量减少随机因素在预测中的影响。注意：N越大，平滑效果越明显。选择合适的N应当选择使观察值和预测值之间的离差的平方和或RMSE最小的N。26（四）指数平滑法指数平滑法exponentialsmoothing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数。271．指数平滑法的运用根据指数平滑法，第n+1期的预测值等于第n期的观察值同预测值的加权平均，

28这表明，一个指数加权移动平均数的一般公式，就是对所有的过去观察值的一种加权平均，权数是由几何级数定义的：(1-w)0w,(1-w)1w,(1-w)2w,(1-w)3w,(1-w)4w,(1-w)5w……如果w接近1.0，近期的观察数据就有较大的权数；

注意，该公式无法预测，因为没有Y0或。这个问题通常可以通过假定第1期的预测值等于该期的观察值来解决，即=Y1。在公式中，这就意味着=Y1。29

周次t销售量Ytw=0.20w=0.40w=0.60

w=0.801234567891011400430420440460440470430440420-400.00400.00406.00408.80415.04424.03427.23435.78434.62435.70432.56400.00400.00412.00415.20425.12439.07439.44451.67443.00441.80433.08400.00400.00418.00419.20431.68448.67443.47459.39441.76440.70428.28400.00400.00424.00420.80436.18455.23443.05464.61436.92439.38423.88302．平滑常数的选择观察值和预测值之间的离差的平方和最小，即w的选择应当使或RMSE最小。例如，根据上表的数据，w的不同取值的情况为：平滑常数离差平方和0.200.400.600.806484.234683.874213.084394.52313．对指数平滑法的评价优点允许近期数据有较大权数；增加新的观察数据，使预测适应新情况时较为简便，无需像趋势推测法那样重新估计方程。缺点如果数据呈现明显趋势，用其预测就不太准确。如果时间趋势为正值，根据指数平滑法预测就会太低；如果时间趋势为负值，根据指数平滑法预测就会太高。因此，当数据中没有明显的时间趋势时，使用指数平滑法才较合适。32三、气压表式预测法找出与第1个数据序列相关的第2个数据序列。这样，通过观察第2个序列的变化就能预测第1个序列。这时，称第2个序列是第1个序列的指示值indicator。

33（一）领先、同步和滞后指标如果一个序列的变化总是发生在另一个序列的变化之前，前者就为超前指示值leadingindicator。如果一个序列的变化总是与另一个序列的变化同时进行，前者就是同步指示值coincidentindicator。如果一个序列的变化总是发生在另一个序列的变化之后，前者就为滞后指示值。就好像气象学家利用气压表上的气压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，因此，这种方法称为气压表式预测法barometricforecasting。34领先、同步和滞后指标超前指示值的有用性取决于以下因素：指示值必须准确。它的波动必须与要预测的序列的波动紧密相关。指示值必须有足够的超前期。超前期太短，指示指标的作用就不大。超前期相对稳定。不能有时超前2年，有时超前6个月。35（二）合成指数和扩散指数

合成指数就是各种指示值的加权平均数。权数是根据每个序列的预测能力来定的。例如，最常用的合成指数，就是美国商务部根据11种超前指示值编制的。

扩散指数是对逐月增长的时间序列在商务部11种时间序列中所占比例的度量。其优点是减少了因以单一序列的短期波动为基础形成错误预测的可能性。例如，8种指示值是增长的，则该月的扩散指数为8/11；若全部指示值都下降则为0。如果扩散指数在几个月中都超过50%，则说明经济条件改善。36合成指数和扩散指数合成指数和扩散指数预测的缺陷预测不是十分准确；超前期的变动性大；难以预测变化的大小，更多的是一种定性指标；没有很好的为特定企业进行预测的超前指示值。37四、投入-产出分析法投入-产出分析方法可用于分析产业之间的联系和影响。38（一）交易矩阵横行表示每个部门的产品销售给谁。前两列表示中间销售量intermediatesales。纵列表