预测的应用
定性预测应用实例
定性预测应用实例例1：区际对比类推法某市下辖Al 、A2、A3、A4四个区，各区人口及去年卷烟销量见下表，经过对Al 区卷烟消费者的抽样调查，预测今年Al 区的人均卷烟需求为7.8条/人，假设今年人口数不变，各区保持和去年同样的销售比率，请运用对比类推预测法，根据Al 区情况预测各区今年的卷烟销售量。
（保留3位小数） 表1 某市去年四区卷烟销售量类推计算如下：1）计算去年各区人均卷烟需求2）以Al 区的去年人均卷烟需求为基准，计算其余各区相对于Al 区的去年人均卷烟需求相对值3）类推计算今年各区人均卷烟需求4）计算各区今年卷烟销售量预测值以上是比例联测法比例联测法是以某地市场需求观测为基础，运用比例法推算其他地区的市场需求量的一种预测方法。
推算公式为乙地需求量=甲地需求量×甲地销售量乙地销售量=甲地需求量×乙地占甲地销售的比例 【例】本年度甲地汽车销售量为43880辆，乙地销售量为41379辆，丙地销售量为37520辆。
据预测明年甲地汽车销售量为46250辆，用比例联测法预测乙、丙两地明年汽车销售量为乙地：)(43614438804139746250辆=⨯丙地：)(39546438803752046250辆=⨯练习：领先落后指标法练习：购买意向调查预测法购买意向预测法是一种在市场研究中最常用的市场需求预测方法。
这种方法与问卷形式征询潜在的购买者未来的购买量，由此预测出市场未来的需求。
由于市场需求是由未来的购买者实现的，因此如果在征询中潜在的购买者如实反映购买意向的话，那么据此作出的市场需求预测将是相当有价值的。
在应用这一方法时，对生产资料和耐用消费品的预测较非耐用品精确，这是因为对非耐用消费品的购买意向容易受到多种因素的影响而发生变化。
【例】：在某市区进行空调机需求的市场调查中，访问500个样本，被访者表明购买意向如下：一定会买 150人占30%可能会买 75人占15%不能决定是否购买 125人占25%可能不会买 100人占20%肯定不会买 50人占10%总计 500人占100%对于上述的调查答案还必须进行某种加权处理才能得出符合实际情况的结论。
预测模型在销售预测中的应用
预测模型在销售预测中的应用随着人工智能和数据科学技术的发展，预测模型在各行各业中的应用越来越广泛。
其中，销售预测是预测模型应用的一个重要领域。
通过预测模型，公司能够更好地了解市场需求和消费者行为，并基于此做出更加科学合理的市场决策。
销售预测模型的意义销售预测模型是一种基于数据和分析的数学模型，它能够根据历史销售数据、市场调研数据、市场趋势数据等多种因素，对未来销售额进行预测。
销售预测模型的使用有以下几个方面的意义：1. 优化库存管理。
通过销售预测模型，公司能够更好地预估未来的产品需求量，进而优化产品的库存管理。
这不仅可以减少公司的库存成本，还能够提升客户服务水平。
2. 优化生产计划。
销售预测模型可帮助公司进一步分析产品销售趋势，预测产品的生命周期及市场需求，从而对生产计划做出更加准确的预估和安排。
这有利于大幅减少企业因为生产计划不足或过剩带来的损失，提高产能利用率。
3. 指导营销与销售策略的制定。
销售预测模型可为企业提供对市场和消费者需求的深入分析，帮助企业制定更加精准的营销和销售策略。
销售预测模型的应用场景销售预测模型被广泛应用于各种行业中，以下为几个典型的应用场景：1. 零售业。
零售企业可以通过销售预测模型对各类商品的销售情况进行预测，从而进行合理的货物采购和库存管理，提高资源利用效率。
2. 制造业。
制造企业可以通过销售预测模型预测产品的需求量，并据此进行生产计划的安排。
从而避免因生产计划不足或过多带来的损失和浪费，提高生产效率。
3. 金融业。
金融企业可以利用销售预测模型对市场趋势及客户需求进行分析，从而制定更加准确的投资策略和风险管理方案。
销售预测模型的构建流程销售预测模型的构建流程包括以下几个步骤：1. 数据采集。
首先需要收集与销售预测相关的数据，包括历史销售数据、市场调研数据、市场趋势数据等。
数据采集的质量和数量对于模型的构建至关重要。
2. 数据清洗。
由于数据可能存在缺失、重复、错误等问题，因此需要对数据进行清洗和处理，保证数据的准确性和完整性。
预测在实际中的应用
姓名：乔龙学号：20100420619 专业：土木工程一、什么是预测预测是对未来可能发生的情况的预计与推测。
内于未来情况有很大的不确定性和变化，预测不可能是绝对准确的。
一般说来，总量预测比单项预测淮确，短期预测比长期预测难确。
但即使是采用成熟的方法进行的十分周密的预测，也可能与未来事实不完全相符，甚至相差很远。
事实上．与未来事实完全一致的预测是相当少见的。
然而．“凡事项则立，不预则废”，尽管预测不可能百分之百淮确，它仍具有不可忽视的作用。
预测不仅是长期的战略性决策的重要输入，而且是短期的日常经营活动的重要依据。
任何组织都应当通过预测来指导自己的生产活动。
比如服务行业，其服务一般是不能存储的，因此，必须尽可能难确地估计未来的需求．以配置适当的服务能力。
如果员工太多．势必造成浪费；如果员工太少，就可能失去生意、丧失顾客，或者加重员工的工作负担。
预测的种类：科学预测、技术预测、经济预测、需求预测、社会预测二、影响需求预测的因素：1、商业周期商业周期从复苏到高涨到衰退到萧条．周而签姑。
处丁不向的阶段，需求不同。
2、产品生命周期任何成功的产品都包括导入期、成长期、成熟期和衰退期4个阶段。
4个阶段对产品的需求是不同的。
在导入期，顾客对产品了解得不多，销售量不会很大，但呈逐步上升趋势。
到了成长期，产品需求急剧上升，一般会出现仿制品，将影响销售量上升的速度。
到了成熟朗，每个希望拥有某种产品的人都能买到这种产品，销售量达到最高点。
到了衰退期，产品销售量下降，若不进行更新换代或改进．产品就不会有销路。
三、预测的一股步骤预测的一般步骤可简尽叙述如下：①决定预测的目的和用途；②根据企业不同的产品及其性质分类；③决定影响各类产品需求的因素及其重要性；④收集所有可以利用的过去和现在的资料，加以分析；⑤选择适当的预测方法或模型；⑥计算并核实初步颈洲结果；⑦考虑和设定无法预测的内外因素；⑧对⑥、⑦两步进行综合考虑，判断并做出结沦，然后求出各类产：品或地域性的需求预测；⑨将预测结果应用于生产计划工作中；⑩根据实际发生的需求对预测进行监控。
消费者需求预测的方法和应用
消费者需求预测的方法和应用消费者需求预测是指企业利用市场调查、消费者品牌收藏、消费者购物行为等多方面，分析和推断消费者未来可能消费的品种、数量、价格、消费时间等，从而为企业制定合理的营销策略、降低资源分配等，提供指导性意见。
消费者需求预测的方法和应用受到企业的关注，有助于企业更好地适应市场变化，实现更高的经济效益。
一、消费者需求预测的方法1、市场调查法。
市场调查是指专业的机构或者企业调查消费者的消费习惯、偏好、消费需求等，以确定消费市场的规模及其发展趋势。
市场调查可以通过问卷调查、观察法、实验法等方法直接向消费者了解他们的需求及其变化，从而更加准确地预测未来消费者的需求。
2、消费者品牌收藏法。
消费者品牌收藏法是指企业分析消费者历史上收藏的品牌、价格、品质等，以及消费者购买行为的变化，从而预测消费者未来购买行为的趋势。
3、消费者购物行为分析法。
消费者购物行为分析是利用数据挖掘、机器学习、知识发现等技术，对消费者购物行为进行深入分析，从而发现消费者购买行为的规律，从而预测未来消费者的购买行为。
二、消费者需求预测的应用1、提供精准的市场预测。
消费者需求预测能够及时发现消费者的变化，准确预测未来市场的趋势，为企业提供精准的市场预测，从而帮助企业提前做好营销计划，把握商机。
2、提高营销效率。
消费者需求预测可以帮助企业了解消费者的偏好，根据消费者的需求，及时调整营销策略，提高营销效率，节约企业的营销成本。
3、改善企业管理水平。
消费者需求预测可以及时发现消费者需求的变化，从而帮助企业在产品的设计、制造、销售等方面进行调整，改善企业的管理水平。
综上所述，消费者需求预测是一项重要的管理活动，对企业营销策略的制定、资源的分配都有着重要的指导作用。
消费者需求预测的方法和应用为企业制定有效的营销策略，改善管理水平提供了重要的参考，也提高了企业的经济效益。
企业应该重视消费者需求预测的研究，把握消费者变化的规律，及时调整营销策略，以提高企业的竞争力。
会计预测经济前景的实际应用
会计预测经济前景的实际应用会计预测在经济前景的实际应用中起着重要的作用。
以下是一些关于会计预测在实际应用中的例子：1. 财务规划和预算编制：企业可以利用会计预测来制定财务规划和预算。
通过分析历史财务数据和市场趋势，会计师可以预测未来一段时间内的收入、支出和利润等关键指标。
这有助于企业制定合理的财务目标，并为决策提供依据。
2. 经营决策支持：会计预测可以为企业的经营决策提供重要的支持。
通过预测未来的财务状况和盈利能力，企业可以评估各种决策对财务绩效的影响。
例如，企业可以通过会计预测来评估是否购买新设备、扩大业务规模或进行市场推广活动等。
3. 资金筹集和投资决策：会计预测对于企业的资金筹集和投资决策也非常重要。
当企业计划筹集资金或进行投资时，会计预测可以帮助企业预测未来的现金流量和财务回报。
这有助于企业评估风险和回报，并为投资者和融资机构提供可靠的信息。
4. 风险管理：会计预测可以帮助企业进行风险管理。
通过对财务数据和市场趋势进行分析，企业可以预测潜在的财务风险，并采取相应的措施来减轻风险的影响。
例如，企业可以通过会计预测来评估汇率风险、市场需求波动或供应链中的潜在问题。
5. 外部报告和投资者关系：会计预测也在企业的外部报告和投资者关系中发挥作用。
企业可以利用会计预测来向投资者和利益相关方提供关于未来财务状况和业绩的信息。
这有助于建立信任、增强透明度，并为投资者的决策提供有价值的参考。
总而言之，会计预测在经济前景的实际应用中是非常有用的。
它可以帮助企业制定财务规划、支持经营决策、评估风险、进行资金筹集和投资决策，并向外部利益相关方提供准确的财务信息。
预测分析在企业管理中的应用
预测分析在企业管理中的应用近年来，预测分析在企业管理中的应用越来越广泛，其作为一项强有力的工具，可以帮助企业经营者有效地把握市场趋势和客户需求，从而更加精准地进行业务决策，提高营销效率和经济效益。
本文将介绍预测分析的概念、应用场景以及它在企业管理中的实际应用效果。
一、预测分析的概念及应用场景预测分析是指使用数据挖掘和机器学习等技术，对过去和现在的数据进行分析、建模和预测，以得出未来的可能性和趋势。
其主要应用场景包括市场营销、销售预测、客户关系管理、供应链管理、风险管理等领域。
比如，企业可以通过预测分析来研究市场趋势，预测产品需求量和销售市场，实现资源优化配置和市场拓展，提升竞争力和经济效益。
二、预测分析在企业管理中的应用效果1. 销售预测在销售预测方面，预测分析可以通过对历史销售数据进行挖掘和建模，预测不同地区、不同季节、不同产品等的销售情况，从而实现销售策略的优化和销售计划的制定。
比如，一家汽车企业可以通过预测分析来预测某地区某款车型的销量，从而合理规划生产计划和销售策略，提高销售率和效益。
2. 客户关系管理预测分析在客户关系管理中的应用可以帮助企业了解客户的消费习惯、需求和反馈，从而更好地提供个性化的服务和产品，增加客户满意度和留存率。
比如，一家电商企业可以通过预测分析来预测客户的购买行为和需求，从而个性化推荐商品和促销活动，提高客户忠诚度和购买率。
3. 供应链管理预测分析在供应链管理中的应用可以帮助企业更好地管理供应链物流、库存和订单等流程，优化资源配置和减少成本。
比如，一家餐饮企业可以通过预测分析来预测菜品的销售量和库存量，从而减少库存浪费和提高利润率。
4. 风险管理预测分析在风险管理中的应用可以帮助企业及时识别潜在的风险和危机，并采取相应的应对措施，降低企业的损失风险。
比如，一家保险公司可以通过预测分析来预测客户的赔付风险和赔付金额，从而制定合理的保险方案和赔付标准，降低赔付损失和提高风险管理效率。
现金流量预测的方法与应用
现金流量预测的方法与应用现金流量预测是企业财务管理中至关重要的一项工作。
它能帮助企业合理规划资金使用，提前预知现金流动的情况，为企业决策提供参考。
本文将介绍现金流量预测的基本方法和应用。
一、现金流量预测的重要性现金流量是企业生存和发展的血液，它反映企业经营活动中的资金流入和流出情况。
预测现金流量不仅可以帮助企业及时发现和解决资金短缺问题，还可以为企业的投资决策、经营计划、财务安排提供依据，确保企业稳健运营。
二、现金流量预测的方法1. 直接法直接法是通过对企业现金收入和现金支出的明细进行预测，进而得出净现金流量。
预测现金流入时，考虑到销售收入、资本收益等因素；预测现金流出时，则需要考虑原材料采购、工资支出、税费等因素。
直接法适用于企业现金流量情况相对简单、业务结构稳定的情况。
2. 间接法间接法是通过对企业利润和损益表信息进行调整，得出净现金流量。
首先需要将利润与净现金流量进行调节，再根据其他非现金活动对现金流量进行补充或调节。
间接法适用于企业业务复杂，不同业务所需现金流量不同的情况。
三、现金流量预测的应用1. 帮助企业规划资金使用通过对现金流量进行预测，企业可以合理规划资金使用，避免出现过度投资或资金不足的情况。
预测结果可作为企业融资、投资决策的依据，对企业长期稳定发展至关重要。
2. 辅助企业决策现金流量预测可为企业经营决策提供参考。
通过预测不同决策方案的现金流量情况，企业可以选择最有利可图的方案，并进行风险评估。
同时，预测结果还能帮助企业制定合理的销售目标、成本控制策略等。
3. 提供财务安排依据现金流量预测结果可以作为企业财务安排的依据，帮助企业做好预算编制、经营计划等工作。
通过对预测结果的分析，企业能够调整资金结构、提高资金使用效率，确保企业财务的健康运作。
4. 评估企业财务风险现金流量预测可以帮助企业评估财务风险。
通过对现金流入和流出的预测，企业可以及时发现和解决资金短缺问题，提前制定应对措施，避免因资金问题导致的经营困境。
安全预测的基本原理应用
安全预测的基本原理应用1. 简介安全预测是指通过对已有的数据进行分析和挖掘，以确定可能发生的安全事件，并采取相应的措施来防范和减轻安全风险的方法。
本文将介绍安全预测的基本原理和其应用。
2. 安全预测的基本原理安全预测的基本原理主要包括以下几个方面：•数据收集和处理：通过收集和整理相关的安全数据，构建可用于分析的数据集，包括攻击记录、漏洞信息、安全事件统计等。
•特征工程：对收集到的数据进行特征提取和选择，以便能够更好地表示数据的特征和特性，为后续的建模和分析提供基础。
•建模和分析：采用合适的机器学习算法或统计分析方法对数据进行建模和分析，以预测未来可能发生的安全事件。
常用的方法包括决策树、支持向量机、神经网络等。
•模型评估和优化：对建立的预测模型进行评估和优化，根据评估结果进一步改进模型的性能和准确性。
3. 安全预测的应用领域安全预测的应用领域广泛，下面将介绍几个常见的应用场景。
3.1 网络攻击预测通过分析历史的网络攻击数据和漏洞信息等，可以预测未来可能发生的网络攻击事件。
这对于网络安全团队来说非常重要，可以提前采取相应的措施来预防和减轻网络攻击的风险。
3.2 恶意代码检测通过分析恶意代码的行为特征和传播方式等，可以预测未来可能出现的新型恶意代码。
这对于反病毒软件和安全防护系统来说非常重要，可以提前识别并阻止新型的恶意代码。
3.3 用户行为分析通过分析用户在系统中的操作行为、登录记录等，可以预测用户可能存在的安全风险，如账号被盗用、账号被滥用等。
这对于维护用户的账号和个人信息安全非常重要。
3.4 交通安全预测通过分析交通流量、道路状况等数据，可以预测城市的交通安全风险，提前采取交通管制措施，减少事故的发生。
3.5 金融欺诈检测通过分析用户的交易记录、行为特征等，可以预测可能发生的金融欺诈事件，提前防范和减轻金融风险，保护用户的财产安全。
4. 小结安全预测是通过对已有数据的分析和挖掘，预测未来可能发生的安全事件，并采取相应的措施来防范和减轻风险的方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第十章预测方法的选择与结合运用第一节预测方法的比较与选择上述各章我们介绍了各种统计预测方法。
有定性预测方法, 也有定量预测方法; 有因果预测方法, 也有时间序列预测方法。
各种预测方法都为我们探索事物发展的未来趋势提供了很好的思路和手段。
但同时, 每一种预测方法, 各有自己的出发点、各自的特点和使用场合, 而预测对象又是复杂的, 为此, 预测者如何选择合适的预测方法, 是预测必须面临的首要问题, 也是关系预测成功与否的关键。
本章就预测方法的比较和选择做一阐述。
一、预测方法的比较(一) 定性预测方法与定量预测方法定性预测方法是从定性概念出发判断客观事物发展过程未来趋势与性质, 目的是对预测对象有一个概括的了解, 描述客观事物发展过程的未来趋势, 分析判断现象出现的可能性。
例如对转折点的分析预测、对新产品的预测常采用定性预测方法。
定性预测方法大都集中专家的意见和智慧, 有时是实际经验的总结概括, 通过直观判断得出结论的。
对一些影响因素复杂, 综合抽象程度较大、牵扯社会心理因素较多的问题, 特别是高层的战略预测问题, 定量预测方法难以描述, 常常利用定性预测方法来预测。
定性预测的优点如下:(1 )侧重于事物发展性质的预测;(2 )方法简单, 通用性强, 灵活性比较大, 并不需要高深的数学知识, 易被管理人员和决策者所接受;(3 )能够充分发挥人的主观能动性;(4 )对于未曾出现过的新问题预测特别适合, 适宜对转折点的预测。
定性预测的不足之处是:(1 )由于它是基于专家们的直观判断作出的预测, 因而缺乏严格的论证,也不能进行定量的精确描述, 数量概念较差;(2 )预测的准确性受到人的主观能动性的限制, 有时会出现专家意见不一致, 甚至相互矛盾的情况, 这时会使决策者难以应用。
有时往往传统观点占优势, 新观点而不被理解, 因此, 难以避免因循守旧的现象;(3 )预测结果往往受组织者的影响, 例如对于预测专家的选择上, 若组织者有偏见, 则不会客观选择专家, 从而使预测结果具有某种倾向性。
定量预测方法利用数量测度来说明客观事物发展过程未来趋势的, 能够给决策者提供确切的数量界限和科学依据。
由于许多的定量预测方法建立在科学的计算基础上, 加之计算机技术的应用, 使更为复杂的定量预测方法得以迅速实现, 所以, 在近年来的实际应用中取得了良好的预测效果, 也越来越受到人们的信赖和重视。
定量预测的优点如下:(1 )侧重事物发展定量方面的预测, 依据历史数据, 运用模型进行预测, 很少受到主观因素的影响;(2 )预测结果能够给出比较准确的定量描述;(3 )能够综合利用统计学、数学等学科的基本原理, 充分利用预测对象的信息; 利用计算机技术进行数据处理, 预测过程准确、方便、快捷。
定量预测的不足在于, 方法比较机械, 灵活性差, 对原始数据的质量要求比较高, 不便对事物发展性质方面进行预测。
很多定量预测方法还不够完善, 适用范围有限。
定性预测与定量预测并不是互相排斥的, 相反可以相互补充, 定性预测方法需要定量处理, 定量预测方法也需要进行定性分析, 在实际中应有机结合运用。
(二) 常用定量预测方法的比较研究者们曾就一些常用的定量预测方法的精度进行比较研究, 并给出结论, 但有些结论是一致的, 有些结论则是矛盾的。
例如, 有的用移动平均预测法、指数平滑预测法和回归分析预测法对时间序列预测进行比较, 结论是, 根据每月的预测精度来看, 指数平滑预测法的预测效果最好。
当预测期延长到六个月或六个月以上时, 移动平均预测法和指数平滑预测法的预测效果比较接近。
而回归预测法则对一年或一年以上的预测可以获得较好的预测结果。
另外, 有的研究者对上述预测方法进行了类似的比较研究, 则认为移动平均预测法的最大优点是简单, 指数平滑预测法对于短期预测来说精确度最好, 但究竟指数平滑预测法中那一种模型更优, 各自的看法又不一致。
对于随机时间序列预测方法中的自回归移动平均模型、指数平滑预测法及回归分析预测法的研究表明, 自回归移动平均模型的预测精度最高。
当预测一个时期时, 发现在73% 的实例中自回归移动平均模型的预测精度最高, 232 第十章预测方法的选择与结合运用当预测期增加到六个时期时, 在57%的实例中仍然是自回归移动平均模型的预测精度最高。
但有的研究者的结论却相反, 认为指数平滑预测法和自回归移动平均模型的预测效果相同, 有时反而认为自回归移动平均模型的预测效果倒稍差一些。
当预测对象可以由某一种状态转化为另一种状态的概率来描述时, 可以应用马尔科夫预测法进行预测分析。
尽管这种方法, 只适用于具有某种特殊性质的问题, 但在很多可以应用这种预测方法的预测中, 它可以为管理者和决策者提供许多有价值的预测结果。
该方法应用的关键在于确定各种有关的状态, 只要能够把所述的对象归纳成独立的状态, 并且这种状态变化的概率只与目前的状态有关, 而与具体的时间周期无关, 就可以构造出状态转移概率矩阵, 依据状态、状态转移概率矩阵就可以进行相应的预测。
应用中, 状态的数目尽可能少一些效果较好, 而且这种方法计算简单、应用方便。
二、选择预测方法时注意的问题预测方法的选择不仅要考虑到预测对象的特性, 同时也应考虑到可以应用的预测方法的特性, 这是选择预测方法的基本出发点。
除此之外, 还应考虑所使用方法与所花费用相适应。
(一) 预测对象的特性预测是为进行决策, 以及制定规划和计划服务的, 因此, 预测对象的特性又取决于决策、规划及计划对象的特性。
需要考虑的预测对象的主要特性有: 1 .时间范围各级管理者进行决策, 以及制定规划和计划, 都是有时间界限的, 于是, 预测方法的选择要与进行决策、制定规划和计划的时间范围相适应。
预测方法所能够预测的时间范围, 要与各种决策起作用的时间相适应, 与要制定的规划或计划的时间相适应, 这样, 才能更好地满足各级管理者的需要。
一般说来, 决策分为短期决策、中期决策、长期决策, 计划分为短期计划、中期计划、长期规划, 分别按照一年以内, 一年到五年, 五年以上来确定时间范围, 为此, 也应该据此选择相应时间范围的预测方法。
2 .预测对象的详细程度进行决策、制定规划时, 根据需要其详细程度不同, 如国民经济规划、部门规划、地区规划、企业发展规划, 不同层次的规划考虑的问题不同, 规划的详细程度不一样, 部门规划侧重于产品组合的发展, 而企业规划要侧重某个产品的发展规划与决策问题。
因此, 预测方法的选择也要考虑到预测对象所要求的详细程度, 二者要相互适应。
第一节预测方法的比较与选择2333 .预测对象项目的多少地区发展规划的预测项目和一个企业发展规划的预测项目, 侧重点是不一样的, 要预测的项目的多少更是不同, 因此, 所采用的预测方法也不尽相同。
4 .预测对象的目的预测目的不同也决定预测方法的选择, 预测的目的常有两类: 一类属于计划决策的需要, 一类则属于过程控制的需要。
为了过程控制的需要, 则需要预测方法能够尽可能早的预测出过程失控的现象和原因, 以便及时采取措施予以校正。
为此, 要求预测方法要具备先期揭示和识别客观过程某些变化的能力。
而应用于计划目的的预测, 则是假定客观过程的现有发展模式发展到未来, 预测的侧重点在于识别这种发展模式极其稳定性, 并据此推断未来。
5 .预测对象发展过程的稳定性发展过程的稳定性不同预测方法也不同。
对于一个稳定的发展过程只要采用某种预测方法揭示出其中的发展模式, 并定期进行检验就可以达到为决策服务的目的。
而对于发展不具稳定性的过程, 则需要经常考虑影响发展变化的新的因素和信息, 并根据这些新的因素和信息不断地调整或修正模型, 以便揭示新的发展规律或趋势。
6 .决策过程预测的目的要为决策服务, 而有时决策是分阶段进行的, 有的预测是为某个决策阶段服务并提供预测数据的, 有的是要为整个决策过程服务并提供决策数据的, 这就要求预测方法还要适应决策过程的需要。
除上述要考虑的因素外, 预测时, 还要考虑到能够获取到的预测对象的数据资料的全面性、准确性和及时性问题, 可供使用的数据处理工具等。
(二) 预测方法的特性1 .预测的时间范围不同的预测方法预测的时间范围不同, 有的适用于长期预测, 有的适用于中短期预测。
相对于预测对象要求的时间范围, 应首先选择适用于相应时间范围的预测方法。
一般而言, 对于短期预测比较适用的方法有移动平均预测法、指数平滑预测法等。
随机时间序列预测法, 也可应用于短期预测, 但由于需要的数据量比较大, 相对而言, 花费的费用较大。
季节变化预测法、趋势外推预测法也适用于短期预测。
适用于中期预测的方法有回归分析预测法、随机时间序列预测法, 对于长期预测, 除回归预测法外, 定性预测法比较适用, 特别是把定性预测与定量预测结合运用, 对于长期预测效果较好。
234 第十章预测方法的选择与结合运用2 .预测资料的性质预测数据常见的类型有水平型、趋势型、季节型、循环型以及上述类型的组合, 对于不同类型的数据应选择不同的模型。
对于水平型的数据利用简单的移动平均法和指数平滑预测法就可以进行很好的处理。
对于较为复杂类型的数据, 则需要利用高阶的指数平滑预测法。
回归分析法有更强的适应能力, 除水平型数据外, 均可以处理。
多元回归法、随机时间序列预测法可以很好地处理季节型和循环型数据。
3 .模型的类型如前面各章所述预测方法有定性预测、定量预测, 定量预测有因果关系预测、时间序列预测, 时间序列预测又有确定型预测和随机型时序预测, 为此需要通过进行预测方法模型的比较来选择预测方法。
比如, 因果关系预测和趋势外推模型预测都使用回归预测方法, 都具有广泛的适用性和灵活性, 但是它们却不能处理自相关问题, 对于处理自相关问题, 使用随机时序模型更为适宜。
再如回归预测可以进行相关参数的检验, 可以进行区间预测, 而指数平滑预测法则不行, 为此, 应用中要根据决策者的要求加以选择。
4 .预测方法的精度预测方法的精度也是选择预测方法的一个重要标准。
第三章中给出了预测精度的度量方法。
测定预测精度时也有两种基本的方法, 一是利用完整的历史数据给出预测模型, 然后计算历史数据的模拟值与实际值的离差, 并计算精度指标; 二是将历史数据分成为两部分, 一部分用来估计模型参数, 给出模型, 一部分数据用于模型的验证, 计算精度指标, 来判断预测方法的效果。
另外, 使用预测精度进行选择预测方法时, 要考虑到预测方法对转折点的预测能力问题, 有些方法对转折点的预测能力较差, 如一元回归分析预测法。
为此, 一方面要对预测方法的预测精度要进行度量, 另一方面也要根据预测方法的预测性能, 预测转折点的能力, 来综合分析判断, 最后选择合适的预测方法。