第三章 市场预测方法

　　第一节 市场预测的主要方法

　　一、目的：市场预测是在市场调查取得-定资料的基础上，对市场未来的发展状态、行为、趋势进行分析并做出推测与判断，其中最为关键的是产品需求预测。

　　二、分类定性预测：类推预测法、专家会议法、Delphi法，核心是专家依据个人的经验、智慧和能力判断定量预测：因果预测、延伸性预测、其他（经济计量分析、投入产出分析、系统动力模型、马尔科夫链）

　　第二节 因果分析法

　　因果预测：通过寻找变量间因果关系，分析自变量对因变量的影响程度。适用于存在关联关系的数据预测。

　　1、回归分析法：数理统计方法，建立自变量与相关随机变量的回归分析模型，预测随机变量的未来值。按分析中自变量个数分一元回归、多元回归；按自变量与因变量关系分线性回归、非线性回归。

　　2、弹性系数法：通过计算2变量相对变化弹性关系预测，衡量某变量的改变所引起的另1变量的相对变化。

　　某市2000年GDP达到1788亿元，当年电力消费量269kW.h.预计未来10年中前5年和后5年，GDP将保持9％和8％的速度增长，则用弹性系数法预测2005年和2010年该市电力需求量分别为多少？经专家分析，该市电力需求弹性系数如表所示。该市电力需求弹性系数表

　　[解答]

　　按照公式　　ε_E＝（ΔE/E）/（ΔGDP/GDP）

　　2001—2005年和2006—2010年电力弹性系数分别为0.66和0.59，则2001~2005年和2006~2010年年均电力需求增长速度：

　　2001—2005年＝电力消费弹性系数×GDP年增长速度＝0.66×9%＝5.9%

　　2006—2010年＝0.59×8%＝4.7%

　　于是，2005年该市电力需求量：

　　2000年电力消费量×（1＋电力需求年增长速度2001—2005年）⁵=359.15万KW·h

　　2005年电力需求量：

　　2005年需求量×（1＋电力求救年增长速度_{2006—2010年}）⁵

　　359.15×（1+4.7%）5=451.86万KW·h

　　y = a + bx + e

　　 a——回归常数，

　　b——回归系数；

　　e——回归余数，

　　误差项

　　回归检验：一元回归，相关检验与t检验、F检验效果相同；多元回归分析，t检验与F检验作用差异大

　　1、方差分析

　　2、其中：，偏差平方和，反映n个y值的分散程度——总变差，回归平方和，反映x对y线性影响的大小——可解释变差Σ（y_i - y_i^'）²=ESS，残差平方和，由e造成，反映非线性影响和观察误差——未解释变差可决系数 R² =RSS / TSS

　　——评价2变量之间线性关系强弱的指标

　　2、相关系数检验

　　R=1，x与y完全正相关，R=－1，完全负相关，R=0，x与y没有线性关系。查相关系数检验表，在自由度n-2（n为样本个数）和显著性水平α=0.05下，若R>临界值，则x与y间线性关系成立。

　　R的绝对值越接近1，表明其线性关系越好；反之，R的绝对值越接近0，表明其线性关系越不好。

　　3、t检验 ——回归系数的显著性检验，判定预测模型x与y间线性假设是否合理——检验

　　t b服从t分布，通过t分布表查显著性水平α自由度n-2数值t（α/2，n-2）；若| t b |>t，线性假设合理4、F检验 ——回归方程的显著性检验，检验预测模型的总体线性关系的显著性。

　　三、非线性回归 —— 前提：如非线性关系可通过取对数变成线性关系

　　1、y = e a + bx 对数模型 ln y = a + bx

　　2、y = ab x 对数模型 lg y = lg a + x*lg b 用最小二乘法对模型估计，计算A、B；求出置信区间；修正四、弹性系数分析优点：计算方便、成本低、需要数据少、灵活广泛；缺点：局部性、片面性、粗糙

　　（一）收入弹性 = 购买量变化率/收入变化率 =（ΔQ/Q）/（ΔI / I）

　　—— 商品价格保持不变

　　（二）价格弹性 = 购买量变化例/价格变化例 =（ΔQ/Q）/（ΔP/ P）

　　—— 收入水平保持不变

　　（三）能源需求弹性：反映包括社会总产值、国内生产总值、工农业总产值、国民收入、主要产品产量能源的国内生产总值弹性 = 能源消费量变化比例 / 国内生产总值变化比例 =（ΔE/E）/（ΔGDP/GDP）

　　五、消费系数法步骤：

　　①分析产品所有消费部门或行业现存和潜在市场；

　　②分析产品在各部门或行业消费量与各行业产品产量，确定消费系数；

　　③确定各行业规划产量，预测消费需求量；

　　④汇总。

　　第三节 延伸预测法延伸性预测：根据市场各种变量的历史数据的变化规律，对未来预测。

　　适用于有时间序列关系的数据预测条件：

　　①预测变量的过去、现在和将来的客观条件基本保持不变；②预测变量的发展过程渐变。

　　一、简单移动平均法： F_t+1 = 1/n Σx _i 属于平滑技术，变化趋势较原始数据变化幅度小适用于短期预测，以月或周为单位的近期预测；对原始数据预处理n值越小，表明对近期观测值预测的作用越重视，预测值对数据变化的反应速度也越快，但预测的修匀程度较低，估计值的精度也可能降低。反之n值越大，预测值的修匀程度越高，但对数据变化的反映程度较慢。因此，n值的选择无法二者兼顾，应视具体情况而定。一般3-200，视序列长度和预测目标情况而定。

　　二、指数平滑法：指数加权平均法，实际是加权的移动平均法，它是选取各时期权重数值为递减指数的均值方法。通过某种平均方式，消除历史统计序列中的随机波动，找出其中主要的发展趋势。

　　一次指数平滑 F_t =αx _i +（1-α）F_t-1 ——适用于市场观测呈水平波动，无明显升降趋势的预测这种方法与简单移动平均法相似，两者之间的区别在于：简单指数平滑法对先前预测结果的误差进行了修正，因此这种方法和简单移动平均法一样，都能够提供简单适时的预测。

　　以本期指数平滑值作为下期的观测值。α是前一观测值和当前观测值之间的权重。大的α导致较小的平滑效果，较小则产生客观的平滑效果，α接近0，新预测值只包含较小的误差修正因素。

　　观测值稳定水平发展，α取0.1-0.3；波动较大，取0.3-0.5；波动很大，取0.5-0.8初始值F0实质是序列起始点前历史数据的加权平均值。当时间序列数>20，F₀=X1；<20，取前3-5平均值。

　　三、成长曲线模型：反应时间序列呈S型增长曲线 Y_t = e^{（k +ab_t）} 取对数 ln Y_t = k+ ab_t四、季节变动分析季节变动按照数据的时间序列，有升降趋势和水平趋势，包括季节指数趋势法和季节指数水平法两种。

　　（一）季节指数水平法 Y_t = Y*f _t

　　Y-前1个月或所有月的平均水平，f _t-季节指数适用于无明显升降趋势，主要受季节变动和不规则变动影响的时间序列，一般需3-5月/季的历史数据程序：

　　①数据分析，形成数据序列；

　　②计算各年同月平均值Y_i；

　　③计算所有月平均值Y；④计算各月季节比率f _t =Y_i/Y；⑤计算预期趋势值一般采用最近年份平均值Y_t -1；⑥计算预测年各月预测值= Y_t -1 f _t

　　（二）季节指数趋势法 Y_t =（a + b_t）f t ——适用于存在季节变动，各年（或同月）呈升降趋势

　　第四节 定性预测法分为直观预测法（包括类推预测法）和意见集合法（专家会议法、德尔菲法）

　　一、类推预测法：根据市场及其环境的相似性，从已知产品 / 市场区域的需求和演变情况，推测其他类似产品 / 市场区域的需求及变化趋势。是由局部、个别到特殊的分析推理方法，适于新产品、行业、市场需求预测。据预测目标和市场范围的不同，类推预测法可以分为产品类推、行业类推、地区类推预测三种。

　　二、专家会议法：头脑风暴法（非交锋式会议）、交锋式会议法、混合式会议法（质疑式头脑风暴法）

　　三、德尔菲法：广泛应用在市场预测、技术预测、方案比选、社会评价。尤适于长期需求预测10-30年。

　　程序：①建立预测工作组；

　　②选择专家（20人）；

　　 ③设计调查表；

　　④组织调查实施（2-3轮）；

　　⑤汇总处理调查结果德尔菲法如何选择专家 要在明确预测的范围和种类后，依据预测问题的性质选择专家，这是德尔菲法进行预测的关键步骤。专家不仅要有熟悉本行业的学术权威，还应有来自生产一线从事具体工作的专家；一般而言，选择专家的数量为20人左右，可根据预测问题的规模和重要程度进行调整。

　　特点：匿名性、反馈性、收敛性、广泛性优点：

　　①便于独立思考和判断；

　　②低成本实现集思广益；

　　③有利于探索性解决问题；

　　④应用范围广泛缺点：

　　①缺少思想沟通交流；

　　 ②易忽视少数人意见；

　　 ③存在组织者主观影响范围：

　　①缺乏足够资料；

　　②作长远规划或大趋势预测；

　　③影响因素太多；

　　④主观因素对预测事件影响较大。