[发明专利]一种趋势性、周期性商品的中长期需求预测方法

说明书

技术领域

本发明涉及一种趋势性、周期性商品的中长期需求预测方法，适用于带有周期现象，受趋势变动影响的，对季节敏感的商品中长期预测，属于信息预测技术领域。

背景技术

随着市场经济的发展，市场发展已经由价格竞争时代深化进入到成本竞争时代，对市场未来走势的先期判断，在企业运营管理中的作用越来越重要，在很大程度上，影响着企业认知机会和把握机遇的能力。当前，对于商品历史数据的处理停留在构建时间序列和历史销量简单趋势线。然而，通过这样的方法获得的趋势线由于包含特殊事件、趋势变化和周期变化等多重因素，决策者难以通过这样的趋势线做出判断。这种状况对于企业精确制定营销战役规划和促销战术计划十分不利，对于营销效果的精确性评估也缺少可衡量的量化依据。

发明内容

发明目的：针对现有商品交易数据预测存在的问题与不足，本发明提供一种基于指数平滑方法的将线性趋势、季节变动和随机变动时间序列进行分解的商品预测模型和预测方法。

技术方案：一种趋势性、周期性商品的中长期需求预测方法，适用于带有周期现象，受趋势变动影响的，对季节敏感的商品中长期预测，比如：冷饮、啤酒等。具体包括如下步骤：

（1）获取历史数据。获得以往商品销售的全部历史数据，按照时间先后顺序排列。

（2）构建商品历史数据库，进行走势趋势图的绘制。

i.建立Excel表格，将商品相关的需求和供给历史信息按时间先后顺序录入数据库并存储；

ii.选中全部的历史数据，绘制历史数据的散点图。

（3）根据所得散点图，判断该商品是否有周期变动、趋势变动。若符合进入异常值修正步骤。

（4）是否呈现整体上升或者整体下降趋势决定该方法是否使用此类商品预测。若符合则进入修正异常值，获得修正异常值后的时间序列数据{Y_t}'。

（5）根据新获得的时间序列{Y_t}'，通过3、5、8、12点移动平均获得周期曲线，确定周期L。

（6）确定初始平滑系数α、β、γ，他们的取值范围在（0，1）之间。

（7）确定预测的初始平滑值。

（8）分别计算预测模型中的各项指标，第t期的预测值T_t，公式如下：

（α为平滑系数（0＜α＜1）；y_t为现期（第t期）实际值；T_t-1为平滑到t-1期的平均序列）

（9）计算预测模型中的趋势变动估计值b_t，公式如下：

b_t＝β(b_t-b_t-1）+（1-β）b_t-1（b_t为趋势变动估计值；β为季节性变动估计的平滑系数（0＜β＜1））

（10）计算预测模型中的季节性变动估计值S_t，公式如下：

（S_t为季节性变动估计值；γ为季节性变动估计的平滑系数（0＜γ＜1））

（11）重复步骤（6）至（10），根据新构建的时间序列数据{Y_t}’求得基本值T，趋势值b，周期值S，其中t=1、2、3、……n。基本值T有n-L+1个，趋势值b和周期值S有n-L个。

（12）综合各项估值，根据预测模型总公式，计算该种商品在未来一定周期内的预测值(W_t+m)₁，公式如下

(W_t+m)₁＝(T_t+mb_t)S_t+m-kLm＝1,2...。

（13）通过“最优平滑系数法”，选取新的平滑系数α、β、γ，获得新的(W_t+m)i,i＝1,2...n。

（14）根据预测值与观测值之间的误差，获得最优精度S，预测误差率MAPE、拟合有效度M，从中选取评价标准最优的预测结果所对应的平滑系数作为“最优平滑系数”。

预测精度S计算公式：

设[T1,T2]为分析区间，x为实际值，x'为预测值，预测误差：e＝x-x'