[发明专利]一种生活必需品中长期预测方法

说明书

技术领域

本发明涉及一种生活必需品中长期预测方法，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，对于商品的市场分析多体现在对历史数据的变动分析和影响因素的事件分析层面，对于市场未来走势的预测分析仅停留在定性分析的范畴，缺少以数据作为支撑的定量分析，也就是说，没有建立起量化的预测模型，对商品市场的需求量无法精确预测。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：针对现有预测体系中存在的问题，本发明提出一种基于加权平均法针对具有明显趋势变化的商品进行未来发展趋势预测的方法，保留趋势性变动的成分，剔除噪音，建立包括该商品所有历史数据记录的数据库，给出该商品未来发展趋势，从而为企业提供清晰、准确、直观的判断依据。

技术方案：一种生活必需品中长期预测方法，适用于需求呈现总体上升或者下降趋势，不包含季节性、周期性变动影响，对外界影响反应较弱的生活必需品的中长期预测。比如面粉、食盐等等。

预测方法的步骤为：

（1）将所需预测商品的历史数据按照时间先后顺序，录入数据库并存储；

（2）构建商品历史数据走势趋势图，判断是否可以使用该预测方法进行未来趋势预测，即历史数据走势呈现平缓，波动较小的上升或者下降趋势；判断是否存在异常值，进行剔除之后，再次进入判断是否可以使用该预测方法进行未来趋势预测；

（3）将剔除异常值后得到的新的历史数据编制为一个项数为历史数据个数的时间序列{Y_t}，其中t=1、2、3、……n；

（4）确定各指标的平滑系数α；平滑系数α值的大小体现了不同时期的指标在预测中所起的不同作用。在指数平滑法中，平滑系数如何选取，是非常重要的然而也是比较麻烦的。平滑系数α选取是否恰当，将对预测结果产生很大影响。对于α的取值，方法如下：

a)差分——比率——均值法。

该方法认为，α取值的大小关键取决于t期数本身变化的大小幅度，具体求取步骤：

1)根据时间序列y_t的值求出Δy_t＝y_t-y_t-1。

2)然后根据一级差分后的新序列Δy_t，求出即算术平均数。

3)再分别用比上Δy_t各期的值得到新序列{Δy_t′}。

4)对Δy_t′求算术平均值即较为准确的α值。

b)经验判断法。

这种方法主要依赖于时间序列的发展趋势作出判断。

1)若时间序列不规则的波动较小，其基本发展趋势比较稳定，这列α应取小一些，使预测模型采用较多的有效数据；当时间序列波动不大，α可小些，在（0.1—0.3）之间选取。

2)若时间序列的基本发展趋势已经发生了较大的变化，则应取大些使模型加快反应速度，迅速跟上时间序列的变化；当时间序列波动较大时，α可大些，在（0.3—0.8）之间选取。

3)若初始值是任意取定的，则α应取大一些，使模型经过最初几个周期后，迅速逼近实际过程。α越大，认为近期越重要。实际中可多取几个α的值进行试算，取方差最小者对应的α作为权重。

c)试算法。

根据具体时间序列情况，参照经验判断法，来大致确定取值范围，然后取几个α值进行试算，比较不同α值下的预测标准误差，选取预测标准误差最小的α。在实际应用中预测者应结合对预测对象的变化规律作出判断且计算预测误差，并要考虑到预测灵敏度和预测精度是相互矛盾的，必须给予权衡考虑，采用折衷的α值。

（5）确定初始值和其中为一次指数初始平滑值，为二次指数初始平滑值；初始值对指数平滑值的大小有着重要影响，对算法初始值进行确定，实施方法如下：