论文部分内容阅读
摘要：快速消费品由于其特性给企业在预测时带来很多难题。很多企业往往是采用宏观估算的方式来预测市场，预测误差带来生产计划经常变动、库存增加、服务水平下降等问题。时间序列法预测以历史数据为基础预测未来，本文以典型的快速消费品生产企业为例，用时间序列法来建模预测市场。
关键词：时间序列法 季节性产品 市场预测
时间序列法（Time Series Method），是利用按时间顺序排列的数据预测未来的方法[1]。事物的发展变化趋势会延续到未来，反映在随机过程理论中就是时间序列的平稳性或准平稳性。准平稳性是指时间序列经过某种数据处理（如一次或多次差分运算）后变为平稳的性质。时间序列有4种变动因素:①长期趋势(T)，在整个预测期内事物呈现出渐增或渐减的总倾向；②周期变动(C)，以某一时间间隔为周期的周期性变动，如危机和复苏的交替；③季节变动(S)，以一年为周期的周期变动，如服装行业销售额的季节性波动；④偶然变动(I)，除上述三种情况之外的不规则变动，又称随机变动。这4种因素的综合模式有加法模式、乘法模式和混合模式。若以表示时间序列(＝1，2，3，…，表示采样时刻)，则加法模式的时间序列是上述4种变动因素的相加，＝(T)＋(C)＋(S)＋(I)，而乘法模式的则是上述4种变动因素的相乘，=(T)×(C)×(S)×(I)。时间序列法分为两类：①不细分4种变动因素而直接利用时间序列数据建立数学模型，进行预测。②对4种变动因素有侧重地进行预处理，从而派生出剔除季节变动法、移动平均法、指数平滑法、自回归法、时间函数拟合法等具体预测方法。
本文以生活用纸制造企业为例探讨如何用时间序列法进行市场预测。生活用纸的产品特点给预测带来很多问题，具体表现为：①属于快速消费品类，市场变化较大，不确定因素较多。②产品品项多，大型企业销售的产品光是固定的品项就有上百个，还有大量的随机出现的订制品。这个都给销售预测带来了很大的困难。③产品更新快。虽然生活用纸的技术更新不是很频繁，但是规格更新、包装材料的图案更新确非常迅速。产品在图案、色彩上要不断消费者追求新鲜的心理，同时季节、节日等也是更新包材的重要因素。
根据以上的对预测的分析，有些公司在市场预测上采用的是总量宏观控制，分品项分厂预测则在各厂之间每个月进行产销协调，灵活控制。
宏观控制的主要依据是人口数和GDP（Gross Domestic Product）值，来测算市场容量。这样的结果往往是预测值与实际值相差巨大，造成生产不能计划进行而增加成本或者缺货发生。
现我们用时间序列法进行分析预测。考虑到企业近期信息的保密性，选取某公司2004、2005、2006年的销售量来预测2007年市场需求。如下图：
图： 3年A产品销售量
公司中重要的产品品项可从历史数据，可以看出1、4、9、12月份销量增加，原因主要是这几个月份正好是春节、五一、十一、元旦前夕，需求增加；商家、厂家的节前促销使得消费者大量购买；企业节前福利品发放也增加了这几个月的消费。
从图表中可以很明显的看出这种季节性的变动。所以可以采用剔除季节变动法来预测。剔除季节变动法对于明显地存在着季节性变动因素的时间序列数据，通常是先剔除季节性因素，找出平稳值和季节性修正系数。在平稳值预测基础上加以季节性修正，就能获得计及季节性变动的预测。
系统需求=(需求水平+需求趋势)×季节性需求
在t期预测t+1期的需求的计算公式如下：
Ft+1=[L+（t+1）T]×St+1
其中：L=基期的预计需求水平（对基期剔除季节性影响后的需求的预测）
T=预计需求趋势（每个时期需求的上升或下降）
St=预计t期的季节性需求
Dt=实际观测的t期需求
Ft=预测的t期需求
计算步骤基本上有两大步：
①剔除季节性需求，用线性回归法来预测需求水平和需求趋势
②预测季节性需求
步骤1：预测需求水平L和需求趋势T
Step1：先剔除季节性需求的影响。
剔除季节性影响后的需求，指在没有季节性影响的情况下将要观测到的需求。以p表示一个周期内的时期数。
对于公司来说，假设以季节为基础来测量需求的话，p为12，采用偶数的公式。
P=12，t=3，利用公式（1）可得：
利用这种方法计算，可以得到时期7至时期30的剔除季节性影响后的需求。
Step2：运用回归分析求出L和T。剔除季节性影响后需求就以一个固定的比率增长或者减少：
Dt=L+Tt公式（3）
其中：Dt表示时期t内剔除季节性影响后的需求，L表示基期的需求水平（或说基期剔除季节性影响后的需求），T表示剔除季节性影响后的需求增长速度（或说需求趋势）。
通过线性回归分析来得到L和T的近似值，即预测值L=571，T=13.56。任何时期t内剔除季节性影响后的需求可以用公式（4）求出。 Dt=571+13.56t 公式（4）
步骤2：预测季节性需求
时期t内的季节性需求是实际需求与剔除季节性需求影响后的需求之间的比率：
St=Dt/Dt公式（5）
我们可以通过将相似时期的季节性需求加以平均来得到某一时期t的季节性需求：设周期中的时期数为p，数据中给出了r个循环，则其中的任意时期序号可以表示为：
t×p+i其中为非负整数公式（6）
得到季节性需求：
p=12，则时期1、13和25就有相似的季节性需求，将此3个时期的季节性需求加以平均就得到了形式为4t+1(t=0，1，……)的时期的季节性需求。
利用公式（7）可以得到以下季节性需求：
以此类推，可以得到1-12月份的季节性需求，
经过上述计算，已经预测出了需求水平L，需求趋势T和季节性需求S。在此基础上，可以预测下一周期12个月的需求：
以此类推，可以得到2007年1至12月份的需求，见下表。
需求预测还没有经过修正，可以选用WINTER模型进一步优化。另外，预测时间越长精度将越低（每次预测的2-3月数值误差较小），建议每个季度必须重新计算，即4月份采用2004年4月至2007年3月实绩进行滚动预测。这样可以更加有效的进行需求预测。
虽然时间序列的预测方法有误差（任何数据都有类似于标准差这样的常见误差），但仍可以大大优化原有的粗略预测方案。
需求预测精度提高，带来库存量预测精度提高，这对降低库存水平、提高仓储效率、降低库存成本以及有效的库存管理起到至关重要的作用。
作者简介：钱蓝（1974-），女，江苏省淮安人，物流工程工程硕士，讲师、经济师，苏州工业园区职业技术学院工商管理系物流管理专业教师，研究方向为主要从事物流管理研究。
关键词：时间序列法 季节性产品 市场预测
时间序列法（Time Series Method），是利用按时间顺序排列的数据预测未来的方法[1]。事物的发展变化趋势会延续到未来，反映在随机过程理论中就是时间序列的平稳性或准平稳性。准平稳性是指时间序列经过某种数据处理（如一次或多次差分运算）后变为平稳的性质。时间序列有4种变动因素:①长期趋势(T)，在整个预测期内事物呈现出渐增或渐减的总倾向；②周期变动(C)，以某一时间间隔为周期的周期性变动，如危机和复苏的交替；③季节变动(S)，以一年为周期的周期变动，如服装行业销售额的季节性波动；④偶然变动(I)，除上述三种情况之外的不规则变动，又称随机变动。这4种因素的综合模式有加法模式、乘法模式和混合模式。若以表示时间序列(＝1，2，3，…，表示采样时刻)，则加法模式的时间序列是上述4种变动因素的相加，＝(T)＋(C)＋(S)＋(I)，而乘法模式的则是上述4种变动因素的相乘，=(T)×(C)×(S)×(I)。时间序列法分为两类：①不细分4种变动因素而直接利用时间序列数据建立数学模型，进行预测。②对4种变动因素有侧重地进行预处理，从而派生出剔除季节变动法、移动平均法、指数平滑法、自回归法、时间函数拟合法等具体预测方法。
本文以生活用纸制造企业为例探讨如何用时间序列法进行市场预测。生活用纸的产品特点给预测带来很多问题，具体表现为：①属于快速消费品类，市场变化较大，不确定因素较多。②产品品项多，大型企业销售的产品光是固定的品项就有上百个，还有大量的随机出现的订制品。这个都给销售预测带来了很大的困难。③产品更新快。虽然生活用纸的技术更新不是很频繁，但是规格更新、包装材料的图案更新确非常迅速。产品在图案、色彩上要不断消费者追求新鲜的心理，同时季节、节日等也是更新包材的重要因素。
根据以上的对预测的分析，有些公司在市场预测上采用的是总量宏观控制，分品项分厂预测则在各厂之间每个月进行产销协调，灵活控制。
宏观控制的主要依据是人口数和GDP（Gross Domestic Product）值，来测算市场容量。这样的结果往往是预测值与实际值相差巨大，造成生产不能计划进行而增加成本或者缺货发生。
现我们用时间序列法进行分析预测。考虑到企业近期信息的保密性，选取某公司2004、2005、2006年的销售量来预测2007年市场需求。如下图：
图： 3年A产品销售量
公司中重要的产品品项可从历史数据，可以看出1、4、9、12月份销量增加，原因主要是这几个月份正好是春节、五一、十一、元旦前夕，需求增加；商家、厂家的节前促销使得消费者大量购买；企业节前福利品发放也增加了这几个月的消费。
从图表中可以很明显的看出这种季节性的变动。所以可以采用剔除季节变动法来预测。剔除季节变动法对于明显地存在着季节性变动因素的时间序列数据，通常是先剔除季节性因素，找出平稳值和季节性修正系数。在平稳值预测基础上加以季节性修正，就能获得计及季节性变动的预测。
系统需求=(需求水平+需求趋势)×季节性需求
在t期预测t+1期的需求的计算公式如下：
Ft+1=[L+（t+1）T]×St+1
其中：L=基期的预计需求水平（对基期剔除季节性影响后的需求的预测）
T=预计需求趋势（每个时期需求的上升或下降）
St=预计t期的季节性需求
Dt=实际观测的t期需求
Ft=预测的t期需求
计算步骤基本上有两大步：
①剔除季节性需求，用线性回归法来预测需求水平和需求趋势
②预测季节性需求
步骤1：预测需求水平L和需求趋势T
Step1：先剔除季节性需求的影响。
剔除季节性影响后的需求，指在没有季节性影响的情况下将要观测到的需求。以p表示一个周期内的时期数。
对于公司来说，假设以季节为基础来测量需求的话，p为12，采用偶数的公式。
P=12，t=3，利用公式（1）可得：
利用这种方法计算，可以得到时期7至时期30的剔除季节性影响后的需求。
Step2：运用回归分析求出L和T。剔除季节性影响后需求就以一个固定的比率增长或者减少：
Dt=L+Tt公式（3）
其中：Dt表示时期t内剔除季节性影响后的需求，L表示基期的需求水平（或说基期剔除季节性影响后的需求），T表示剔除季节性影响后的需求增长速度（或说需求趋势）。
通过线性回归分析来得到L和T的近似值，即预测值L=571，T=13.56。任何时期t内剔除季节性影响后的需求可以用公式（4）求出。 Dt=571+13.56t 公式（4）
步骤2：预测季节性需求
时期t内的季节性需求是实际需求与剔除季节性需求影响后的需求之间的比率：
St=Dt/Dt公式（5）
我们可以通过将相似时期的季节性需求加以平均来得到某一时期t的季节性需求：设周期中的时期数为p，数据中给出了r个循环，则其中的任意时期序号可以表示为：
t×p+i其中为非负整数公式（6）
得到季节性需求：
p=12，则时期1、13和25就有相似的季节性需求，将此3个时期的季节性需求加以平均就得到了形式为4t+1(t=0，1，……)的时期的季节性需求。
利用公式（7）可以得到以下季节性需求：
以此类推，可以得到1-12月份的季节性需求，
经过上述计算，已经预测出了需求水平L，需求趋势T和季节性需求S。在此基础上，可以预测下一周期12个月的需求：
以此类推，可以得到2007年1至12月份的需求，见下表。
需求预测还没有经过修正，可以选用WINTER模型进一步优化。另外，预测时间越长精度将越低（每次预测的2-3月数值误差较小），建议每个季度必须重新计算，即4月份采用2004年4月至2007年3月实绩进行滚动预测。这样可以更加有效的进行需求预测。
虽然时间序列的预测方法有误差（任何数据都有类似于标准差这样的常见误差），但仍可以大大优化原有的粗略预测方案。
需求预测精度提高，带来库存量预测精度提高，这对降低库存水平、提高仓储效率、降低库存成本以及有效的库存管理起到至关重要的作用。
作者简介：钱蓝（1974-），女，江苏省淮安人，物流工程工程硕士，讲师、经济师，苏州工业园区职业技术学院工商管理系物流管理专业教师，研究方向为主要从事物流管理研究。