预测

　　3.1 预测概述

　　预测方法可以分成定性分析和定量分析。在特定情形下使用预测方法的类型取决于该项预测的目的和现有的条件(如可以获得的数据的类型)。

　　定性的预测方法一般要利用专家的判断。优点在于可应用于以下情况：

　　■进行预测的变量信息无法进行量化;

　　■历史数据无法取得或者不适用。

　　最为常用的四种定性的预测方法是：

　　■德尔菲(Delphi)法;

　　■专家判断;

　　■场景描述(Scenario writing);

　　■直觉法(The intuitive approach)。

　　定量的预测通常利用统计的或者数学的模型来模拟现实和帮助作出决策。定量的模型描述因素或者变量之间的相互关系，被分成三种类型：

　　■描述型——表明变量间的关系;

　　■预测型——预测当一个或者多个变量发生变化时变量是如何反应的;

　　■计划型——确定结合或者改变关系的最佳方式以求达到想要的结果。

　　在以下情况可以使用定量方法：

　　■被预测的变量的历史信息可以获得;

　　■这些信息可以量化;

　　■可以合理假设过去的情形在未来继续出现。

　　3.2 时间序列与回归分析

　　时间序列与回归分析是对现象进行预测的基本统计工具。它的基本原理是根据过去的数据分析事物发展的趋势，并由此预测事物在未来的可能状况。

　　3.2.1 时间序列分析

　　时间序列分析法用于预测对象在未来的值。进行时间序列分析时，首先要确定对被预测对象的影响因素。这些因素大体可分为总体趋势、季节性特征、规律性周期和随机波动等四个方面。其中:

　　总体趋势是指状态的发展方向，它可从对象在过去一个较长时期的发展状况来分析了解;

　　季节性是指根据对象在一年中不同时期的数值测定其年度周期;

　　规律性周期则是指对象状态受到某些因素影响时波动的时间规律;

　　随机波动则是指对象的数值与影响因素之间，特别是从时间上来看，没有明显的规律或周期性的变动状态。

　　时间序列一般采用趋势推测法和指数平滑法进行分析。

　　趋势推测法

　　1.趋势推测法是一种根据过去的波动趋势推测未来走向或水平的方法。其自变量即为时间。由于这种方法只是对过去的数据进行简单的筛选，并进行简单的平均，得出未来某个时期的预测值，因而又称为平均推测法。

　　2.平均推测法中常用的有简单平均法(简单加总平均)、几何平均法(各期数据相乘后开方)、调和平均法(各期观测值求倒数加总后再求倒数)和加权平均法(对各期数值按其接近预测期的程度乘以某一权数再加总，权数之和为1)等。

　　3.采用趋势推测法首先要决定用以预测的数据年限，因此，选择的年限数常常比较重要。如果采用的年限太少，比如采用过去两年的数据作为预测第三年的依据，数据的趋势性可能并不明显，预测的准确性也就比较差。如果采用的年限太多，离预测期较远的数据可能对预测期的状况没有太多的相关性，参考意义不大，反而使计算量增大。比如采用前十年的数据，最早的数据因为发生在十年前，与预测年份的情况已经相去千里，因此，并不能说明预测年的情况，采用十年前的数据也就没有什么实际意义。因此，应当确定一个较合理的年限。另外，选用数据的年份必须是连续的，不能隔年选用，否则也会失去数据的代表性。确定选用年限数以后，每年的预测都放弃最早的一年的数据，纳入最新一年的数据。这种方法称为滚动预测法。

　　4.趋势推测法的优点是计算简单，而其缺点则是由于过于简单，无法消除各年份数据的特殊性对预测值的影响。也就是说，预测的准确性较差。

　　指数平滑法

　　1.指数平滑法又称指数平移法或指数光滑法，它对预测期以前不同时期的数值给予不同的权数，并根据这些数值及其权数来测算未来值。

　　2.“数值的时期越接近预测期，权数越大。也就是说，权数会随着数值过去的年龄的增加而呈非直线的下降。”这是因为越是接近预测期，其影响因素的相似性越大。

　　3.指数平滑法所采用的所有权数之总和为1。指数平滑法由于对不同时期的观察值给予不同的权数，因而使预测更加接近观测期的情况。

　　4.平滑计算是滚动计算，因而也为计入新的数据提供了方便。

　　5.但它仅仅考虑时间因素，因而，其预测的准确性得不到保证。

　　6.指数平滑法的函数式为：Fn+1 = aXn + (1-a)Fn

　　其中：

　　Fn+1为第n+1期的预测值;

　　Xn为第n期的观察值;Fn为第n期的预测值;

　　a为平滑常数，其范围为[0，1]，通常为0.2。

　　表面看来，指数平滑法同加权平均法都需要确定各观察年数据在预测中的权数，且其权数之和均为1，但两者的确定过程有一定的差别。简单加权平均法的权数是单纯由预测者主观确定，并按预测者个人的观点分配给不同年份的数据的。而指数平滑法中的权数则是由一个固定的加权常数计算出来的。因此，指数平滑法能更好地修正各年度数据的特殊性可能对预测值的影响。根据预测的平滑需要，可以对观测值进行多次加权平滑。

　　3.2.2 回归分析

　　回归分析是一种统计方法，用来分析某一独立变量的变化对另一个非独立变量的变化的影响程度。在企业中，它既可以用来分析各种因素之间的相互影响，寻找因素变化的规律性，也可用来对状态的发展进行预测。用于对未来状态进行预测时，自变量为时间。回归分析往往用于这样一种情况：两种变量之间的关系表面看来没有明显的规律性，各数据分布具有一定的离散性。也就是说，把各观测值标在坐标图上，不能由一条直线或平滑的曲线连接起来。但这种离散性并不表明两种因素之间没有规律性，而是可能两种因素之间的规律性被其他的偶然性掩藏起来了。回归分析法正是用于寻找这些被掩藏的规律。