销售预测定量分析

销售预测定量分析

　　定量预测法主要是根据有关的历史资料，运用现代数学方法对历史资料进行分析加工处理，并通过建立预测模型来对产品的市场变动趋势进行研究并作出推测的预测方法，如趋势预测分析法和因果预测分析法。这类方法是在拥有尽可能多的数据资料的前提下运用，以便能通过对数据类型的分析，确定具体适用的预测方法对产品的市场需求作出量的估计。

　　1．趋势预测分析法

　　趋势预测分析法是应用事物发展的延续性原理来预测事物发展的趋势。首先把本企业的历年销售资料按时间的顺序排列下来，然后运用数理统计的方法来预计、推测计划期间的销售数量或销售金额，故亦称“时间序列预测分析法”。这类方法的优点是收集信息方便、迅速；缺点是对市场供需情况的变动因素未加考虑。

　　（1）算术平均法。

　　算术平均法是以过去若干期的销售量或销售额的算术平均数作为计划期的销售预测数。其计算公式如下：

　　（2）移动加权法。

　　移动加权平均法是先根据过去若干期的销售量或销售额，按其距离预测期的远近分别进行加权（近期所加权数大些，远期所加权数小些）；然后计算其加权平均数，并以此作为计划期的销售预测值。所谓“移动”是指对计算平均数的时期不断向后推移。例如，预测7月份的销售量以4、5、6月份的历史资料为依据；若预测8月份的销售量，则以5、6、7月份的资料为准。一般情况下，预测数受近期实际销售的影响程度较大，因此越接近预测期的实际销售情况所加权数应越大些。

　　（3）指数平滑法。

　　指数平滑法就是遵循“重近轻远”的原则，对全部历史数据采用逐步衰减的不等加权办法进行数据处理的一种预测方法。指数平滑法通过对历史时间序列进行逐层平滑计算，从而消除随机因素的影响， 识别经济现象基本变化趋势，并以此预测未来。它短期预测中最有效的方法。使用指数平滑系数来进行预测，对近期的数据观察值赋予较大的权重,而对以前各个时期的数据观察值则顺序的赋予递减的权重。指数平滑法是同类预测法中被认为是最精确的, 因为最近的观察值已经包含了最多的未来情况的信息。

　　2．因果预测分析法

　　因果预测分析法，是利用事物发展的因果关系来推测事物发展趋势的方法。它一般是根据过去掌握的历史资料，找出预测对象的变量与其相关变量之间的依存关系，来建立相应的因果预测的数学模型。然后通过对数学模型的求解来确定对象在计划期的销售量或销售额。

　　因果预测所采用的具体方法较多，最常用而且最简单的是回归分析法。回归分析主要是研究事物变化中的两个或两个以上因素之间的因果关系，并找出其变化的规律，应用回归数学模型，预测事物未来的发展趋势。由于在现实的市场条件下，企业产品的销售量往往与某些变量因素（例如，国民生产总值、个人可支配的收入、人口、相关工业的销售量、需要的价格弹性或收入弹性等等）之间存在着一定的函数关系，因此我们可以利用这种关系，选择最恰当的相关因素建立起预测销售量或销售额的数学模型，这往往会比采用趋势预测分析法获得更为理想的预测结果。例如轮胎与汽车，面料、辅料与服装，水泥与建筑之间存在着依存关系，而且都是前者的销售量取决于后者的销售量。所以，可以利用后者现成的销售预测的信息，采用回归分析的方法来推测前者的预计销售量（额）。这种方法的优点是简便易行，成本低廉。回归分析法主要包括一元回归直线法（预测对象的相关因素有一个）与多元回归法（预测对象的相关因素有两个或两个以上）。

　　（1）一元回归直线法。

　　一元线性回归法是用途较为广泛的一种预测方法。一元线性回归法即最小二乘法,是用来处理两个变量之间具有的线性关系的一种方法。其具体做法是：

　　（2）多元回归法。

　　企业的经营活动往往受多方面因素的影响，即一个因变量和几个自变量存在依存关系。例如有的企业的产品是供应若干个其他企业生产用的零部件，因此生产零部件的企业的产品销售量受其他企业生产量的影响。在因变量同时受两个或两个以上的自变量的影响的情况下，就要用多元回归预测法进行预测。

　　3．时间序列分析法

　　时间序列分析法是利用变量与时间存在的相关关系，通过对以前数据的分析来预测将来的数据。在分析销售收入时，大家都懂得将销售收入按照年或月的次序排列下来，以观察其变化趋势。时间序列分析法现已成为销售预测中具有代表性的方法。