高会考试备考：预测技术（1）

【“预测技术”相关知识点】

1.回归分析

2.时间序列分析

3.指数平滑法

4.学习曲线模型

5.期望值分析

6.敏感性分析

7.蒙特卡洛模拟分析

【重点精讲】：预测技术

企业要做好未来的规划工作，正确确定年度的经营目标（如下个年度的销售额等），就必须对未来的经济状况、市场环境、需求变化等进行分析、预测和判断，管理者必须掌握一些定量的预测技术和分析方法。

定量的预测与分析方法可以分作三类：数据分析、模型分析和不确定性分析。

（一）回归分析

回归分析用于研究一个因变量（y）对另一个或多个解释变量（X或X1，X2…Xn。）的依赖关系，可以通过后者（在重复抽样中）的已知或设定值，去估计和（或）预测前者的（总体）均值。

回归分析分为双变量回归分析和多元回归分析。在双变量回归分析中，因变量（y）依赖的只有唯一的一个解释变量（x）。在多元回归分析中，包括多个解释变量（X1，X2…Xn）。

双变量回归分析的计算公式：

（二）时间序列分析

时间序列是一段时间间隔内所记录的一连串变量的数值。

时间序列由趋势、季节性差异、周期性差异和随机性差异等要素构成。

趋势（T）是时间序列所记录数值的长期走势。

时间序列的实际记录结果（Y）往往偏离趋势值，产生偏离的原因包括季节性差异、周期性差异和随机性差异。

季节性差异（SV）是由于不同的年份、不同的日期或不同时刻所导致的时间序列数据的短期震荡波动。季节性差异并不局限于季节，只要是不同时间所形成的均可。

周期性差异（CV）是由于周期性循环所导致的中期变动。

随机性差异（RV）是由于非常随机的和不可预料的 因素所导致的差异，例如罢工、恐怖活动和地震等。

时间序列通常采用移动平均法进行处理。移动平均法是从N期的时间序列数据中选取M期数据作为样本值，求其M期的算术平均数，并不断地向后移动计算， 所求的平均数对应m期间的中点。使用移动平均法的目的是将时间序列中的差异去除掉，从而只留下代表趋势的一连串数据。

时间序列的研究方法包括加法模型和乘法模型。

1.加法模型

加法模型使用绝对数来表示差异，其计算公式为：

Y＝T＋SV＋CV＋RV

2.乘法模型

乘法模型使用相对数来表示差异，其计算公式如下：

Y＝T×SV×CV×RV