一種趨勢性、周期性商品的中長期需求預(yù)測方法
【專利摘要】本發(fā)明公開了一種趨勢性、周期性商品的中長期需求預(yù)測方法，適用于帶有周期現(xiàn)象，受趨勢變動影響的，對季節(jié)敏感的商品中長期預(yù)測，基于指數(shù)平滑方法的將線性趨勢、季節(jié)變動和隨機(jī)變動時間序列進(jìn)行分解，充分考慮趨勢變動和周期變動對商品交易數(shù)據(jù)的影響，根據(jù)商品數(shù)據(jù)選取原則，選擇適合該預(yù)測模型的商品交易數(shù)據(jù)，確定相應(yīng)的平滑參數(shù)，通過定量方法，分別計算預(yù)測模型中的各項指標(biāo)，得出該種商品在未來一定周期內(nèi)的預(yù)測值。從而為該商品供應(yīng)鏈上的各個企業(yè)提供生產(chǎn)、制造、倉儲、銷售等的科學(xué)判斷。
【專利說明】一種趨勢性、周期性商品的中長期需求預(yù)測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種趨勢性、周期性商品的中長期需求預(yù)測方法，適用于帶有周期現(xiàn)象，受趨勢變動影響的，對季節(jié)敏感的商品中長期預(yù)測，屬于信息預(yù)測【技術(shù)領(lǐng)域】。
【背景技術(shù)】 [0002]隨著市場經(jīng)濟(jì)的發(fā)展，市場發(fā)展已經(jīng)由價格競爭時代深化進(jìn)入到成本競爭時代，對市場未來走勢的先期判斷，在企業(yè)運營管理中的作用越來越重要，在很大程度上，影響著企業(yè)認(rèn)知機(jī)會和把握機(jī)遇的能力。當(dāng)前，對于商品歷史數(shù)據(jù)的處理停留在構(gòu)建時間序列和歷史銷量簡單趨勢線。然而，通過這樣的方法獲得的趨勢線由于包含特殊事件、趨勢變化和周期變化等多重因素，決策者難以通過這樣的趨勢線做出判斷。這種狀況對于企業(yè)精確制定營銷戰(zhàn)役規(guī)劃和促銷戰(zhàn)術(shù)計劃十分不利，對于營銷效果的精確性評估也缺少可衡量的量化依據(jù)。

【發(fā)明內(nèi)容】

[0003]發(fā)明目的:針對現(xiàn)有商品交易數(shù)據(jù)預(yù)測存在的問題與不足，本發(fā)明提供一種基于指數(shù)平滑方法的將線性趨勢、季節(jié)變動和隨機(jī)變動時間序列進(jìn)行分解的商品預(yù)測模型和預(yù)測方法。
[0004]技術(shù)方案:一種趨勢性、周期性商品的中長期需求預(yù)測方法，適用于帶有周期現(xiàn)象，受趨勢變動影響的，對季節(jié)敏感的商品中長期預(yù)測，比如:冷飲、啤酒等。具體包括如下步驟:
[0005](I)獲取歷史數(shù)據(jù)。獲得以往商品銷售的全部歷史數(shù)據(jù)，按照時間先后順序排列。
[0006](2)構(gòu)建商品歷史數(shù)據(jù)庫，進(jìn)行走勢趨勢圖的繪制。
[0007]1.建立Excel表格，將商品相關(guān)的需求和供給歷史信息按時間先后順序錄入數(shù)據(jù)庫并存儲；
[0008]i1.選中全部的歷史數(shù)據(jù)，繪制歷史數(shù)據(jù)的散點圖。
[0009](3)根據(jù)所得散點圖，判斷該商品是否有周期變動、趨勢變動。若符合進(jìn)入異常值修正步驟。
[0010](4)是否呈現(xiàn)整體上升或者整體下降趨勢決定該方法是否使用此類商品預(yù)測。若符合則進(jìn)入修正異常值，獲得修正異常值后的時間序列數(shù)據(jù){Yt}’。
[0011](5)根據(jù)新獲得的時間序列{Yt}’，通過3、5、8、12點移動平均獲得周期曲線，確定周期L。
[0012](6)確定初始平滑系數(shù)α、β、Y，他們的取值范圍在(0，I)之間。
[0013](7)確定預(yù)測的初始平滑值。
[0014](8)分別計算預(yù)測模型中的各項指標(biāo)，第t期的預(yù)測值Tt，公式如下:
[0015]T^a^ + il-aXT, ,+^1) ( α 為平滑系數(shù)(O < α < i) ;yt 為現(xiàn)期(第 t 期)實

°t-L際值為平滑到t-1期的平均序列)
[0016](9)計算預(yù)測模型中的趨勢變動估計值bt，公式如下:
[0017]bt = β (IDt-1v1)+ (1-β ) bt_! (bt為趨勢變動估計值；β為季節(jié)性變動估計的平滑系數(shù)(O < β < I? [0018](10)計算預(yù)測模型中的季節(jié)性變動估計值St，公式如下:
[0019]民+,, (St為季節(jié)性變動估計值；y為季節(jié)性變動估計的平滑系數(shù)(O < y < O)
[0020](11)重復(fù)步驟(6)至(10)，根據(jù)新構(gòu)建的時間序列數(shù)據(jù){Yt}’求得基本值Τ，趨勢值b，周期值S，其中t=l、2、3、……η?；局礣有η-L+l個，趨勢值b和周期值S有n-L個。
[0021](12)綜合各項估值，根據(jù)預(yù)測模型總公式，計算該種商品在未來一定周期內(nèi)的預(yù)測值(WtJ1，公式如下
[0022](fft+m) I = (Tt+mbt) St+ni_kLm =1,2...。
[0023](13)通過“最優(yōu)平滑系數(shù)法”，選取新的平滑系數(shù)α、β、Y，獲得新的(Wt+m) i，i =
1，2...Πο
[0024](14)根據(jù)預(yù)測值與觀測值之間的誤差，獲得最優(yōu)精度S，預(yù)測誤差率MAPE、擬合有效度M，從中選取評價標(biāo)準(zhǔn)最優(yōu)的預(yù)測結(jié)果所對應(yīng)的平滑系數(shù)作為“最優(yōu)平滑系數(shù)”。
[0025]預(yù)測精度S計算公式:
[0026]設(shè)[Tl，T2]為分析區(qū)間，X為實際值，X’為預(yù)測值，預(yù)測誤差:e = x-x’
[0027]預(yù)測精度S:S = 1—(尤―尤I[0028](若>I，則將其舍去。(判定為特殊事件))
[0029]預(yù)測誤差率MAPE計算公式:
[0030]MA=丄Z |P五丨=丄Z Ι(Α Λ )1 * 100%
[0031]有效擬合度Μ:
[0032]

M =(1-5的標(biāo)準(zhǔn)差)* 5
[0033]模型是否有效檢驗標(biāo)準(zhǔn):當(dāng)ΜΑΡΕ〈=0.05且m值>=0.7時，模型擬合有效。
[0034]( 15)通過最優(yōu)系數(shù)法獲得的最優(yōu)系數(shù)獲得最優(yōu)平滑系數(shù)α、β、Y下的預(yù)測結(jié)果即為最優(yōu)預(yù)測值(WtJf
[0035]( 16)預(yù)測結(jié)果分析輸出。
[0036]有益效果:與現(xiàn)有技術(shù)相比，本發(fā)明適用于帶有周期現(xiàn)象，受趨勢變動影響的，對季節(jié)敏感的商品中長期預(yù)測，基于指數(shù)平滑方法的將線性趨勢、季節(jié)變動和隨機(jī)變動時間序列進(jìn)行分解，充分考慮趨勢變動和周期變動對商品交易數(shù)據(jù)的影響，根據(jù)商品數(shù)據(jù)選取原則，選擇適合該預(yù)測模型的商品交易數(shù)據(jù)，確定相應(yīng)的平滑參數(shù)，通過定量方法，分別計算預(yù)測模型中的各項指標(biāo)，得出該種商品在未來一定周期內(nèi)的預(yù)測值。從而為該商品供應(yīng)鏈上的各個企業(yè)提供生產(chǎn)、制造、倉儲、銷售等的科學(xué)判斷。
【專利附圖】

【附圖說明】
[0037]圖1為本發(fā)明實施例的方法流程圖；
[0038]圖2為本發(fā)明實施例的修正異常值步驟流程圖； [0039]圖3為本發(fā)明實施例的預(yù)測模型方程方法流程圖；
[0040]圖4為本發(fā)明實施例的歷史數(shù)據(jù)散點圖；
[0041]圖5為3點移動平均后獲得的銷售曲線圖；
[0042]圖6為8點移動平均后獲得的銷售曲線圖；
[0043]圖7為12點移動平均后獲得的銷售曲線圖。
【具體實施方式】
[0044]下面結(jié)合具體實施例，進(jìn)一步闡明本發(fā)明，應(yīng)理解這些實施例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍，在閱讀了本發(fā)明之后，本領(lǐng)域技術(shù)人員對本發(fā)明的各種等價形式的修改均落于本申請所附權(quán)利要求所限定的范圍。
[0045]如圖1所示，趨勢性、周期性商品的中長期需求預(yù)測方法，包括如下步驟:
[0046](I)獲取歷史數(shù)據(jù)。獲得以往商品銷售的全部歷史數(shù)據(jù)，按照時間先后順序排列。
[0047](2)構(gòu)建商品歷史數(shù)據(jù)庫，進(jìn)行走勢趨勢圖的繪制。
[0048]1.建立Excel表格，將商品相關(guān)的需求和供給歷史信息按時間先后順序錄入數(shù)據(jù)庫并存儲；
[0049]i1.選中全部的歷史數(shù)據(jù)，點擊Excel表格中的“插入”按鈕，點擊“散點圖”，選擇“帶平滑線和數(shù)據(jù)標(biāo)記的散點圖”即可繪制歷史數(shù)據(jù)的散點圖；
[0050](3)根據(jù)所得散點圖，判斷該商品是否有周期變動、趨勢變動。若符合進(jìn)入異常值修正步驟:
[0051](4)是否呈現(xiàn)整體上升或者整體下降趨勢決定該方法是否使用此類商品預(yù)測。若符合則進(jìn)入修正異常值步驟:(如圖2所示)
[0052]4.1:計算 A = η =—。
X-1乃+1
[0053](其中r/和ri〃為相鄰Ji的相對比率)
[0054]4.2:如果存在r' i>1.4或r" i > 1.4，說明有異常值存在，進(jìn)行異常值的剔除處理，否則不需要進(jìn)行異常值的剔除處理。
[0055]4.3:計算0- I=IyiIi^dPd" i = | YiIw | ,在這一步中，Y1 是原時間序列{Yt}第一個數(shù)據(jù)，只計算d' Iy1I2I ;yn是原時間序列最后一個數(shù)據(jù)，只計算d" n =
yn-yn-1 I。
[0056](其中Cli’和Cli〃為相鄰yi的絕對誤差)
[0057]4.4:計算 Cli = Cl' fd" iD[0058]4.5:計算—和它的樣本標(biāo)準(zhǔn)差S =.(I1-U)。
[0059]4.6:計算孑 + 3>5。
[0060]4.7:如果< >?/ + 35""對(Ii和Yi予以副除，否則予以保留。
[0061]4.8:如果存在r' i > 1.4或r" i > 1.4重復(fù)步驟4.3到步驟4.9否則剔除異常值完成。
[0062]4.9:將剔除的異常值--進(jìn)行修正，yc = (Y1-Jyw)/2。
[0063]4.10:獲得修正異常值后的時間序列數(shù)據(jù){Yt} ’。
[0064](5)根據(jù)新獲得的時間序列{Yt}’，通過3、5、8、12點移動平均獲得周期曲線，確定周期L。
[0065]3點法的移動平均:
[0066]Y/ = (WY3)Z^Y2, = (WY4)/3......Yn_2，= (Yn^Yn-JYn)/3
[0067]5點法的移動平均:
[0068]Y1, = (Y1+Y2+Y3+Y4+Y5) /5;
[0069]Y； = (Υ2+Υ3+Υ4+Υ5+Υ6)/5……Yn_4，= (Yn-JYn^Yn-JYn-JYn)/5
[0070]8點法的移動平均:
[0071]Y1' = (Y1^0.5+Y2+Y3+......Υ8+Υ9*0.5)/8；
[0072]Υ2’ = (Υ2*0.5+Υ3+Υ4+......Υ9+Υ10*0.5)/8......[0073]Υη_8’ = (Υη_8*0.5+Υη_7+Υη_6+......Yn-JYJ0.5) /8
[0074]12點法的移動平均:
[0075]Y1' = (Y1^0.5+Υ2+Υ3+......Υ12+Υ13*0.5)/12；
[0076]Υ2’ = (Υ2*0.5+Υ3+Υ4+......Υ13+Υ14*0.5)/12......[0077]Yn-12' = (Υη-12*0.5+Υη_η+Υη_10+......Yn-JYJ0.5)/12
[0078]繪制移動平均趨勢圖，確定周期L。
[0079]預(yù)測模型方程方法圖解，如圖3所示:
[0080](6)確定初始平滑系數(shù)α、β、Y，他們的取值范圍在(0，I)之間。
[0081](7)確定預(yù)測的初始平滑值，公式如下:
[0082]Λ =?Σ>，,'/j2 = 7 Σ -yi
L /=1L i=i+1.?
7為一4
[0083]K =~~
Iu.^ A L-11
[0084]Tl - A1 + 2 bL
_5] I'—h' (/=1，2
[0086]A1指第一個周期數(shù)據(jù)的平均值，A2指第二個周期數(shù)據(jù)的平均值指第一個周期的最后一個趨勢值；?Υ指第一個周期的最后一個基本值指第一個周期各個周期指數(shù)的估計值；
[0087](8)分別計算預(yù)測模型中的各項指標(biāo)，第t期的預(yù)測值Tt，公式如下:
[0088]
【權(quán)利要求】
1.一種趨勢性、周期性商品的中長期需求預(yù)測方法，其特征在于，包括如下步驟: (1)獲取歷史數(shù)據(jù)，獲得以往商品銷售的全部歷史數(shù)據(jù)，按照時間先后順序排列，構(gòu)建原時間序列{Yt}； (2)構(gòu)建商品歷史數(shù)據(jù)庫，進(jìn)行走勢趨勢圖的繪制； (3)根據(jù)所得趨勢圖，判斷該商品是否呈現(xiàn)整體上升或者整體下降趨勢，若符合則進(jìn)入修正異常值，獲得修正異常值后的時間序列數(shù)據(jù){Yt}’ ； (4)根據(jù)新獲得的時間序列{Yt}’，通過3、5、8、12點移動平均獲得周期曲線，確定周期L ； (5)確定初始平滑系數(shù)α、β、Y，他們的取值范圍在(O，I)之間； (6)確定預(yù)測的初始平滑值； (7)計算第t期的預(yù)測值Tt，公式如下:
?；=α-^ + (1-α)0-, ,+Λ.,), α 為平滑系數(shù)(0 < α < l);yt 為第 t 期實際值；1^為
°t-L平滑到t-1期的平均序列； (8)計算趨勢變動估計值bt,公式如下: bt = β (b.-b^) + (l-β )bt_1； bt為趨勢變動估計值；β為季節(jié)性變動估計的平滑系數(shù)，O < β < I ； (9)計算季節(jié)性變動估計值St,公式如下: ^,=7 + ^-7^, μ St為季節(jié)性變動估計值；Υ為季節(jié)性變動估計的平滑系數(shù)O

I< y < I ； (10)重復(fù)步驟(5)至(9)，根據(jù)新構(gòu)建的時間序列數(shù)據(jù){Yt}’求得基本值Τ、趨勢值b、周期值S，其中t=l、2、3、……η ;基本值T有η-L+l個，趨勢值b和周期值S有n-L個； (11)計算商品在未來一定周期內(nèi)的預(yù)測值(WtJ1，公式如下 (Wt+J I = (Tt+mbt) St+m_kLm =1,2...； (12)通過“最優(yōu)平滑系數(shù)法”，選取新的平滑系數(shù)α、β、Y，獲得新的(Wt+m)i，i=1，2…η ; (13)根據(jù)預(yù)測值與觀測值之間的誤差，獲得最優(yōu)精度S，預(yù)測誤差率ΜΑΡΕ、擬合有效度Μ，從中選取評價標(biāo)準(zhǔn)最優(yōu)的預(yù)測結(jié)果所對應(yīng)的平滑系數(shù)作為“最優(yōu)平滑系數(shù)”； 預(yù)測精度S計算公式: 設(shè)[Tl，Τ2]為分析區(qū)間，X為實際值，X’為預(yù)測值，預(yù)測誤差:e = x-x’ 預(yù)測精度s:s = i— (χ-χΙ)，若卜:’)丨>I,則將其舍去，判定為特殊事件； 預(yù)測誤差率MAPE計算公式:
MAPE = -Σ|^| = -Σ Ι(Χ X)l * I ()()%
/2 li\ 有效擬合度M: M =(1-S的標(biāo)準(zhǔn)差)* 5模型是否有效檢驗標(biāo)準(zhǔn):當(dāng)ΜΑΡΕ〈=0.05且m值>=0.7時，模型擬合有效； (14)通過最優(yōu)系數(shù)法獲得的最優(yōu)系數(shù)獲得最優(yōu)平滑系數(shù)α、β、Y下的預(yù)測結(jié)果即為最優(yōu)預(yù)測值0^+ηλΡ; (15)預(yù)測結(jié)果分析輸出。
2.如權(quán)利要求1所述的趨勢性、周期性商品的中長期需求預(yù)測方法，其特征在于，修正異常值步驟如下: 4.1:計算t和巧
3.如權(quán)利要求2所述的趨勢性、周期性商品的中長期需求預(yù)測方法，其特征在于，通過3、5、8、12點移動平均獲得周期曲線，確定周期L ;具體為: 3點法的移動平均: V= (WY3)Z^V = (WY4)/3……Yn_2，= (Yn-JYn-JYn)/3 5點法的移動平均: V= (Υ1+Υ2+Υ3+Υ4+Υ5)/5;
V= (Υ2+Υ3+Υ4+Υ5+Υ6)/5……Υη_4 ’ = (Υη-4+Υη-3+Υη-2+Υη-1+Υη)/5 8點法的移動平均: Y1, = (Y1^0.5+Υ2+Υ3+......Υ8+Υ9*0.5)/8； Y2’ = (Υ2*0.5+Υ3+Υ4+......Υ9+Υ10*0.5)/8......YnV = (Υη_8*0.5+Υη_7+Υη_6+......Yn-JYJ0.5)/8 12點法的移動平均:繪制移動平均趨勢圖，確定周期L。
4.如權(quán)利要求3所述的趨勢性、周期性商品的中長期需求預(yù)測方法，其特征在于，確定預(yù)測的初始平滑值，公式如下: A1 指第一個周期數(shù)據(jù)的平均值，A2指第二個周期數(shù)據(jù)的平均值指第一個周期的最后一個趨勢值；?Υ指第一個周期的最后一個基本值各指第一個周期各個周期指數(shù)的估計值。
【文檔編號】G06Q30/02GK103617548SQ201310656251
【公開日】2014年3月5日 申請日期:2013年12月6日 優(yōu)先權(quán)日:2013年12月6日
【發(fā)明者】李敬泉 申請人:李敬泉