销售预测常用的基本方法.docx

销售预测常用的基本措施 经济规律的客观性及其可结识性是预测分析措施的基本；系统的、精确的会计信息及其她有关资料是开展预测分析的前提条件预测分析所采用的专门措施是随分析对象和预测期限的不同而异的尽管措施种类繁多,但从总体上将可归纳为定性分析法和定量分析法两类: 1、定量分析法（Quantiｔative　Aｎａlｙsis)也叫数量分析法,即运用现代数学措施对历史数据(涉及会计、记录及其她方面的资料）进行科学的加工解决，并建立经济数学模型，以揭示各有关变量之间的规律性联系的一类科学措施定量分析法按照预测分析措施论所遵循的原则、根据的理论基本及具体做法不同又分为:（1）因果预测法:是从某项指标与其她有关指标之间的规律性联系中进行分析研究的即根据各有关指标之间的内在互相依存、互相制约的关系,建立起相应的因果数学模型，以实现预测目的的一种数学预测措施如本、量、利分析法、回归分析法等2）趋势预测法:也叫时间序列法、外推分析法是根据某项指标过去和目前准时间顺序排列的数据资料,运用一定的数学措施进行加工、计算，借以估计推断事物将来发展趋势的一种数量分析措施其实质是把将来视做过去和目前的延伸如简朴平均法、移动加权平均法、指数平滑法等。

 2、定性分析法（Quaｌｉtatiｖe　Ａｎaｌysｉs）也叫非数量分析法一般是在公司缺少完备、精确的历史资料的状况下,一方面由熟悉公司经济业务和市场的专家,根据过去所积累的经验进行分析判断,提出预测的初步意见;然后再通过召开座谈会或函询的方式,对初步预测意见进行修正、补充,并作出预测分析最后结论的专门预测措施因此，又称为“判断分析法”或“集合意见法”在实际运用中,两类措施可根据实际状况进行必要的结合,以保证预测成果的精确性综上所述,预测措施可归纳如下:(1)趋势预测法（tｒend forｅcastiｎg methｏｄ）①简朴平均法简朴平均法是以某产品过去若干时期的实际数值进行简朴计算，以过去的平均数值，作为筹划期的销售预测值的一种销售预测措施简朴平均法的模型如下:式中：F—　筹划期销售预测值；        A1 —　第一期的销售数;        A2 —　第二期的销售数;        Ａn — 第ｎ期的销售数；        N — 期数［例4-1]  根据某公司１－6月份销售额的资料,预测７月份的销售额,见表１表１ 销售资料     单位:万元月份１2345６销售额5553545６５８5７根据上述资料预测7月份销售额如下:7月份销售预测值 = （55 + 53 + 54 + ５６　+ ５8　+ 57）/6 =　55.5（万元）简朴算术平均法是将过去的资料使差别平均化，也许会导致较大的误差。

一般来说,将来销售量的预测受近来销售量状况的影响最大,时期越远,影响就越小简朴算术平均法不管近前期资料还是远期资料,它采用一律平等的态度显然就存在着不合理②移动平均法移动平均法是根据某产品过去若干期的实际数值,准时间不断往后移动，取近三期或四期的资料求平均数，作为将来期销售预测值的一种销售预测措施其计算模型雷同于简朴平均法,只是计算时所采用的期数不同根据上面例４-１的资料,如果采用移动平均法，则４、5、6三个月份的资料影响限度比１、2、3月份的资料影响限度要大，因此取后三期预测７月份的销售值如下:7月份销售预测值 = (56 + 5８　+ 57)/ 3 = 57（万元）可见，移动平均法同样是使差别平均化,但在时期选择上应尽量接近预测月份,这样使预测值更接近实际简朴平均法合用于在短期内不会有明显变化趋势的销售预测,而移动平均法可合用于预测各月销售额略有波动的销售预测ﻫ③移动加权平均法移动加权平均法是根据过去若干时期的实际数值，按其距筹划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,作为将来销售预测值的一种销售预测措施其计算模型如下：式中：Ｗ—权数若令 =　6 (令W1为1,W2为2，W３为3)，仍以例4－1的资料，按一般计算公式预测７月份的销售值如下：７月份销售预测值 = (5６×１+５8×2+57×３)/(1＋２+3) =　57.１7(万元）也可令 = １ （如令W1为0.2，W２为0.３，W３为0.5），则上述模型可改为:上例7月份销售预测值 = 5６×0.2 ＋ ５8×０．3 ＋ 5７×0.5　= 57．１（万元）移动加权平均法根据历史数据的远近确认不同步期对将来期的影响限度,但这一措施仍只代表筹划期前一期或几期的实际销售水平。

为了反映近期的销售发展趋势，应在上述公式   再加上每月变动趋势值b,才干作为筹划期销售预测值,其计算模型应为：上式中:b=(本季度每月平均实际销售额－上季度每月平均实际销售额）／ 3仍以例４-1的资料，按移动加权平均法预测７月份的销售值一季度每月平均实际销售额 ＝(５５ +　53 ＋ ５4）/ 3　＝ ５4(万元）二季度每月平均实际销售额 =(５6　+　５8 + 57）/ 3 = 57(万元）b = (57 – 54）/　3 = 1（万元）若令 = 1 （W1为１,W２为２,W３为3）则7月份的销售预测值 =                       = (56×0.2 +58×0．3＋57×0.5)+ 1=　58.１(万元）这种措施既根据时期的远近分别加权,同步又考虑到了近期的销售发展趋势,从而消除了各个月份销售差别的平均化,故其预测成果比较接近筹划期的实际状况④趋势平均法趋势平均法是从过去各期实际销售量中,观测其增减变动的基本趋势并使其平均化，从而排除了某一种别销售期（特别是最后一期）也许存在偶尔因素的影响的一种销售预测法趋势平均法的计算公式是： 式中：F —　预测值；—　五期平均值;        n — 距离预测时间的期数；       —　趋势平均值;[例4－2］ 某公司1-12月份的实际销售额如表2所示:表2 实际销售额单位:万元月份12３４5678９1０111２实际销售额555３5４56585752５2５６5253５9 根据上述资料，计算该公司1月份销售预测值，见表3。

表４-3 销售预测值单位：万元月份（１)实际销售额（2）五期平均值(3)变动趋势值（4)三期趋势平均值(5)155   253   35４55.2  4565５.60.４ 55８55．4-０.２-0.067６5７5５.0-0.4-0.275２5５.０0-0.5338５２53.8-１.2-０.6679５653.0-0.8-0.2１０５254.５１．４ １１53   1２59   1月５3.8表３中第（2)栏为表2中的已知数据,代表1－12月份的实际销售额；第(3)栏中五期平均数是根据(２)栏相邻五个月的实际销售额计算的平均值;第(4）栏中的变动趋势值为两个平均值的变化趋势；第（5)栏中趋势平均数为第(４)栏相邻三期的平均值该公司1月份的销售预测值如下：1月份估计销售额 =　54.4 + 3 × （-０．２) = 53．8(万元）式中：５4．4系表4－3中最后一种五期平均数；           ３系表4-3中最后一种五期平均数所在月份至1月份的月份间隔        －0.2系表4-3中最后三期趋势的平均数该公司１月份的销售预测值也可按下式进行计算：1月份估计销售额 = 53＋4×（-０.2） = 52.2(万元）式中:5３系最后一种三期趋势平均数所在月份的五期销售平均数;         4系最后一种三期趋势平均数所在月份至１99８年１月份的月份间隔      -0.2系表4－3中最后一种三期趋势平均数。

采用趋势平均法时，计算销售额移动平均数和趋势平均数，应取多少的数据进行平均，这要根据时间数列的项数多少和特点而决定,不适宜过长或过短所取期数较多,反映波动较平滑，其预测成果的精确度相对较高；反之则与上述相反这种措施虽在一定限度上考虑到了估计期近期的实际销售量对估计期销售值的影响较大的问题，并尽量排除偶尔因素对销售预测值的影响，但在运用前期的平均数和趋势平均数时，把各期的变化平均了,即把近期的变化和远期的变化“等量齐观”了事实上近期实际值和远期实际值对预测将来的影响限度是不同的，因而，所计算的预测值仍不可避免会浮现误差⑤指数平滑法:指数平滑法是指对过去不同步期的实际销售量取不同的权数加以平均,来预测将来期销售量的一种措施由于加权平均数的曲线呈指数曲线形状，因此叫指数平滑法在这种措施下,近期和远期的实际销售量对预测将来的影响限度是不同的其计算公式是: 式中: —预测期销售预测值；  —基期销售预测值;—基期销售实际值; —平滑系数（或加权因子),0<<1仍以例4－2有关资料为例设＝0．3,1月份销售预测值为54万元按指数平滑法计算该公司1月份的销售额的预测值由公式   可知：                                             把上式列表，见表4。

１月份销售预测值 ＝　0.3×59+(1-0．3）×53．48８ = 55.142 （万元）表4 销售预测值单位:万元月份1５5   ５４253１6.5５437.８54.３３５415.９５4.３３8.01５3.914561６.2５3.91３7.73753.9３7５581６.853.93７37.75653．７5６６571７.4５3．７５637．6２95５.02975２17.155.029３8.525５．628５2１5.６55.6238.93454.53４956１５.６54.53438.17４５３.７7410521６.８53.7７437．６4254．42４11５315.6５4．4２43８.097５3．6９7１2５９15.９53．69737．58８53.4881 1７.753．48837.４4255.1４2如果所取平滑系数越大,则近期实际资料对预测成果影响越大；而平滑系数越小，则近期实际资料对预测成果影响越小这种措施与移动加权平均法没有什么实质区别采用这种措施可排除在实际销售中所涉及的偶尔因素的影响，使预测成果也许更符合实际平滑系数根据经验而定，带有一定的主观性但可通过平滑系数的调节，满足实际预测的需要。

若采用较小的平滑系数,以该法所求的预测值能反映观测值变动的长期趋势；若采用较大的平滑系数，则预测值能反映观测值新近的变动趋势2) 因果预测法（Rｅｇression Ａnaｌｙｓis　Method)①一元线性回归分析法(Sｉmｐle Reｇressiｏn Ａnalysis Metｈoｄ) x—自变量,如某种。