一种趋势性、周期性商品的中长期需求预测方法技术

本发明专利技术公开了一种趋势性、周期性商品的中长期需求预测方法，适用于带有周期现象，受趋势变动影响的，对季节敏感的商品中长期预测，基于指数平滑方法的将线性趋势、季节变动和随机变动时间序列进行分解，充分考虑趋势变动和周期变动对商品交易数据的影响，根据商品数据选取原则，选择适合该预测模型的商品交易数据，确定相应的平滑参数，通过定量方法，分别计算预测模型中的各项指标，得出该种商品在未来一定周期内的预测值。从而为该商品供应链上的各个企业提供生产、制造、仓储、销售等的科学判断。

【技术实现步骤摘要】
一种趋势性、周期性商品的中长期需求预测方法
本专利技术涉及一种趋势性、周期性商品的中长期需求预测方法，适用于带有周期现象，受趋势变动影响的，对季节敏感的商品中长期预测，属于信息预测

技术介绍
随着市场经济的发展，市场发展已经由价格竞争时代深化进入到成本竞争时代，对市场未来走势的先期判断，在企业运营管理中的作用越来越重要，在很大程度上，影响着企业认知机会和把握机遇的能力。当前，对于商品历史数据的处理停留在构建时间序列和历史销量简单趋势线。然而，通过这样的方法获得的趋势线由于包含特殊事件、趋势变化和周期变化等多重因素，决策者难以通过这样的趋势线做出判断。这种状况对于企业精确制定营销战役规划和促销战术计划十分不利，对于营销效果的精确性评估也缺少可衡量的量化依据。
技术实现思路
专利技术目的：针对现有商品交易数据预测存在的问题与不足，本专利技术提供一种基于指数平滑方法的将线性趋势、季节变动和随机变动时间序列进行分解的商品预测模型和预测方法。技术方案：一种趋势性、周期性商品的中长期需求预测方法，适用于带有周期现象，受趋势变动影响的，对季节敏感的商品中长期预测，比如：冷饮、啤酒等。具体包括如下步骤：（1）获取历史数据。获得以往商品销售的全部历史数据，按照时间先后顺序排列。（2）构建商品历史数据库，进行走势趋势图的绘制。i.建立Excel表格，将商品相关的需求和供给历史信息按时间先后顺序录入数据库并存储；ii.选中全部的历史数据，绘制历史数据的散点图。（3）根据所得散点图，判断该商品是否有周期变动、趋势变动。若符合进入异常值修正步骤。（4）是否呈现整体上升或者整体下降趋势决定该方法是否使用此类商品预测。若符合则进入修正异常值，获得修正异常值后的时间序列数据{Yt}'。（5）根据新获得的时间序列{Yt}'，通过3、5、8、12点移动平均获得周期曲线，确定周期L。（6）确定初始平滑系数α、β、γ，他们的取值范围在（0，1）之间。（7）确定预测的初始平滑值。（8）分别计算预测模型中的各项指标，第t期的预测值Tt，公式如下：（α为平滑系数（0＜α＜1）；yt为现期（第t期）实际值；Tt-1为平滑到t-1期的平均序列）（9）计算预测模型中的趋势变动估计值bt，公式如下：bt＝β(bt-bt-1）+（1-β）bt-1（bt为趋势变动估计值；β为季节性变动估计的平滑系数（0＜β＜1））（10）计算预测模型中的季节性变动估计值St，公式如下：（St为季节性变动估计值；γ为季节性变动估计的平滑系数（0＜γ＜1））（11）重复步骤（6）至（10），根据新构建的时间序列数据{Yt}’求得基本值T，趋势值b，周期值S，其中t=1、2、3、……n。基本值T有n-L+1个，趋势值b和周期值S有n-L个。（12）综合各项估值，根据预测模型总公式，计算该种商品在未来一定周期内的预测值(Wt+m)1，公式如下(Wt+m)1＝(Tt+mbt)St+m-kLm＝1,2...。（13）通过“最优平滑系数法”，选取新的平滑系数α、β、γ，获得新的(Wt+m)i,i＝1,2...n。（14）根据预测值与观测值之间的误差，获得最优精度S，预测误差率MAPE、拟合有效度M，从中选取评价标准最优的预测结果所对应的平滑系数作为“最优平滑系数”。预测精度S计算公式：设[T1,T2]为分析区间，x为实际值，x'为预测值，预测误差：e＝x-x'预测精度S：（若则将其舍去。（判定为特殊事件））预测误差率MAPE计算公式：有效拟合度M：模型是否有效检验标准：当MAPE<=0.05且m值>=0.7时，模型拟合有效。（15）通过最优系数法获得的最优系数获得最优平滑系数α、β、γ下的预测结果即为最优预测值(Wt+m)op。（16）预测结果分析输出。有益效果：与现有技术相比，本专利技术适用于带有周期现象，受趋势变动影响的，对季节敏感的商品中长期预测，基于指数平滑方法的将线性趋势、季节变动和随机变动时间序列进行分解，充分考虑趋势变动和周期变动对商品交易数据的影响，根据商品数据选取原则，选择适合该预测模型的商品交易数据，确定相应的平滑参数，通过定量方法，分别计算预测模型中的各项指标，得出该种商品在未来一定周期内的预测值。从而为该商品供应链上的各个企业提供生产、制造、仓储、销售等的科学判断。附图说明图1为本专利技术实施例的方法流程图；图2为本专利技术实施例的修正异常值步骤流程图；图3为本专利技术实施例的预测模型方程方法流程图；图4为本专利技术实施例的历史数据散点图；图5为3点移动平均后获得的销售曲线图；图6为8点移动平均后获得的销售曲线图；图7为12点移动平均后获得的销售曲线图。具体实施方式下面结合具体实施例，进一步阐明本专利技术，应理解这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。如图1所示，趋势性、周期性商品的中长期需求预测方法，包括如下步骤：（1）获取历史数据。获得以往商品销售的全部历史数据，按照时间先后顺序排列。（2）构建商品历史数据库，进行走势趋势图的绘制。i.建立Excel表格，将商品相关的需求和供给历史信息按时间先后顺序录入数据库并存储；ii.选中全部的历史数据，点击Excel表格中的“插入”按钮，点击“散点图”，选择“带平滑线和数据标记的散点图”即可绘制历史数据的散点图；（3）根据所得散点图，判断该商品是否有周期变动、趋势变动。若符合进入异常值修正步骤：（4）是否呈现整体上升或者整体下降趋势决定该方法是否使用此类商品预测。若符合则进入修正异常值步骤：（如图2所示）4.1：计算和（其中ri'和ri"为相邻yi的相对比率）4.2：如果存在r′i＞1.4或r″i＞1.4，说明有异常值存在，进行异常值的剔除处理，否则不需要进行异常值的剔除处理。4.3：计算d′i＝|yi-yi-1|和d″i＝|yi-yi+1|，在这一步中，y1是原时间序列{Yt}第一个数据，只计算d′1＝|y1-y2|；yn是原时间序列最后一个数据，只计算d″n＝|yn-yn-1|。（其中di'和di"为相邻yi的绝对误差）4.4：计算di＝d′i+d″i。4.5：计算和它的样本标准差4.6：计算4.7：如果对di和yi予以剔除，否则予以保留。4.8：如果存在r′i＞1.4或r″i＞1.4重复步骤4.3到步骤4.9否则剔除异常值完成。4.9：将剔除的异常值一一进行修正，yc＝(yi-1+yi+1)/2。4.10：获得修正异常值后的时间序列数据{Yt}'。（5）根据新获得的时间序列{Yt}'，通过3、5、8、12点移动平均获得周期曲线，确定周期L。3点法的移动平均：Y1'＝(Y1+Y2+Y3)/3；Y2'＝(Y2+Y3+Y本文档来自技高网...

【技术保护点】
一种趋势性、周期性商品的中长期需求预测方法，其特征在于，包括如下步骤：（1）获取历史数据，获得以往商品销售的全部历史数据，按照时间先后顺序排列，构建原时间序列{Yt}；（2）构建商品历史数据库，进行走势趋势图的绘制；（3）根据所得趋势图，判断该商品是否呈现整体上升或者整体下降趋势，若符合则进入修正异常值，获得修正异常值后的时间序列数据{Yt}“；（4）根据新获得的时间序列{Yt}“，通过3、5、8、12点移动平均获得周期曲线，确定周期L；（5）确定初始平滑系数α、β、γ，他们的取值范围在（0，1）之间；（6）确定预测的初始平滑值；（7）计算第t期的预测值Tt，公式如下：α为平滑系数（0＜α＜1）；yt为第t期实际值；Tt?1为平滑到t?1期的平均序列；（8）计算趋势变动估计值bt，公式如下：bt＝β(bt?bt?1）+（1?β）bt?1，bt为趋势变动估计值；β为季节性变动估计的平滑系数，0＜β＜1；（9）计算季节性变动估计值St，公式如下：St为季节性变动估计值；γ为季节性变动估计的平滑系数0＜γ＜1；（10）重复步骤（5）至（9），根据新构建的时间序列数据{Yt}’求得基本值T、趋势值b、周期值S，其中t=1、2、3、……n；基本值T有n?L+1个，趋势值b和周期值S有n?L个；（11）计算商品在未来一定周期内的预测值(Wt+m)1，公式如下(Wt+m)1＝(Tt+mbt)St+m?kLm＝1,2...；（12）通过“最优平滑系数法”，选取新的平滑系数α、β、γ，获得新的(Wt+m)i,i＝1,2...n；（13）根据预测值与观测值之间的误差，获得最优精度S，预测误差率MAPE、拟合有效度M，从中选取评价标准最优的预测结果所对应的平滑系数作为“最优平滑系数”；预测精度S计算公式：设[T1,T2]为分析区间，x为实际值，x“为预测值，预测误差：e＝x?x“预测精度S：若则将其舍去，判定为特殊事件；预测误差率MAPE计算公式：MAPE=1nΣ|PE|=1nΣ|(x-x′)|x*100%有效拟合度M：模型是否有效检验标准：当MAPE=0.7时，模型拟合有效；（14）通过最优系数法获得的最优系数获得最优平滑系数α、β、γ下的预测结果即为最优预测值(Wt+m)op；（15）预测结果分析输出。FDA0000432235540000011.jpg,FDA0000432235540000012.jpg,FDA0000432235540000021.jpg,FDA0000432235540000022.jpg,FDA0000432235540000024.jpg...

【技术特征摘要】
1.一种趋势性、周期性商品的中长期需求预测方法，其特征在于，包括如下步骤：(1)获取历史数据，获得以往商品销售的全部历史数据，按照时间先后顺序排列，构建原时间序列{Yt}；(2)构建商品历史数据库，进行走势趋势图的绘制；(3)根据所得趋势图，判断该商品是否呈现整体上升或者整体下降趋势，若符合则进入修正异常值，获得修正异常值后的时间序列数据{Yt}′；(4)根据获得的修正异常值后的时间序列{Yt}′，通过3、5、8、12点移动平均获得周期曲线，确定周期L；(5)确定初始平滑系数α0、β0、γ0，其中0＜α0＜1、0＜β0＜1、0＜γ0＜1；(6)确定预测的初始平滑值；(7)计算第t期的预测值Tt，公式如下：yt为第t期实际值；Tt-1为平滑到t-1期的平均序列；St-L为第t-L期的季节性变动估计值；(8)计算趋势变动估计值bt，公式如下：bt＝β0(bt-bt-1)+(1-β0)bt-1，bt为趋势变动估计值；(9)计算季节性变动估计值St，公式如下：St为季节性变动估计值；(10)重复步骤(5)至(9)，根据修正异常值后的时间序列{Yt}′，求得预测值Tt、趋势变动估计值bt、季节性变动估计值St，其中t＝1、2、3、……n；预测值Tt有n-L+1个，趋势变动估计值bt和季节性变动估计值St有n-L个；(11)计算商品在未来一定周期内的预测值(Wt+m)0，公式如下(Wt+m)0＝(Tt+mbt)St+m-kL，m＝1,2...；(12)通过“最优平滑系数法”，选取新的平滑系数α、β、γ，获得新的预测值(Wt+m)i，i＝1,2,...,n；(13)根据预测值与观测值之间的误差，获得预测精度S，预测误差率MAPE、有效拟合度M，从中选取评价标准最优的预测结果所对应的平滑系数作为“最优平滑系数”；预测精度S计算公式：设[T1,T2]为分析区间，x为实际值，x′为预测值，预测误差：e＝x-x′预测精度S：若则将其舍去，判定为特殊事件；预测误差率MAPE计算公式：有效拟合度M：模型是否有效检验标准：当MAPE<＝0.05且M值>＝0.7时，模型拟合有效；(14)通过最优系数法获得的最优系数获得最优平滑系数αop、βop、γop下的预测结果即为最优预测值(Wt+m)op；(15)预测结果分析输出。2.如权利要求1所述的趋势性、周期性商品的中长期需求预测方法，其特征在于，修正异常值步骤如下：步骤41：计算和其中ri′和ri″为相邻yi的相对比率，yi为原时间序列{Yt}所一一对应的值，i＝1,2...n；步骤42：如果存在ri′＞1.4或ri″＞1.4，说明有异常值存在，进行异常值的剔除处...

【专利技术属性】
技术研发人员：李敬泉，
申请(专利权)人：李敬泉，
类型：发明
国别省市：