Ｅｘｃｅｌ與基于時間序列的動態市場預測分析

[摘 要] 本文簡要介紹了基于時間序列的分析方法，重點介紹其中的移動平均法，結合實例介紹基于移動平均法的市場預測方法#65380;步驟及Excel實現，指出該方法具有通用性和動態適應性#65377;

[關鍵詞] 動態市場預測;Excel;時間序列

[中圖分類號]F232[文獻標識碼]A[文章編號]1673-0194(2008)14-0013-02

一#65380;基于時間序列預測分析概述

時間序列預測法是將預測目標的歷史數據按時間的順序排列成為時間序列，然后分析其隨時間變化的發展趨勢，外推預測目標的未來值#65377;也就是說，時間序列預測法將影響預測目標的一切因素都由“時間”綜合起來加以描述#65377;

時間序列預測法主要用于分析影響事物的主要因素比較困難或相關變量資料難以得到的情況，預測時先要進行時間序列的模式分析#65377;

時間序列的模式，是指歷史時間序列所反映的某種可以識別的事物變動趨勢形態#65377;時間序列的基本模式，可以歸納為水平型#65380;趨勢型#65380;周期變動型和隨機型等4種類型，大體反映了市場供求變動的基本形態#65377;

時間序列預測法通常又分為移動平均法#65380;指數平滑法#65380;趨勢外推法#65380;季節分析法和生命周期法等多種方法#65377;本文主要以移動平均法為例進行市場預測分析#65377;

二#65380;移動平均法概述

移動平均法是一種簡單平滑預測技術，它的基本思想是:根據時間序列資料逐項推移，依次計算包含一定項數的序時平均值，以反映長期變動趨勢#65377;因此，當時間序列的數值由于受周期變動和隨機波動的影響，起伏較大，不易顯示出事件的發展趨勢時，使用移動平均法可以消除這些因素的影響，顯示出事物的發展方向與趨勢(即趨勢線)，然后依趨勢線分析預測序列的長期趨勢#65377;

移動平均法的計算過程是對一組近期實際值取平均值，將這個平均值作為下期預測值，逐項移動，形成一個序列平均數的時間序列#65377;

如果對一次移動平均值序列再進行一次移動平均，就得到二次移動平均值#65377;用二次移動平均值進行預測的方法，就是二次移動平均法#65377;二次移動平均法的計算公式為:

三#65380;基于移動平均法的市場預測實例分析

【例】 設某產品2006 年 1～12 月份實際市場銷售額如表1所示#65377;試運用移動平均法和二次移動平均法，采用近4期數據預測 2007 年 1 月份的市場需求量#65377;

表1某產品2006年1～12月份市場銷售額(單位:萬元)

運用Excel構建基于移動平均法的市場需求量預測分析模型的步驟如下:

步驟1:根據已知數據構建產品市場需求量預測模型Excel表格，如圖1所示#65377;

步驟2:根據一次移動平均法思路及n=4，計算一次移動平均法下的市場需求量#65377;

由于n=4，所以一次移動平均所在單元格E4:E16的公式輸入應該從E8單元格開始(即第5期)，對實際銷售額求平均值#65377;在單元格E8輸入公式為“=average(D4:D7)”，并運用公式復制填充生成E9:E16單元格公式#65377;結果如圖2所示#65377;

通過圖2可以看到，通過一次移動平均法求得2007年1月份產品市場預測需求量為1 081.5萬元#65377;

步驟3:根據二次移動平均法思路及n=4， 計算二次移動平均法下的市場需求量#65377;

由于n=4，所以二次移動平均所在單元格F4:F16的公式輸入應該從F12單元格開始(即一次移動平均預測值第5期，實際值第9期)，對一次移動平均預測銷售額求平均值#65377;在單元格F12輸入公式為“=average(E8:E11)”，并運用公式復制填充生成F13:E16單元格公式#65377;結果如圖3所示#65377;

由圖3可以看到，通過二次移動平均法求得2004年1月份產品市場預測需求量為1 067.13萬元#65377;

步驟4:模型優化

通過以上分析可以看出，如果每次的n值(每次移動平均包含的數據期數)調整，有關公式還必須做重新的設計，這樣模型的動態適應性就會很差#65377;因此，應該通過模型優化使模型根據n值的變化產生動態預測數據#65377;模型優化的思路如下:

(1)根據n值的變化，運用IF函數通過n值與每一時期欄數據比較，自動產生輸出數據的開始單元格#65377;比如n=2時，如果時期欄單元格數值大于2，則在一次移動平均單元格產生預測值#65377;如果時期欄數據大于4(2+2)，則在二次移動平均單元格產生預測值#65377;即自動在一次移動平均單元格E6開始產生數據，二次移動平均單元格F8產生數據#65377;

(2)根據n值的變化，通過時期欄數值與n值的相關比較運算及OFFSET(reference，rows，cols，height，width)函數的偏移行數#65380;列數及取幾行#65380;幾列參數的設置，就可以自動產生每一期n個近期數據，然后對n個近期數據求平均值即可得到相應的一次移動平均預測值和二次移動平均預測值#65377;

步驟5:根據上述模型優化思路，生成動態市場需求預測值#65377;

(1)設計一次移動平均法動態預測值單元格公式#65377;在單元格E4輸入公式為“= if(C4>$E$3，average(OFFSET($D$4:$D$15，C4-$E$3-1，0，$E$3，1))，“—”)”#65377;然后復制填充公式到單元E5:E15#65377;

(2)設計二次移動平均法動態預測值單元格公式#65377;在單位格F4輸入公式為“= if(C4>2*$F$3，average(OFFSET($E$4:$E$15，C4-$F$3-1，0，$F$3，1))，“—”)”#65377;

運行結果如圖4所示#65377;

通過對圖3#65380;圖4的預測結果進行比較，可以看出上述的思路是正確的#65377;

步驟6:調整n值，進行不同n值下的動態市場需求量預測#65377;

把一次移動平均法的n值調整為5，二次移動平均法的n值調整為3，則市場需求量的動態預測結果如圖5所示#65377;

四#65380;總 結

通過上述基于移動平均法下的動態市場需求量預測模型的構建，可以實現對相同時間序列模式的不同預測及不同n值的進行動態的預測#65377;該模型具有通用性和動態適應性#65377;

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”