[發明專利]一種趨勢性、周期性商品的中長期需求預測方法

有效

• 申請號: 201310656251.0
• 申請日: 2013-12-06
• 公開（公告）號: CN103617548B
• 公開（公告）日: 2016-11-23
• 發明（設計）人: 李敬泉
• 申請（專利權）人: 中儲南京智慧物流科技有限公司
• 主分類號: G06F17/00
• 分類號: G06F17/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 李玉平

技術領域

本發明涉及一種趨勢性、周期性商品的中長期需求預測方法，適用于帶有周期現象，受趨勢變動影響的，對季節敏感的商品中長期預測，屬于信息預測技術領域。

背景技術

隨著市場經濟的發展，市場發展已經由價格競爭時代深化進入到成本競爭時代，對市場未來走勢的先期判斷，在企業運營管理中的作用越來越重要，在很大程度上，影響著企業認知機會和把握機遇的能力。當前，對于商品歷史數據的處理停留在構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。這種狀況對于企業精確制定營銷戰役規劃和促銷戰術計劃十分不利，對于營銷效果的精確性評估也缺少可衡量的量化依據。

發明內容

發明目的：針對現有商品交易數據預測存在的問題與不足，本發明提供一種基于指數平滑方法的將線性趨勢、季節變動和隨機變動時間序列進行分解的商品預測模型和預測方法。

技術方案：一種趨勢性、周期性商品的中長期需求預測方法，適用于帶有周期現象，受趨勢變動影響的，對季節敏感的商品中長期預測，比如：冷飲、啤酒等。具體包括如下步驟：

（1）獲取歷史數據。獲得以往商品銷售的全部歷史數據，按照時間先后順序排列。

（2）構建商品歷史數據庫，進行走勢趨勢圖的繪制。

i.建立Excel表格，將商品相關的需求和供給歷史信息按時間先后順序錄入數據庫并存儲；

ii.選中全部的歷史數據，繪制歷史數據的散點圖。

（3）根據所得散點圖，判斷該商品是否有周期變動、趨勢變動。若符合進入異常值修正步驟。

（4）是否呈現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測。若符合則進入修正異常值，獲得修正異常值后的時間序列數據{Y_t}'。

（5）根據新獲得的時間序列{Y_t}'，通過3、5、8、12點移動平均獲得周期曲線，確定周期L。

（6）確定初始平滑系數α、β、γ，他們的取值范圍在（0，1）之間。

（7）確定預測的初始平滑值。

（8）分別計算預測模型中的各項指標，第t期的預測值T_t，公式如下：

（α為平滑系數（0＜α＜1）；y_t為現期（第t期）實際值；T_t-1為平滑到t-1期的平均序列）

（9）計算預測模型中的趨勢變動估計值b_t，公式如下：

b_t＝β(b_t-b_t-1）+（1-β）b_t-1（b_t為趨勢變動估計值；β為季節性變動估計的平滑系數（0＜β＜1））

（10）計算預測模型中的季節性變動估計值S_t，公式如下：

（S_t為季節性變動估計值；γ為季節性變動估計的平滑系數（0＜γ＜1））

（11）重復步驟（6）至（10），根據新構建的時間序列數據{Y_t}’求得基本值T，趨勢值b，周期值S，其中t=1、2、3、……n?；局礣有n-L+1個，趨勢值b和周期值S有n-L個。

（12）綜合各項估值，根據預測模型總公式，計算該種商品在未來一定周期內的預測值(W_t+m)₁，公式如下

(W_t+m)₁＝(T_t+mb_t)S_t+m-kLm＝1,2...。

（13）通過“最優平滑系數法”，選取新的平滑系數α、β、γ，獲得新的(W_t+m)i,i＝1,2...n。

（14）根據預測值與觀測值之間的誤差，獲得最優精度S，預測誤差率MAPE、擬合有效度M，從中選取評價標準最優的預測結果所對應的平滑系數作為“最優平滑系數”。

預測精度S計算公式：

設[T1,T2]為分析區間，x為實際值，x'為預測值，預測誤差：e＝x-x'