定量预测方法
- 格式：doc
- 大小：725.00 KB
- 文档页数：22
定量预测方法
定量预测方法是运用统计方法和数学模型进行预测的方法体系，其时间序列法、因果分析法和随机预测法中均有适合饭店经营预测的方法，我们摘取其中一些常用预测方法介绍如下。
一、时间序列预测法
时间序列就是把各种经济变量的历史数据按时间先后顺序排列起来的数列。时间序列预测法就是通过对时间序列及其影响因素的分析，找出其变化的规律，并运用数学模型进行预测。使用时间序列法时，预测人员应当记住，将来的情况和过去的情况相比会有变化，因此，预测的结果不可能绝对准确，但是通过研究历史上的销售规律性，我们可在一定程度上预见今后销售的发展趋势．为预测提供有用的信息。时间序列法的主要优点是客观，因为我们是根据历史数据来进行预测的。
时间序列分析通常包括对以下四个成分的分析：
①趋势分析：指长期的发展或下降趋势。
②季节性分析：指一年内的季节性变化，这种变化有一定程度的规律性。
③周期性分析：指在几个阶段内在发展趋势中所表现出来的周期性波动，周期的长度和幅度是不规则的。
④不确定因素分析：指无法预见的随机因素的干扰，如天气突变、自然灾害或突发事故的发生等影响销售的因素。这个成分最难预测。
时间序列预测方法很多，下面仅介绍最为常用的比率法、移动平均法、加权平均法、指数平滑法、季节指数法在饭店预测中的应用。
1．比率法
这种预测方法假定在前个时期发生的情况在不久的将来仍然会发生。这一预测方法的公
今年的营业收入
式是：明年的营业收入＝今年的营业收入×
去年的营业收入
假定今年某饭店的营业收入为5300万元，去年的营业收入为4600万元，那么，使用比率法，明年的营业收入则可预测为：
明年的营业收入＝5300万元×（5300万元/4600万元）＝6106.5217（万元）
这是一种简单的预测方法，不需要很多数据资料和统计方法，如果发展趋势稳定，或者各个时期的变化比较一致，这种方法在短期预测中可获得相当准确的结果。
2．移动平均法
此法假设较近的未来和较近过去与现在的关系密切，而与较远的过去关系不大。因此，移动平均法就用最近几期的实际值的平均数作为下一期的预测值，逐期移动，进行预测。此法适用于稳定型市场和年度预测。
移动平均法的公式为：
1211ttttntxxxxnx (4－1)
其中xt一一第t个时间序列数的实际值；
1tx——第t+1个时间序数的数值，即预测值。
ｎ——期数，即移动平均法的取实际值的个数。
例1：某饭店2004年1至9月份的客房出租率如表4—1，试用四期移动平均法预测10月份的客房出租率。
表4—1 单位：百分比
时间（月） 1 2
3
4 5 6 7 8
9
客房出租率 48 51 62 65 68 78 85 80
87
解：
四期是指n＝4，即取紧靠10月份的9月、8月、7月和6月的实际出租率来进行预测。
10x＝98768780857844xxxx
＝82.5％
若要预测11月份的出租率，只需将预测所使用的数据向前移动一期：
10987114xxxxx
移动平均法的预测期其波动幅度要比实际值的波动幅度小，其原因是通过平均减弱了偶然因素的影响。因此，当时间序列出现某种上升、下降或周期性变化、甚或突变时，预测结果则不太可靠。
3．加权平均数法
移动平均法中将前几期数值对预测值的作用平均看待，不太合理，因为离预测值近的数据对预测值的影响较大，而离得远的(时间间隔较长的)数据影响也就较小。在预测中，我们可以采用“重近轻远”的方法来解决，给不同时间间隔的数值分别乘上不同的“权数”(比例数)，然后以加权平均数作为下期预测值。此法适用于稳定而略有变化的市场类型。其计算公式为：
1niiiiXDYD （4—2）
其中： Xi为i期实际值，Di为赋予i期的权数值。
如例l，将9月、8月、7月、6月的出租率分别乘上1.3、1.2、1.1、l的权数，再除以权数之和。利用不同的权数强调“重近轻远”。权数必须为等差数列(即前后两数之差是相等的)。于是。要预测10月份的出租率，为
10Y1.387＋1.280＋1.185＋178月份＝1.3＋1.2＋1.1＋1
＝82．73913％
权数的选择可根据预测者的需要自行任意选定，只要体现“重近轻远”即可。
4．指数平滑法
指数平滑法即指数滑动平均法，也是一种加权预测方法，它是移动平均数法的改进和发展，要求按等比级数加权。这种预测方法最大特点是可以通过人为的调节来获得不同的预测值。其公式如下(一次指数平滑法)：
1(1)tttxdxx （4—3）
上式中，1tx为一次平滑预测值；
α为加权系数(平滑系数)，取0一1之间，α的大小体现不同时期的观测值(即实际值)在预测中所起的不同作用，若希望指数平滑后所得序列能敏感地反映最新的一些观测值的变动，应取较大的α,若希望消除其周期变动，以反映长期趋势，则α应取较小。通常α值可在0.3～0.7之间选取，若预测者希望有比较稳健平衡发展，则可选取0.3＜α＜0.5。反之，预测者希望能比较敏感地反映上月的实际销售额，则可选取0.5＜α＜0.7。
如例1，运用指数滑动平均法进行预测。我们希望预测期能比较敏感地反映上月的实际销售额，设α=0.6．则可用(4—3)式进行预测。指数平滑法的预测必须从数列的第一个数开始进行，例1中没有上一年份的预测数，可用实际出租率代替。
当α＝0.6时，
2x＝0.6×xl＋(1一0.6)×1x＝0.6×48＋0.4×48＝48
3x＝0.6×x2＋(1一0.6)×2x＝0.6×51＋0.4×48＝49.8
4x＝0.6×x3＋(1一0.6)×3x＝0.6×62＋0.4×49.8＝57.12
5x＝0.6×65＋0.4×57.12＝61.848
6x＝0.6×68＋0.4×61.848＝65.5392
7x＝0.6×78＋0.4×65.5392＝73.01568
8x＝0.6×85＋0.4×73.01568＝80.21
9x＝0.6×80＋0.4×80.21＝80.1
10x＝0.6×87＋0.4×80.1＝84.24。
5．季节指数法
季节指数法要求先建立描述整个时间系列发展趋势的数学方程，再考虑季节变化时预测对象的影响，算出季节指数，最后将两者结合起来，得到描述总体发展趋势季节性变化的预测模型。此法适用于季节性市场，旅游业季节性变化大，饭店客房出租率的季节变化很大，采用此法预测的准确性高。
饭店产品销售受季节因素影响较大，尤其是客房，旅游旺季和淡季，销售额波动很大。运用季节指数法可以预测一年中各月、各季预测对象的波动程度，如接待人次、出租率、营业收入等。季节指数法又有不同的计算公式，下面介绍平均季节指数及其在预测中的应用。
季节指数是显示一年中不同的时间阶段在全年预测值中所占的比例系数。我们通过—个实例来说明季节指数的计算方法。
例2：某饭店 1999年至2003年每年四个季度的客房出租率如表4—2(1)、(2)、(3)列所示。
表4—２
（1） （2） （3） （4） （5）＝（3）/（4）×100%
年 季 出租率 四期移动平均数 出租率与移动平均数之比
1999 1 46
2 78
3 85 66.5 127.82
4 57 68 83.82 2000 1
52 68.75 75.56
2 81 69.75 116.13
3 89 70.5 126.24
4 60 70 85.71
2001 1 50 70.25 71.17
2 82 70 117.14
3 88 70.5
124.82
4 62 71.75 86.41
2002 1 55 71.25 77.19
2 80 71 112.68
3 87 71.75 121.25
4 65 71.5 90.91
2003 1 54 72.75 74.23
2 85 73.25 116.04
3 89 74.5 119.46
4 70
图4－2
根据表中数据作图如图4—2所示。可以看出图中折线起伏的波动相当大，很难看出发展趋势。通过计算（4）列的四期移动平均数，即用表4—2中（3）列的1、2、3、4季度的客房出租率之和除以4。如（4）列中第一行：
46＋78＋85＋57
＝66．5
4
第二行则将（３）列中出租率向下移动一行：
78＋85＋57＋52
＝68 4
依次类推。需要注意的是，移动平均法的期数是由季节时间分段得出的，在此例中以季节分段，以年四季作四期滑动平均。若以两个月为季节时间，则一年分为六个时间段，移动平均为六期移动平均。时间分段也可按预测要求决定。
由图4—2可见，通过取移动平均数，使原波动幅度较大的折线转化为比较平滑的曲线。
表4—2中(5)列为一年中各季度的季节指数其公式可表示为：
实际出租率
季节指数＝ ×100%
移动平均数
如2000年第3季度：
87
×100%＝121．25%
71．75
如此计算，依次得出(5)列的数值。
将各年中同季度的季节指数进行排列，如表4—3。取平均季节指数：
75．56＋71．17＋77．19＋74．23
1季度： ＝74．54
4
116．13＋117．14＋112．68＋116．04
2季度： ＝115．5
4
表4—3
年 1 2 3 4
1999 — — 127．82 83．82
2000 75．56 116．13 126．24 85．71
2001 71．17 117．14 124．82 86．41
2002 77．19 112．68 121．25 90．91
2003 74．23 116．04 119．46 —
127．82＋126．24＋124．82＋121．25＋119．46
