众所周知，没有预见就没有正确、科学的管理，在当今市场经济体制下，企业只有及时地了解市场的变化，才能更有效地进行经营决策和生产管理，从而建立市场预测系统就成为不少企业的需求。笔者曾参与一些企业市场预测系统的研制与开发，在此基础上，本文准备就预测模型的选择和改进，时间序列的分析，参数优化及系统结构几个问题进行讨论。
　　众所周知，没有预见就没有正确、科学的管理，在当今市场经济体制下，企业只有及时地了解市场的变化，才能更有效地进行经营决策和生产管理，从而建立市场预测系统就成为不少企业的需求。笔者曾参与一些企业市场预测系统的研制与开发，在此基础上，本文准备就预测模型的选择和改进，时间序列的分析，参数优化及系统结构几个问题进行讨论。
１． 预测模型的选择
　　由于市场预测系统一般用于短期预测，使用频率较高，要求能快速准确的预报。基于神经网络的预测方法目前还不是十分成熟。而企业MIS中的销售售管理子系统往往能按月提供各产品的销量和售价等信息。因此基于时间序列分析的各种预测方法，就宜被该系统所采用。
　　基于时间序列的预测方法很多，如半数平均法、移动平均法、回归分析法、指数平滑法等等，当然它们都可作为方法而纳入系统的“方法库”，以便在使用时调用。然而各种方法都有各自的特点和适用范围，如：半数平均法和线性回归分析法都是针对观察值具有线性变化的趋势，我们在使用过程中发现半数平均法的准确性，在短期预测中往往不如线性回归方法，故宜舍去。而当观察值具有比较均匀的非线性变化趋势时，针对短期预测，则更宜于采用二次回预测模型。如果变化趋势的变化规律性不强，目前人们常采用移动平均方法。然而简单的移动平均方法比较粗糙。应该与趋势分析相结合。  
   
　　该方法提出后就引起一批预测学者的重视，并进行系统的研究，７０年代开始形成研究的热点，１９８９年国际预测领域最权威的学术刊物《Journal of Forecasting》还为之出了专辑，从而９０年代以后其研究更处热潮之中。虽然我们在早期应用该方法时权数是人工确定的，但仍然优于其它预测方法。由于该方法研究的核心是关于权重优化，然而，目前给出的优化算法，过于复杂，对需要快速反应的市场预测系统说来未必十分合适。有必要给出一个简便、实用、直观的“较优”算法。
　　综上所述，我们认为，作为用于短期预测的市场预测系统所采用的基本预测模型，可选择：１．移动平均加趋势分析预测模型；２．回归分析模型（线性和二次）；３．指数平滑预测模型等。同时必需选择组合预测模型。
２． 时间序列的分析
２．１ 观察值时间序列
　　该序列直接由“销售管理子系统所提供的销售月报表直接生成，是为系统提供基础序列（原始序列）。不妨记作：Xh（j，t）。
　　其中，h∈｛１，２｝表示销售对象，如h＝１可表示产品售价，h＝２可表示销量。j表示产品号（j＝１，２…，m），t表示序号月份（t＝１，２…）并构成“序号日期序列”。
　　本文为简化描述，以下就针对确定的产品和确定的预测对象来讨论。故将序列Xh（j，t）简记作X（t），t＝１，２…，而序号日期序列t及观察值时间序列X（t）（t＝１，２…）就构成本系统“时间序列数据库”最基本的内容。其中t则为“主键”而以后所要讨论的由X（t）生成的各类时间序列，都将纳入该数据库。
　　由于本数据库的最后一条“记录”是针对当前的日期，而远期的数据作用不大，因此数据库的记录条数应保持固定不变。不妨设记录的条数为T，显然，T即表示当前的序号日期。当需考虑季节因素作用且移动平均是采用“三期一平均，”那末要求T≥１４。这样，“时间序列数据库”就具备“移动性”的特点。
２．２ 其它时间序列的生成  
   
２．３ 回归系数生成
   
   
３． 预测方法的改进与参数优化
３．１ 移动平移预测方法的改进
　　注意到移动平均序列实质上是对观察值序列的一个平滑。该序列的最后一个值为珚X（T－１），若将它作为预测期：T＋S（S≥１）时刻的预测值，显然不合理，需作一定的修正。
　　由于Δ（T－１）是移动平均序列第T－１个个值关于第T－２个值的增量，在一定程度上反映了移动平均序列变化的趋势，当我们要基于T－１时刻的移动平均值珚X（T－１）去预报T＋S预测值时，自然可取  
   
　　注意，当采用指数平滑预测模型预测时，其预测期只能是T＋１，若采用组合预测模型来预测T＋S（S＞１）时刻的预测值时，该模型就不能纳入组合预测模型内。
３．２ 参数优化
３．２．１ 指数平滑预测模型中的指数优化利用
　　指数平滑模型进行预测时，是采用了下述的递推算法（不妨称作方法１）：  
   
３．２．２ 组合预测模型中的权数优化 　　
   
   
　　在本系统中当预测期T＋S中S＞１，则n＝２，反之n＝３。
　　关于“移动平均加趋势分析模型”的改进，和“组合预测模型”的权数优化，还可作更加深入一步的探讨，限于篇幅这里就不进行了。
４． 市场预测系统的结构简介
　　本系统主要由以下五大模块构成：
　　①数据采集模块：主要是收集各产品销量、售价等实时信息，并作为与企业“销售管理信息系统”连接的接口。
　　②预测支持模块：主要是提供由“指数平滑递推算法”、“线性回归”等标准算法构成的“方法库”，并根据“数据采集块所提供数据生成“时间序列数据库”和“回归系数数据库”。作为对市场预测的支持。
　　③预测方案选择模块：主要是提供系统核心的“人—机界面”。通过人机对话输入预测要求，如选择所需预测的产品，预测对象及预测期，并根据图形显示的“观察值序列”的波动状态，确定指数平滑预测模型中的犪值及前述的η值（选择因子）。
　　④预测模块：主要是根据“预测方案选择模块提提供的要求进行预测运算。
　　⑤信息提供模块：主要是以屏幕显示或打印机打印的方式提供预测结果或各数据库的信息。
　　在本文的最后，需要指出的是，预测总是根据某一时段的部分信息，总结出经验性的规律加以外推，因此，必然存在一定的风险，从而对预测系统给出的结果，不能过分依赖，还需根据各方面的信息，通过人的综合分析，再作出判断，并在应用过程中根据实践的检验，不断完善这一系统。
商业经济与管理　　 乐甄