定量預測

預測方法

目前常用的預測方法有以下幾種：

加權算術平均法

用各種權數算得的平均數稱為加權算術平均數，它可以自然數作權數，也可以項目出現的次數作權數，所求平均數值即為測定值。

趨勢平均預測法

趨勢平均預測法是以過去發生的實際數為依據，在算術平均數的基礎上，假定未來時期的數值是它近期數值直接繼續，而同較遠時期的數值關係較小的一種預測方法。

指數平滑法

指數平滑法是以一個指標本身過去變化的趨勢作為預測未來的依據的一種方法。對未來預測時，考慮則近期資料的影回響比遠期為大，因而對不同時期的資料不同的權數，越是近期資料權數越大，反之權數越小。

一元線性回歸預測法

根據x、y現有數據，尋求合理的a、b回歸係數，得出一條變動直線，並使線上各點至實際資料上的對應點之間的距離最小。設變動直線方程為：y=a+bx。

高低點法

高低點法是利用代數式y=a+bx，選用一定歷史資料中的最高業務量與最低業務量的總成本（或總費用）之差△y，與兩者業務量之差△x進行對比，求出b，然後再求出a的方法。

時間序列預測法

時間序列預測法是把一系列的時間作為自變數來確定直線方程y=a+bx，進而求出a、b的值，這是回歸預測的特殊式。

分類

定量預測基本上可分為兩類：一類是時序預測法。它是以一個指標本身的歷史數據的變化趨勢，去尋找市場的演變規律，作為預測的依據，即把未來作為過去歷史的延伸。時序預測法包括平均平滑法、趨勢外推法、季節變動預測法和馬爾可夫時序預測法。另一種是因果分析法，它包括一元回歸法、多元回歸法和投入產出法。回歸預測法是因果分析法中很重要的一種，它從一個指標與其他指標的歷史和現實變化的相互關係中，探索它們之間的規律性聯繫，作為預測未來的依據。

時間序列中每一時期的數值，都是由很多不同因素同時發生作用後的綜合反映。總的說來，這些因素可分為三大類：

第一，長期趨勢。這是時間序列變數在較長時間內的總勢態，即在長時間內連續不斷地增長或下降的變動勢態。它反映預測對象在長時期內的變動總趨勢，這種變動趨勢可能表現為向上發展，如勞動生產率提高，也可能表現為向下發展，如物料消耗的降低，也可能表現為向上發展轉為向下發展，如物價變化。長期趨勢往往是市場變化情況在數量上的反映，因此它是進行分析和預測的重點。

第二，季節變動。這是指一再發生於每年特定時期內的周期波動。即這種變動上次出現後，每隔一年又再次出現。所以簡單地說，每年重複出現的循環變動，就叫季節變動。

第三，不規則變動。又稱隨機變動，其變化無規則可循。這種變動都是由偶然事件引起的，如自然災害、政治運動、政策改變等影響經濟活動的變動。不規則變動幅度往往較大，而且無法預測。

優缺點

優點：偏重於數量方面的分析，重視預測對象的變化程度，能作出變化程度在數量上的準確描述；它主要把歷史統計數據和客觀實際資料作為預測的依據，運用數學方法進行處理分析，受主觀因素的影響較少；它可以利用現代化的計算方法，來進行大量的計算工作和數據處理，求出適應工程進展的最佳數據曲線。