【正文】 標的組內、組間平均變化率，使得三類指標可比；最后，以某年為基年，計算出其余年份各月（季）的（相對）指數(shù)。四、景氣指標 P189經(jīng)濟的景氣狀態(tài)是通過一系列經(jīng)濟指標來描述的，這些指標參照基準循環(huán)，景氣指標可分為先行指標、同步指標和滯后指標。二、景氣循環(huán) P186 景氣循環(huán)又稱經(jīng)濟周期，一個標準的經(jīng)濟周期包括擴張與收縮。 景氣指標：經(jīng)濟的景氣狀態(tài)，是通過一系列經(jīng)濟指標來描述的，稱為景氣指標。第九章 景氣預測法一、景氣和景氣分析景氣：景氣是對經(jīng)濟發(fā)展狀況的一種綜合性描述，用于說明經(jīng)濟的活躍程度。然后利用此模型進行外推預測，得到的預測值，作為不受干預影響的數(shù)值。三、干預變量的形式 P171干預分析模型的基本變量是干預變量，則屬于在某一時刻T（或 )以后一直產(chǎn)生影響的持續(xù)性變量的是:干預分析模型的基本變量是干預變量，有兩種常見的干預變量。第八章 干預分析模型預測法一、干預的含義： 時間序列經(jīng)常會受到特殊事件及態(tài)勢的影響，稱這類外部事件為干預。? 利用自相關分析法可以測定時間序列的隨機性和平穩(wěn)性，以及時間序列的季節(jié)性。五、ARMA模型的三種基本形式：? 自回歸模型（AR：Autoregressive）；? 移動平均模型（MA：MovingAverage）；? 混合模型（ARMA：Autoregressive MovingAverage六、時間序列進行特性分析在對時間序列進行特性分析時，需要重點考慮時間序列存在的多種因素，而其中季節(jié)性更為重要。P141四、 ARMA模型 P151 ARMA模型是描述平穩(wěn)隨機序列的最常用的一種模型。二、平穩(wěn)時間序列設時間序列取自某一隨機過程，如果此隨機過程地隨機特征不隨時間變化，則這一隨機過程屬于平穩(wěn)時間序列。 第七章 平穩(wěn)時間序列預測法一、基本思想將預測對象隨時間推移而形成的數(shù)據(jù)序列視為一個隨機序列，即除去個別的因偶然原因引起的觀測值外，時間序列是一組依賴于時間t的隨機變量。 P116三、應用準則自適應過濾法主要適用于水平的數(shù)據(jù)，對于有線性趨勢的數(shù)據(jù)，可以應用差分的方法來消除數(shù)據(jù)的趨勢。216。③ 約束條件較少。二、自適應過濾法的優(yōu)點① 方法簡單易行，可采用標準程序上機運算。整個計算過程從選取一組初始加權系數(shù)開始，然后計算得到預測值及預測誤差（預測值與實際值之差），再根據(jù)一定公式調整加權系數(shù)以減少誤差，經(jīng)過多次反復迭代，直至選擇出“最佳”加權系數(shù)。平滑與響應是矛盾的，但他們有各自的優(yōu)點?！D尋找最佳a 值，使均方差最小。也就是說，越是大的α，在預測中老數(shù)據(jù)影響越小。 α值越大，數(shù)據(jù)衰減地越快，就像在移動平均法中使用的數(shù)據(jù)越少。三、溫特線性與季節(jié)性指數(shù)平滑法 P110溫特線性與季節(jié)性指數(shù)平滑法適用于既有傾向性變動，又有季節(jié)性變動的時間進行預測。因此它只能用來對一些變化平衡或緩慢量進行預測，如對需求量穩(wěn)定的商品的銷量進行預測。平滑預測模型中, 指數(shù)平滑系數(shù)α的取值決定了修正值的取舍，若α接近于1時，則新的預測值將包含前一期預測誤差的全部修正值。第五章 時間序列平滑預測法一、一次指數(shù)平滑法 P99模型指數(shù)平滑法實際上是從移動算術平均法演變而來的，它的優(yōu)點是不需要保留較多的歷史數(shù)據(jù)，只要有最近一期的實際觀測值和這期的預測誤差值就可以對未來時期進行海預測。 預測實證研究表明，各類預測方法之間并不存在明顯優(yōu)劣,只是不同方法具有各自不同的特點；216。 ② 各種曲線擬合優(yōu)度比較預測期越長，上述分析越重要。但這種方法僅給出了曲線對以往數(shù)據(jù)進行擬合的效果，而未回答該形態(tài)是否將延續(xù)到將來。CT 假設事物的發(fā)展因素也決定事物未來的發(fā)展，其條件不變或變化不大； 九、時間序列分解模型 P62時間序列Y可以表示為長期趨勢（T）、季節(jié)變動（S）、周期變動（C）和不規(guī)則變動（I）四個因素的函數(shù)，即： YT = F（TT，ST，CT，IT）較常用的模型有：加法模型 YT = TT + ST + CT + IT乘法模型 YT = TT 兩個假設條件：216。 P87七、趨勢外推法的實質 P67趨勢外推法的實質就是利用某種函數(shù)分析描述預測對象某一參數(shù)的發(fā)展趨勢。六、龔珀茲曲線 P84在多元回歸預測模型中，龔珀茲曲線特別適用于對處于成熟期的商品進行預測。不規(guī)則變動因素（I）：隨機變動因素，各種偶然因素影響所形成的不規(guī)則波動，如人為因素、政府行為……五、修正指數(shù)曲線模型 P79～P83如果新產(chǎn)品進入市場后，呈現(xiàn)出初期迅速增長，隨后逐漸降低增長速度，而增長量的環(huán)比速度又大體上各期相等，最后發(fā)展水平趨于一個正數(shù)的極限常數(shù)。自然季節(jié)影響所形成的波動。時間序列的分解長期趨勢因素（T）：反映經(jīng)濟現(xiàn)象，如需求或銷量，在一個較長時間內的發(fā)展方向，可以在一個相當長的時間內表現(xiàn)為一種近似直線的持續(xù)向上或持續(xù)向下或平穩(wěn)的趨勢。P61三、指數(shù)曲線模型在趨勢外推預測法中，如果時間各期數(shù)值的一階差比率大致相等時，就可以配選指數(shù)曲線模型進行預測。 P52第四章 時間序列分解法與趨勢分析法一、趨勢外推法模型選擇在對趨勢模型進行選擇時，主要使用的方法是圖形識別法、 差分計算法。因而，需要配選適當類型的曲線以實現(xiàn)對實際情況的擬合。常見的曲線有冪函數(shù)曲線、指數(shù)函數(shù)曲線、 拋物線函數(shù)曲線等。 P40十一、在利用回歸模型進行預測時，需要確定一定置信水平下的預測置信區(qū)間，在小樣本情形下，近似的置信區(qū)間計算公式為： P41十二、在社會經(jīng)濟中，變量之間并不都是呈線性關系。P44九、廠長（經(jīng)理）評判意見預測法的優(yōu)缺點 P17 優(yōu)點： （1） 迅速、及時和經(jīng)濟； （2） 可發(fā)揮集體的智慧，使預測結果比較準確可靠； （3） 不需要大量的統(tǒng)計資料，更適用于對不可控因素較多的產(chǎn)品進行預測； （4） 如果市場情況發(fā)生變化，可及時進行修正；缺點： （1） 預測結果易受主觀因素影響； （2） 預測結果比較一般；十、D — W值是檢驗回歸模型剩余項是否存在自相關的一種有效方法。其中檢驗指標標準誤差的計算公式為: P37七、預測置信區(qū)間利用回歸模型預測時，需給出一個在一定概率保證程度下的預測置信區(qū)間，則在小樣本條件下，更為精確的置信區(qū)間計算公式為置信區(qū)間為: P41 八、擬合優(yōu)度指標利用回歸模型進行預測時，必須作估計量與因變量之間的擬合優(yōu)度檢驗。而一個有效的估計量應滿足一致性、無偏性以及有效性要求 。假設樣本容量為n → n對觀察值（xi ，yi），則 b0、b1的估計值為: 五、參數(shù)估計的要求：利用數(shù)學模型對未來進行預測時，必須對模型中的一些參數(shù)進行估計。? 回歸預測法是通過大量收集統(tǒng)計數(shù)據(jù)，在分析變量間非確定性關系的基礎上，找出變量之間的統(tǒng)計規(guī)律性，運用統(tǒng)計學中回歸分析的方法，把變量之間的統(tǒng)計規(guī)律性較好的表現(xiàn)出來，運用自變量的數(shù)據(jù)來對因變量進行預測。一般說來，采用相關分析確定變量之間是否確實有相關關系存在，如果存在，則用回歸分析求出變量之間的定量關系表達式。三、相關分析 ? 相關分析著重考慮的是隨機變量Y與X之間的相關程度（相關系數(shù)）與相關方式（方向、系數(shù)），其分析結果就是兩個變量之間的相關系數(shù)。 可決系數(shù)衡量因變量與自變量關系密切程度的指標，取值0～1之間。P35? 在運用一元線性回歸模型預測時，對剩余殘差項 要求具備有 為常數(shù)的特性。第三章 回歸預測法 一、一元線性回歸預測法當具有相關關系的兩個隨機變量數(shù)據(jù)分布大體上呈線性趨勢時，采用適當?shù)挠嬎惴椒ǎ业絻烧咧g特定的經(jīng)驗公式，即一元線性回歸模型，然后根據(jù)自變量的變化，來預測因變量的發(fā)展變化。216。定性預測的特點：216。缺點： （1）容易受主觀因素影響； （2）對市場狀況了解不細（市場變化、顧客期望），預測結構較一般化，不精確；七. 定性預測及其特點 P8 定性預測：預測者依靠熟悉業(yè)務知識，具有豐富經(jīng)驗和綜合分析能力的人員和專家，根據(jù)已掌握的歷史和直觀的材料，運用個人的經(jīng)驗和分析判斷能力，對事物的未來發(fā)展做出性質和程度上的判斷。然后將各種意見匯總，進行分析研究和綜合處理，最后得出預測結果。 P22? 情景預測法的主要特點體現(xiàn)在定性、定量分析的結合。它把研究對象分為主題和環(huán)境，通過對環(huán)境的研究，識別影響主題發(fā)展的外部因素，模擬外部因素可能發(fā)生的多種交叉情景以預測主題發(fā)展的各種可能前景。五、情景預測法 20世紀70年代興起的一種預測技術，又稱劇本描述法。即人們根據(jù)某幾次經(jīng)驗結果，對事物變化做出主觀判斷，估算事物變化的概率，并據(jù)此對事物未來進行預測的方法。216。 優(yōu)點　? 不受地區(qū)人員的限制，應用廣泛、費用較低，可以加快預測速度和節(jié)約預測費用；? 可以獲得各種不同但有價值的觀點和意見；? 適用: 適用于長期預測和對新產(chǎn)品的預測。③ 適用于：宏觀經(jīng)濟形式的發(fā)展、市場總體形勢的演變、企業(yè)的未來發(fā)展方向、經(jīng)營環(huán)境分析和戰(zhàn)略決策等。 特點 ① 著重對事物發(fā)展的性質進行預測，主要憑借人的經(jīng)驗以及分析判斷能力。 直觀簡單，適應性強 。 P2 第二章 定性預測法一、定性預測的概念及特點216。九、預測的作用： 預測在決策之前，為決策提供依據(jù)，是決策科學化的前提；行動計劃在決策之后，是預測、決策實現(xiàn)的橋梁；預測產(chǎn)生情報和信息，行動計劃和決策消費情報、信息。八、預測的原則：（1）連貫原則：事物的發(fā)展是按照一定的規(guī)律進行的，在其發(fā)展過程中，這種規(guī)律貫徹始終，不應受到破壞，它的未來發(fā)展與其過去和現(xiàn)在的發(fā)展沒有根本的不同。 預測按內容劃分： 經(jīng)濟預測、科學預測、政治預測、 社會預測（人口、就業(yè)、生活方式）、軍事預測…。 近期預測 1個月以內　短期預測 1～3個月 216。 時間序列預測法——變量隨時間變化，用歷史資料建立模型