3.2 市场预测
3.2.1 市场预测概述
1.市场预测的含义
市场预测是指在市场调研的基础上，预测者利用一定的市场预测方法，测算一定时期内市场供求变化趋势，从而为企业的营销决策提供科学的依据。同时，企业要想在市场竞争中占据有利地位，必须在市场营销组合的各个因素，如产品、价格、分销渠道、促销等方面制订有效的营销策略，而有效的营销策略的制订取决于对市场变化趋势的准确预测，只有通过准确的市场预测，企业才能制订恰当的营销策略，把握机会，从而在竞争中取胜。
2.市场预测的类型
按照不同的标准，市场预测可以划分为多种类型。
（1）按预测的空间范围来划分，市场预测可以分为宏观市场预测和微观市场预测。
宏观市场预测是对整个市场的预测，即把整个行业发展的总体情况作为研究对象，研究企业生产经营过程中的宏观环境因素。宏观市场预测的预测内容包括世界、地区和国家的经济变化趋势；金融市场变化趋势；生产的总体变化趋势；消费需求的变化趋势及国际间贸易的变化等。
微观市场预测则是从单个企业的角度出发，预测市场上影响企业生产经营的各个要素的变化趋势。微观市场预测是企业制订正确的营销策略的前提条件。微观市场预测以企业产品的市场需求量、销售量、市场占有率、价格变化趋势、成本等为主要内容。
宏观市场预测是微观市场预测的综合与扩大，微观市场预测是宏观市场预测的基础和前提。
（2）按预测产品的范围来划分，市场预测可以分为单项产品预测、同类产品预测和产品总量预测。
单项产品预测是指预测者对某一种具体产品或具体品牌的产品的市场前景进行的预测与判断，如对具体产品的品牌、质量、规格、款式等具体产品市场需求的预测。
同类产品预测是指预测者对某一类产品的市场需求变化趋势的预测，如汽车生产企业对电动汽车的发展趋势所做的预测。
产品总量预测是指预测者对消费者在未来一定时期内，对某种产品的需求变动趋势进行总量预测。
（3）按预测时间的长短来划分，市场预测可以分为短期预测、中期预测和长期预测。
短期预测通常是指预测期在1年以内的市场预测，这类预测活动在企业经营活动中是最频繁的。通过短期预测，企业能及时了解市场动态，掌握市场行情变化，提高经营决策水平。与中长期预测相比，短期预测要求更具体、更明确，因此在短期预测中定量预测方法使用得比较多。
中期预测通常是指预测期为1～5年的市场预测，一般是对影响市场长期发展的宏观因素，如经济、技术、政治、社会等因素进行预测，从而为企业制订年度计划和修订长期计划提供依据。
长期预测通常是指预测期在5年以上的预测，主要是对市场未来发展趋势和运行规律的综合性分析和判断，以此明确宏观经济或企业的发展方向和具体目标。
（4）按预测的方法来划分，市场预测可以分为定性预测和定量预测。
定性预测是指预测者依靠熟悉的业务知识、丰富的经验和强大的综合分析能力，根据已掌握的历史资料和数据，对事物的未来发展做出性质和程度上的判断，综合各方面的意见，对未来进行预测。
定量预测是指通过数学模型、利用历史数据或因素变量对需求进行预测，即根据已掌握的比较完备的历史统计数据，运用一定的数学方法进行科学的加工整理，以揭示有关变量之间的规律性联系，从而推断事物的未来发展变化情况。
3.市场预测的内容
（1）市场需求预测
市场需求预测指对市场需求进行质和量两方面的预测。在质的方面，主要指对产品品种、品质、包装、款式、品牌、技术等的变动趋势的预测；在量的方面，主要是指对市场需求量的预测，既包括总体市场，也包括单种产品量的预测。另外，产品需求结构的预测也是市场需求预测的重要组成部分。
（2）市场供给预测
市场供给预测同市场需求预测一样，也包括质和量两个方面，既包括对市场供给的产品品种、品质、包装、款式、品牌、技术等的变动趋势的预测，也包括对市场供给量的预测。
（3）产品市场生命周期预测
无论长短，每一类产品都有其市场生命周期，对产品的市场生命周期变化趋势的预测是企业预测的重要内容之一。产品市场生命周期主要是从销售量、获利能力等因素的变化来分析的。
（4）销售预测
销售预测是一种对产品销售的量、花色、品种、规格、款式等的单项产品预测。
（5）科技发展趋向预测
世界科学技术发展迅猛，近30年来，人类所取得的科技成果比过去几千年的总和还要多，科技成果产品化的周期大大缩短，科学技术的发展也大大缩短了产品的市场生命周期。据统计，1920年以前，新产品从试销到成熟平均时距为34年，1939—1959年缩短为8年，1959年以后为3～5年。科学技术的迅猛发展对企业的生产经营活动产生了巨大的影响，因此，生产企业要了解和掌握科技的发展趋势，才能做出适当的生产经营决策。
3.2.2 定性预测方法
定性预测方法是一种不依托数学模型，依靠预测者的业务知识、经验和综合分析能力来主观预测未来的方法。这种方法只能定性估计某一事件的发展趋势、优劣程度等。预测结果的准确性取决于预测者的知识、经验和综合分析能力。定性预测方法一方面用于定量预测之前，为定量预测做准备；另一方面，与定量预测方法结合使用，以提高预测的可靠性。除此之外，定性预测还可以对定量预测的结果进行评价。
1.综合意见法
综合意见法是综合企业经营管理人员及一线生产销售人员等相关人员的判断意见的预测方法。企业经营管理人员、一线生产销售人员处于生产经营的第一线，比较熟悉市场需求的情况及动向，他们的判断能较客观实际地反映市场需求。常用的具体方法有企业经理（厂长）判断预测法和销售人员预测法。
2.专家预测法
专家预测法是运用专家的知识和经验，考虑预测对象的社会环境，直接分析研究和寻求其特征规律，并推测未来的一种预测方法。具体方法包括个人判断法、集体判断法和德尔菲法。
（1）个人判断法
个人判断法是请专家对需要预测的内容进行预测的方法。这种预测方法是依靠专家个人的专业知识、经验和特殊才能进行的预测。其优点是能利用专家个人的专业知识、经验和才能，较少受到外界的影响，简单易行，减少了在时间与费用上的耗费。但是所选专家个人拥有知识的广度、深度及对预测问题的兴趣，决定了专家个人判断的客观性，这使预测结果难免有一定的片面性。
（2）集体判断法
集体判断法是在专家个人判断的基础上，通过召开专家会议进行集体的探讨，将各个专家个人的意见有机地结合起来，以寻求较为接近的结论的一种预测方法。组织专家召开会议的方法，由于参加的专家人数较多，拥有的信息量远远大于个人拥有的信息量，能较好地降低专家个人判断可能产生的预测结果的片面性。但是，参与集体判断的专家也可能受到各种外在因素的影响，不能充分或真实地表明自己的判断。
（3）德尔菲法
德尔菲法是目前国内外比较流行的定性预测方法，这种方法的应用始于美国兰德公司。德尔菲法需要聘请一批专家，各个专家在互相不沟通的情况下，用书面形式独立地回答预测者提出的问题，并根据组织者的反馈反复多次修改各自的意见，最后由预测者综合他们的意见以确定市场预测的结果。
3.2.3 定量预测方法
定量预测是指通过数学模型利用历史数据或因素变量对需求进行预测，即根据已掌握的比较完备的历史统计数据，运用一定的数学方法进行科学的加工整理，以揭示有关变量之间的规律性联系，从而推断事物的未来发展变化情况。定量预测方法有很多，本书着重介绍简单平均法、移动平均法、指数平滑法、季节指数法和回归分析法。
1.简单平均法
简单平均法是指运用统计中的简单算术平均数进行预测的方法。它的预测值是以历史数据为依据，进行简单平均得出的。
简单平均法的计算公式为：
公式中，x表示预测的平均值；x1、x2、xn表示各个历史时期的实际值；n表示时期数。
某汽车公司经营家用汽车产品，其中某型号的家用汽车2014—2018年的销量如表3-3所示。
使用简单平均法预测2019年的销售量。
将表中所列数据代入公式：
简单平均法计算简单，可以避免某些数据在短期内的波动对预测结果产生影响。但是，这种方法并不能反映预测对象的趋势变化，因而使用得比较少。
表3-3 某汽车公司某型号家用汽车销量
2.移动平均法
移动平均法是取预测对象最近一组历史数据的平均值作为预测值的方法。这种方法不是仅取最近一期的历史数据作为下一期的预测值，而是取最近一组历史数据的平均值作为下一期的预测值。因为这一方法使近期历史数据参与预测，所以历史数据的随机成分有可能互相抵消。
移动平均法的计算公式为：
公式中，yt+1表示预测值；是第t期的一次移动平均值；xi表示观察期的实际数据；n表示移动期数。
移动期数n的取值应注意：在资料期数较多时，n值可适当取大些，而资料期数较少时，n值只能取小些；在历史资料具有比较明显的季节性变化或循环周期性变化时，移动期数n应等于季节周期或循环周期；如果希望反映历史资料的长期变化趋势，则n值应取大些，如果要求反映近期数据的变化趋势，则n值应取小些。
为了凸显近期数据的影响，可以对历史数据分别给予不同权数，进行加权平均，以末期的加权平均数预测下期数据。
3.指数平滑法
指数平滑法是一种特殊的加权移动平均法，是对加权移动平均法的改进。它只确定了一个权数α，即距离预测期最近的那期数据的权数，其他时期数据的权数按指数规律推算出来，并且权数由近及远逐期递减。
指数平滑法相对于移动平均法的改进，一是全部历史数据而不是一组历史数据参与平均；二是对历史数据不采用算数平均而采用加权平均，近期历史数据加较大权数，远期历史数据加较小权数。这与近期历史数据对预测有较大影响，远期历史数据影响较小的思想是一致的。
指数平滑法的计算公式为：
公式中，yt+1是下一期的预测值；
是第t期的一次指数平滑值；xt是观察期的实际发生值；α是平滑系数。
α的取值范围为（0，1），α取值的大小会直接对预测值产生影响，因此α应按预测值的特征取值。如果时间序列具有不规则的起伏变化，但长期趋势接近一个稳定常数，应选择较小的α值；如果时间序列具有迅速而明显的变化倾向，则α应取较大值；如果时间序列变化缓慢，亦应选较小的α值。
4.季节指数法
季节指数法是以市场的循环周期为特征，计算反映在时间序列资料上呈现明显的、有规律的季节变动系数，从而达到预测目的的一种方法。
季节变动是指某些市场现象由于受自然气候、生产条件、生活习惯等因素的影响，在一定时间内随季节的变化而呈现周期性的变化规律。季节变动的主要特点是，每年都重复出现，各年同月（季）具有相同的变动方向，变动幅度一般相差不大。因此，要研究市场现象的季节变动，收集时间序列资料一般应以月（季）为单位，并且至少需要有3年或3年以上的市场中各月（季）的资料，才能观察到季节变动的一般规律。
采用季节指数法进行市场预测，首先要收集3年或3年以上的各月（季）的统计资料，求出各年同月（季）观察值的平均数（用A表示），再求出历年间所有月份或季度的平均值（用B表示），计算各月或各季度的季节指数，即S=A/B，根据未来年度的全年趋势预测值，求出各月或各季度的平均趋势预测值，然后乘以相应的季节指数，即得出未来年度内各月和各季度包含季节变动的预测值。
5.回归分析法
我们在生产和流通领域的活动中，经常遇到一些变量，这些变量是相互联系、相互制约的，它们之间客观上存在着一定的关系。为了深入了解事物的本质，需要利用适当的数学表达式来表明这些变量之间的依存关系。回归分析法就是通过对观察数据的统计分析和处理，建立回归分析模型，研究事物之间的相互关系，并据此预测市场未来发展趋势的方法。回归分析法主要分为一元线性回归预测法、多元线性回归预测法、非线性回归预测法等。一元线性回归预测法是回归分析法的基础。当预测对象只受一个主要因素的影响，并且它们之间存在着明显的线性相关关系时，通常采用一元线性回归预测法。
（1）一元线性回归预测模型为：
公式中，Xi为自变量X的第i个观察值；Yi为因变量Y的第i个观察值；n为观察值的个数，亦称样本数据个数；
为n个自变量观察值的平均数；Y为n个因变量观察值的平均数。
（2）预测模型的相关性分析
相关性分析的相关性系数计算公式为：
相关性分析方法如下。
当-1＜R＜0时，两者呈负相关；当0＜R＜1时，两者呈正相关；当|R|=1时，因变量和自变量完全相关，X与Y为确定性关系；当R=0时，仅表明因变量与自变量之间不存在线性相关关系；通常认为当0.75＜R≤1时，X与Y高度相关。