需求预测 需求预测方法 定量预测的五个方法朴素法朴素法是假定下一期需求与本期相同，对需求比较稳定的产品的一种最廉价、最简单的预测方法。移动平均法移动平均法是指把过去若干期的平均需求量当做未来期的需求量，使用平均数计算的方法。该方法计算量小，模型简单。
（1）简单移动平均法就是以过去若干期的算术平均值作为未来期的预测值。但需大量历史数据。
（2）加权移动平均法则需要对以往各期的观测值赋予权重，权重可通过对历史数据分析后获得。指数平滑法指数平滑法使用起来比较简单，而且精度较好，基本表达式为：
Fn 1=Fn ×（An-Fn）
式中，Fn 1为第n 1期预测值；
Fn为第n期预测值；
An为第n期观测值，或第n期实际需求量（发生量）；
为参数，又称指数平滑系数， 小，则预测结果对最新动态的反映越不敏感，表明模型较看重历史信息。预测中使用以前期的预测值和观测值，再确定的参数 ，就可以完成预测。（续）
需求预测 需求预测方法 定量预测的五个方法回归分析法回归分析法是指通过对历史数据的分析，试图找到需要预测的需求量与某些变量之间的关联程度，建立回归方程，从而进行预测的方法。
根据统计规律，样本量越大，统计分析的结果越可靠。因此，回归分析法往往需要大量的历史数据作为基础。
现代管理者往往借助统计分析软件，如SPSS、SARS，来完成回归分析。
影响需求的因素很多，各因子之间的内在联系异常复杂。预测者会利用多个有相互依赖关系的回归模型组成回归方程组或者经济计量模型，用来推算或预测需求量。时间序列分析法时间序列分析法是一种常见的预测方法。通过考察需求随时间波动的规律，包括变化的趋势性（指由于消费习惯、人口总量或构成变化等因素而引起的需求量的长期变化）、季节性（指需求随时间而呈现出的周而复始的淡旺季交替现象）等，而对未来需求进行预测。
移动平均法和指数平滑法也是时间序列分析，但二者大大减少了对历史数据存储量的需求。
通常所指的时间序列分析往往指更加复杂的模型分析。
