阿里金融突围：资产证券化的典型案例

《阿里金融突围：资产证券化的典型案例》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、课程：管理预测与决策课程设计题目：计算机据俱乐部仓库（CCW）问题姓名：韩喜娟学号：09611204专业：计算机信息管理时间：2011年10月26号目录一、计算机俱乐部仓库的机制二、计算机俱乐部仓库面临的问题三、解决问题的预测模型1、25%规则2、季节调整后的上期值预测3、平均值预测方法4、移动平均预测法5、指数平滑预测法6、线性回归因果预测四、小结一、计算机俱乐部仓库的机制计算机俱乐部仓库（ComputerClubWarehouse）通过与客户电话下单确定价格（以及网上和传真下单）的方式销售各种计算机产品。其产品包括台式计算机、笔记本电脑、外围设备、附属硬件、备用品、软件及与电脑相关的

2、家具。公司每年几次将产品目录寄给用户及大量的未来客户，还通过电脑杂志发行微型目录。这些目录明确的告知用户使用800免费电话下单。这些电话被接入公司的呼叫中心。二、计算机俱乐部仓库面临的问题呼叫中心从不关闭。在繁忙的时段，它被大量的代理人挤满她们唯一的工作是通过电话接受并处理顾客订单。新的代理人在开始工作前接受为期一周的培训，这项培训将重点放在如何高效、周到的处理顶单上。一个代理人处理每个电话的平均期望时间不超过5分钟。纪录被保留下来，没有在试用期达到目标的代理人将不再续聘。尽管代理人的收入不低，工作带来的厌倦及时间压力造成了相当高的人员流动率。呼叫中心为了接入电话提供了大量的电话线路，如

3、果在电话到来时代理人正忙，电话会进入等待队列。如果所有的线路都在使用，电话会响起忙音。尽管一些遇到忙音或等待时间过长而挂断电话的用户会再次拨打电话直至拨通，但是许多客户并不会这样做的。因此拥有足够的值班代理人来使这种情况出现的次数最少是很重要的。另一方面，由于代理人的劳动成本过高CCW试图避免有过多的代理人工作，造成他们大量的闲暇时间。于是获取代理人需求的预测成了公司的当务之急。一、解决问题的预测模型1、25%规则除了圣诞节期间业务猛增之外，其他时间的业务相对稳定，于是有：二季度预测量=一季度呼叫量三季度预测量=二季度呼叫量四季度预测量=1.25（三季度呼叫量）下一年第一季度预测量=上一

4、次第四季度呼叫量/1.25MAD是预测误差的简称：MAD=预测误差之和/预测次数MSE是预测误差平方的均值：MSE=预测误差的平方和/预测次数其中MAD表示绝对差异。两个值都可以代表预测方法的好坏。下图是该方法的预测表1-1：表1-12、季节调整后的上期预测方法考虑季节的影响，及搜寻季节因子，用季节因子表示季节之间细微而又重要的差异，用季节因子代替25%规则。季节性因子=期间平均数/总平均数去除季节因素影响的呼叫量=实际电话量/季节因子表2-1可见，当条件迅速变化时上期值可能是在目前状况下预测下一个值的唯一相关数据点。2、平均值预测法这种方法使用了序列的全部数据点，并简单的求了平均值，即

5、预测值=所有数据求平均值其表如图3-1显然，平均预测法只适用于环境稳定的情况下。4、移动平均预测法移动平均预测法仅对最近一段时期的数据求平均。下一个时期的与测值是最后n个值的平均。因此，当环境在几个时期内保持不变时，移动平均方法是一个非常好的方法。表4-1由移动平均预测方法的计算得知，该方法只有在当环境在几个时期内保持不变时，才是一个好的预测方法。5、指数平滑预测方法指数平滑预测方法是对移动平均方法的改进将最终的权重赋予时间序列最近的值，将比较轻的权重赋予较老得值。α是一个介于0到1之间的常数，其选值对预测的影响很大，小的α值适合于环境相对稳定的情况，较大的值适合于环境相对变化较快的情况

6、。预测值=α（上期值）+（1-α）上次预测值=上次预测值+α（上期值-上次预测值）表5-16、线性回归因果预测销售量带动了呼叫量，对销售量的预测能比比呼叫量的预测更精确。因此可以通过将呼叫量与销售量的预测直接联系起来以获得呼叫量的更好的预测。表6-1其中，呼叫量是因变量，销售量是自变量。四、小结上期值方法：适用于十分不稳定的时间序列，甚至倒数第二个值对预测下一个值也没有显著相关性。平均值预测法：适用于十分稳定的时间序列，甚至最初的几个数据对预测下一个值也是显著相关的。移动平均方法：适用于中等稳定的时间序列，最后几个数据对预测下一个值有相关性。移动平均中所包含的数据的个数反应了时间序列的稳

7、定程度。指数平滑方法：适用于不太稳定到十分稳定的时间序列，平滑常数需要进行调整以适应不同程度的稳定性。它在移动平均方法的基础上，为最近的数据赋最大的权重。这种方法不如平均移动方法那样容易为管理人员理解。计算机俱乐部（CCW）案例研究介绍了很多预测方法，在这案例中一些方法是不尽如人意的。最终对CCW数据进行深入分析，找出影响呼叫中心呼叫量的因素以及开发满意预测系统是很必要的。