对预测的一些认识和想法.doc

《对预测的一些认识和想法.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、对预测的一些认识和想法在网上查询了一些资料，对预测有了些认识：定义：预测（forecasting）是预计未来事件的一门艺术，一门科学。它包含采集历史数据并用某种数学模型来外推与将来。它也可以是对未来的主观或直觉的预期。它还可以是上述的综合，即经由经理良好判断调整的数学模型。作用：（一）预测为制订一个切实可行的计划提供科学依据事实；　　（二）预测是避免决策片面性和决策失误的重要手段　　（三）预测既是计划的前提条件，又是计划工作的重要组成部分　　（四）是提高管理预见性的一种手段。　　（五）向前看，面向未来，做好准备，发现问题集中力量解决，一定程度上觉得组织成败。分类：（一）按期

2、限分：　　1、短期预测。短期预测时间跨度最多为1年，而通常少于3个月。它用于购货、工作安排、所需员工、工作指定和生产水平的计划工作。　　2、中期预测。中期预测的时间跨度通常是从3个月到3年。它用于销售计划、生产计划和预算、现金预算和分析不同作业方案。　　3、长期预测。长期预测的时间跨度通常为3年及3年以上。它用于规划新产品、资本支出、生产设备安装或天职，及研究与发展。　　（二）按方法分：　　1、定性预测:在缺乏足够的统计数据或原始资料的条件下以及对某些影响因素难以量化的情况下，依靠预测者的知识，经验等作出的预测。　　2、定量预测:通过对数据的分析而进行的预测.　　（三）按预

3、测范围分：　　1、宏观预测：涉及全局或整体　　2、微观预测：指继承组织内的预测。方法：预测方法有四种基本的类型：定性预测、时间序列分析、因果联系法和模拟。　　定性预测:定性预测属于主观判断，它基于估计和评价。常见的定性预测方法包括：一般预测、市场调研法、小组讨论法、历史类比、德尔菲法等。　　时间序列分析:时间序列分析是建立在这样一个设定基础上的,与过去需求相关的历史数据可用于预测未来的需求。历史数据可能包含诸如趋势、季节、周期等因素。常见的时间序列分析方法主要有：简单移动平均、加权移动平均、指数平滑、回归分析、鲍克斯·詹金斯法、西斯金时间序列等。　　因果联系法:因果联系是假

4、定需求与某些内在因素或周围环境的外部因素有关。常见的因果联系法主要有：回归分析、经济模型、投入产出模型、行指标等。　　模拟:模拟模型允许预测人员对预测的条件作一定程度的假设。步骤：无论采用何种预测方法，进行预测时都必须遵循下面的几个步骤：　　1、确定预测的用途。这一步要确定我们进行预测所要达到什么样的的目标。　　2、选择预测对象。这一步要确定我们需要对什么对象进行预测。例如，生产预测中通常需要对公司产品的市场需求进行预测从而为公司指定生产作业计划提供资料。　　3、决定预测的时间跨度。这一步要确定所进行的预测的时间跨度是短期、中期、还是长期？　　4、选择预测模型。这一步要根据

5、索要预测的对象的特点和预测的性质选择一种合适的预测模型来进行下一步的预测。　　5、收集预测所需的数据。收集预测所需数据时，一定要保证这些数据资料的准确性和可靠性。　　6、验证预测模型。这一步是要确定我们选择的预测模型对于我们要进行的预测是否有效。　　7、做出预测。这一步里，我们要根据前面收集的相关的数据资料和确定的预测模型对我们需要预测的对象做出合理的预测。　　8、将预测结果付诸实际应用。按照前面几步，我们已经对所需要预测的对象做出了预测，这一步，我们就需要将得到的预测结果应用到实际中去，从而达到我们进行预测的目标。比如说，生产预测中，我们对未来市场对本企业产品的需求量进行

6、了预测之后，就需要根据这些预测来确定本企业的生产计划和排程。　　上面这些步骤系统总结了开始、设计和应用一项预测的各环节。如果是定期做预测，数据则应定期收集。实际运算则可由计算机进行。基于以上对预测的认识，我对我们要做的决策分析有以下些思考：1、用途：预测政府决策的制定对社保财政收支情况的影响。2、预测对象：社保财政收支。3、预测时间跨度：中期。一些政策制定后需要长期执行，一些政策制定一年后会重新调整。4、预测模型：按模拟进行预测，因为需要假设做出某项社保政策，然后模拟政策对社保财政收支的影响。5、收集预测所需的数据，建立模拟预测模型。6、验证预测模型。7、做出预测。8、将预

7、测结果付诸实际应用，给政策制定人员提供决策分析。以上步骤中，我们的重点工作是收集数据，建立模型。我人为应该从需要预测的对象出发，找出影响预测的关键因素来建立预测模型。比如，要预测社保财政收入情况，影响财政收入的关键因素为当年的参保人数、省平工资、社平工资，通过对历史数据的统计分析可建立预测模型，若需要预测未来某年的收入情况，只要预估当年的参保人数、省平工资、社平工资即可预测出结果。当然，某项政策可能更加细化，只针对某一地域、某一类人群…这就需要我们在建立模型时也更加细化，比如A1地域B1类人群参保人数、A1地域B1