市场调查预测方法

市场调查预测方法（共7篇）

市场调查预测方法 篇1

一、调查预测方法类

1、询问调查法

2、销售人员意见综合预测法

3、业务主管人员评判预测法

4、企业各级业务人员评判预测法

5、购买者需求意向调查预测法

6、用户未来支出计划测算法

7、展销调查法

8、学校调查法

9、专家会议调查预测法

10、德尔菲法

11、简单随机抽样调查法

12、分层比例抽样调查法

13、分层最佳抽样调查法

14、分层最低成本抽样调查法

15、分群随机抽样调查法

16、系统抽样调查法

17、多阶段抽样调查法

18、固定样本抽样调查法

19、任意抽样调查法

20、配额抽样调查法

21、判断抽样调查法

22、普查法

23、重点调查法

24、ABC分析法

25、典型调查法

26、问卷调查预测法

27、实验调查法

二、知识、经济判断预测方法类

28、主观概率预测法

29、投票报价主观概率预测法

30、预期调查推断法

31、市场因子推演预测法

32、转导预测法

33、基数迭加预测法

34、变动率预测法

35、定额预测法

36、订货预测法

37、市场占有率及其变动趋势预测法

三、景气指数预测方法类

38、领先滞后指标景气预测法

39、扩散指数景气预测法

40、挤压指数预测法

41、因素列举预测法

42、景气问卷调查预测法

四、均值预测方法类

43、简单算术平均数法

44、加权算术平均数法

45、分段平均数法

46、调和平均数法

47、几何平均数法

48、一次移动平均法

49、加权移动平均法

50、趋势修正移动平均法

51、二次移动平均法

52、一次指数平滑法

53、可变指数平滑法

54、二次指数平滑法

55、三次指数平滑法

56、平均数季节指数预测法

57、平均比重推算法

五、时间序列趋势预测方法类

58、随手作图预测法

59、最小二乘法

60、对数直线趋势预测法

61、指数曲线预测法

62、二次抛物线曲线预测法

63、对数抛物线曲线预测法

64、对数曲线预测法

65、简单有理曲线预测法

66、幂函数曲线预测法

67、饱和曲线预测法

68、一元线性回归预测法

69、多元线性回归预测法

70、非线性回归预测法

71、经济计量模型预测法

六、弹性预测方法类

72、需求的价格弹性预测法

73、需求的交叉弹性预测法

74、多种弹性预测法

75、多种弹性系数综合预测法

76、市场供应弹性预测法

77、广告效果弹性分析与预测法

七、产品生命周期预测方法类

78、产品生命周期销售增长率预测法

79、类比预测法

80、耐用消费品普及率的分析与预测法

81、耐用消费品社会拥有量测算法

82、耐用消费品报废率测算法

83、戈珀资(Gompertz)曲线预测法

84、罗吉斯(Logistic)曲线预测法

85、皮尔-雷德(Pearl-Reed)曲线预测法

86、典型的销售曲线预测法

87、产品生命周期综合判断法

八、平衡联系预测方法类

88、社会购买力与消费品购买力预测法

89、保本点产销量和价格预测法

90、实现目标利润的产量预测法

91、实现第一文库网目标利润的销售价格预测法

92、成本升降临界点的测算

93、达到目标成本的产量预测

94、一定产量的单位成本预测

95、固定费用固定限度内的最佳成本测算

96、进货批量和进货次数预测法

97、商品保利储存期预测法

98、零售商业网点损益平衡设置预测法

99、投资效益预测法

100、成本水平双曲线模型预测法

101、企业最大利润产销量预测法

102、企业最大利润产销量预测法

九、投入产出预测方法类

103、投入产出法用于经济和社会发展预测

104、投入产出法用于拟议中政策后果预测

105、投入产出法用于经济比例关系预测

十、马尔柯夫(Markov)预测方法类

106、市场占有率预测法

107、期望利润预测法

十一、其他预测方法类

108、生产函数预测法

109、人口预测方法

110、联合预测法

1. 手段-目的理论的内涵

手段―目的理论最早是由心理学家米尔顿・罗克奇(Milton Rokeach)提出的，到了20世纪70年代后期，由汤姆・雷诺兹 (Tom Reynolds)和丘克・吉恩格勒(Chuck Gengler)把它运用到营销学上来研究消费者的行为。手段―目的理论阐述了个人价值影响个人行为的方法。 手段-目的理论认为，顾客在购买产品和服务时，其出发点是实现一定的.价值，为了实现这一价值需要取得一定的利益，为了实现这一利益需要购买一定的产品和服务的属性。

属性包括原材料、形态、制造过程等内部属性和服务、品牌、包装和价格等外部属性。 利益包括功能利益、体验利益、财务利益和心理利益等内容。

价值包括归属感、爱、自尊、成就感、社会认同、享受、安全、快乐等内容。

具体地说，个人价值是人们所追求的最终目标，手段是人们实现目标的方法，在市场营销范畴中，手段就表现为产品属性及由此带来的产品利益。这就形成一个手段目的链(Means-end Chain)：――产品利益――个人价值。

因此，定位包括价值定位、利益定位和属性定位三个方面。顾客在购买产品时，总是为了实现个人某种价值。价值是由产品和服务功能利益组合实现的，不同的顾客对产品和服务有着不同的利益诉求，而利益是由不同的产品和服务属性实现的。价值确定产品和服务带来的利益，利益确定产品和服务的属性。

手段―目的理论学家提出一个标准的手段―目的链模型，顶端是个人价值，中层是各种利益，最底端是产品的属性，

[

手段―目的理论的定位策略

1、找出相对重要的属性――利益――价值链条

相对重要是指那些结点较多，而竞争对手相对关注较少但对消费者又较为重要的手段――目的链条。在此链条上确认出对潜在客户具有影响力的代名词，也就是找出客户关注的核心利益或者是相对重要的产品属性。

2、研究相关细分市场的大小

这实际上是对选出的代名词进行一个排序的过程，看看哪些相关的代名词不仅对消费者重要，而且能使企业实现一定的利润，还有考虑企业有没有实力进入的问题。有很多的核心利益所代表的市场表面上看确实很诱人，但是市场规模很小，或者是企业目前还不具备进入的实力，这些都需要再重新进行选择。

3、将核心利益和相对重要的产品属性与消费者头脑中业已存在的手段――目的相联系 通过广告及一系列的促销活动，来激活消费者脑中与代名词相关的联系，使之产生紧密地相关性。结合产品与利益，诉求个人价值中的社会责任感。

4、不断强化消费者对企业与代名词之间的相关性，提升核心利益与个人价值的关联度 在选择定位诉求时，注意要选择包含“类别”的名词，还要注意挖掘那些能使消费者改变对竞争对手想法的代名词，并且要注意差异性。

手段-目的理论对战略营销的重要意义

手段――目的理论是一种源于对消费者认知结构的研究方法，它摆脱了企业长期以来对产品的过于关注，而忽略消费者真正需求的做法。从行为学的角度来探究消费者的心智模式，它使企业真正地关注客户，关注客户利益，一定程度上避免了企业常犯的“营销近视症”。手段―目的模型回答了什么因素会影响潜在客户以及企业应该关注哪些影响客户的因素这两个问题，而这正是定位战略所关注的核心所在。

市场调查预测方法 篇2

1 二甲醚简介

二甲醚是碳一化学中的一个拳头新产品, 一般通过甲醇脱水获得。二甲醚亦称甲醚, 缩写DME, 无色无毒气体或压缩液体, 沸点-24℃, 凝固点-140℃。二甲醚具有轻微的醚香味, 毒性很低。人吸入或经皮肤吸收过量二甲醚会引起麻醉、失去知觉和呼吸器官损伤。二甲醚有较优良的环境性能指标, 不致癌, 不会对大气臭氧层产生破坏作用。二甲醚为无色易液化气体, 燃烧时火焰略带光亮。二甲醚具有良好的混溶性, 可以与大多数极性和非极性有机溶剂混溶, 如能溶于汽油、四氯化碳、苯、氯苯、丙酮及乙酸甲酯等, 加入少量助剂后可以与水以任意比例互溶。

2 二甲醚的生产方法比较

2.1 生产方法

(1) 甲醇脱水法; (2) 在生产甲醇时作为副产物经分离, 精制而得到; (3) 合成气直接合成二甲醚; (4) 甲酸甲酯催化分解。

现阶段大多数工业生产都采用甲醇脱水法, 其技术路线:A、以浓硫酸脱水反应;B、添加磷酸铝高温反应;C、催化反应。

在以上三种技术中, A路线设备腐蚀严重, 操作条件差;B路线甲醇转化率及二甲醚的选择性均较低;C路线 (即改性固体酸催化的方法) , 虽然温度和压力条件要求较低, 生产控制比较容易, 便于连续化工业生产, 但甲醇蒸汽与固体催化剂表面接触面积有限, 存在转化率低, 二甲醚气体与反应气不易分离等缺点。针对以上情况, 阳离子型液体催化反应法是近几年成功开发的一项专利技术, 它采用“液—液—气”工艺路线, 甲醇分子与催化剂分子接触充分, 因而转化率高, 二甲醚气体极易脱离液相。而且投资少, 能耗低, 收率高、成本低, 且具较强的市场竞争力。

2.2 反应特点 (催化反应法)

该方法的特点是: (1) 催化剂的再生与反应过程是同步的, 即在产气的同时就完成了催化剂的再生。 (2) 液体甲醇在温度小于130℃, 压力小于0.1MPa条件下脱水。 (3) 反应平和稳定, 能耗少, 易控制。 (4) 无污染、无腐蚀。由于采用了阳离子型液体催化剂, 因而和其它工艺路线相比, 投资省, 工艺简便易行, 无需增加再生工序和装备, 而且能大大提高产品质量。现有技术是采用“气—固—气”工艺路线, 甲醇气体与固体催化表面接触有限, 因而转化率低, 而且二甲醚气体与反应气 (合成气) 不易分离, 而液—液—气工艺路线, 甲醇分子与催化剂分子接触充分, 因而转化率高, 而且二甲醚气体极易脱离液相, 因而易于分离提纯。

2.3 工艺指标

阳离子型液体催化剂甲醇液相脱水制二甲醚的工艺指标如下:甲醇单程转化率大于85%;二甲醚选择性大于等于99.5%;反应温度120℃～130℃;反应压力0.1MPa;原料消耗小于1.42t甲醇/tDME;二甲醚含量大于等于99.5%

2.4 工艺流程简述:

(1) 在反应器内先装入阳离子型液化催化剂, 然后按照理论配比将原料甲醇通过水加压输入反应器进行反应, 将其物料加热到120℃～130℃, 反应器压力升到0.1MPa, 完成酯化、脱水反应。

(2) 将原料甲醇继续以慢速流量加入反应器内, 使反应器温度维持到125℃左右, 釜内压力升到0.2MPa时一部分水蒸汽和未反应的甲醇随产生的二甲醚气体一起进入冷凝器冷却。

(3) 在冷凝器内, 将二甲醚气体从反应器带来的水蒸气和部分未反应的甲醇蒸汽冷凝后进入回收釜内。

(4) 未反应的甲醇和冷凝水, 进入回收釜内加热, 使其温度保持在70℃～95℃之间, 维持一定的真空度, 此时甲醇气体携带回收釜内的少量蒸气到冷凝器, 使甲醇蒸汽冷凝成粗甲醇送到反应槽。回收釜内留下的物质就是废水溶液, 再将这部分废水送入废水处理池处理, 达标后排放。

(5) 二甲醚气体进入洗涤塔Ⅰ除去多余杂质, 再进入洗涤塔Ⅱ, 通过塔板上的填料层进一步出去水份后进入干燥塔, 通过干燥塔进一步除去水份, 将此二甲醚气体压缩至0.4MPa～0.6MPa (表压) , 经过油气分凝器以除去杂质, 冷却到常温即得二甲醚液体。将此二甲醚液体送入提纯塔提纯, 经压缩冷却后得到精二甲醚产品。

3 二甲醚的市场预测

以二甲醚为原料的主导产品其三个系列—燃气、燃油和制冷剂的应用取得突破性进展, 它们的生产路线构思新颖、技术独特。以科学的配比和适当方式将二甲醚与系列产品完全混溶。即成优质的可燃性液化气, 该液化气无毒、无烟、不积炭、“残液”量少, 热值高 (约10000大卡/kg) , 比同等重量13kg装置的普通液化气连续燃烧时间可长4小时左右。经有关部门检测, 符合《国家液化石油气标准》, 受到广大用户的青睐。被列为国家科委重点推广项目之一。由于二甲醚液化燃气的安全、清洁方面已越来越受到青睐。

将二甲醚加进汽 (柴) 油中, 可提高油品的辛烷值 (十六烷值) , 具有明显的燃烧经济性, 不仅改善车辆的冷启动性和加速性能, 而且降低尾气排放。据统计, 仅北京市就有100多万辆汽车, 全国拥有量不少于3000万辆, 按每辆每年烧油两吨计, 就得6000万吨汽 (柴) 油, 而我2002年进口石油达7000万吨, 因此二甲醚作为能源替代品已迫在眉捷。以二甲醚为基础原料配制的环保制冷剂, 具有无毒无害、安全可靠、化学性能稳定, 单位容积制冷量大, 流动阻力小, 在常温和低温范围内压力适中, 热效率高等优点, 是一种很有前景的氟利昂长期性替代物。几乎与此同时, 环保型“绿色制冷剂”的市场需求量越来越大, 尤其是汽车空调制冷剂 (俗称“雪种”) , 是汽车空调的重要冷源。随着我国加入WTO, “安全、可靠、舒适”是汽车工业发展的方向, 而汽车空调是提高汽车档次和市场竞争力的不可缺少的一部分。目前汽车空调制冷剂市场还没有规范的管理体系, 处于逐步完善阶段, 正朝着环保节能型方向发展。我国政府已向国际社会作出承诺, 至2005年停止生产CFC类氟利昂。因此必须加快“绿色制冷剂的研究和生产”。据制冷协会的不完全统计, 我国每年制剂 (还不包括各种气雾剂、发泡剂、灭火剂等在内) 的消耗量约50万吨, 总值约280亿元, 仅汽车空调制冷剂的消耗量占整个市场的40%, 而且今后还在不断增加, 巨大的市场潜力和新技术的交叉渗透为二甲醚开辟了广阔的发展空间。

4 结语

将资源优势和技术优势结合, 大力发展我国碳一化学, 二甲醚作为清洁燃料系列产品, 作为能源的替代品, 具有非常广阔的前景, 二甲醚先进技术的开发成功, 将煤化工、石油化工、天燃气化工有机结合, 融为一体、相辅相成, 它将产生显著的社会效益, 对开辟节能新领域, 具有十分现实和深远意义。

摘要：本文叙述了二甲醚的各种生成方法并进行了比较, 通过市场预测说明发展碳一化学的必要性以及二甲醚的重要地位。

市场调查预测方法 篇3

关键词:农产品;价格预测方法;时间序列模型;鲜奶价格

中图分类号:F304.3文献标识号:A文章编号:1001-4942(2010)01-0109-05

Choice and Application of Short-term Forecast Method for Agricultural  Products Price——Taking Fresh Milk Retail Price as Example

DONG Xiao-xia, LI Gan-qiong, LIU Zi-jie

(Institute of Agricultural Information, Chinese Academy of Agricultural Sciences/Key Laboratory of

Digital Agricultural Early-warning Technology, Ministry of Agriculture,Beijing 100081, China)

Abstract Based on summarizing the kinds and characteristics of the time series models and taking our country fresh milk retail price as example, the process of choosing the right time series models for short-term forecast of agricultural products price was demonstrated.Checked by stationarity, seasonal characteristic, trend and heteroskedasticity etc., the exponential doubles smoothing, Holt-Winters non-seasonal smoothing and the ARCH modelwere chosen for analyzing the fresh milk retail price. The results indicated that the forecast precision of ARCH model was the best, and the forecast stability of Holt-Winters non-seasonal smoothing was the best.

Key words Agricultural product; Price forecast method; Time series model;Milk price

时间序列分析和预测是根据系统观测得到的时间序列数据,通过曲线拟合和参数估计等方法来建立系统数学模型的理论和方法。时间序列模型是发展较早而且比较成熟的预测方法之一,该模型主要思想是认为同一变量在现在时刻的取值,在时间上同以前的观测值有联系,这种联系可以用一种模型来表示,利用这种模型用现有及以前的序列值可以外推预测目标未来的变化值[1]。

1 时间序列模型的种类时间序列分析与预测方法经过几十年的发展,主要分为线性建模预测和非线性建模预测两种。线性建模预测具体方法包括移动平均法、指数平滑法、趋势外推法、自回归分析法、干预模型预测法和灰色预测法;非线性建模预测主要包括神经网络预测和混沌时间序列预测。

1.1 线性建模预测

1.1.1 移动平均法 基本思路:根据时间序列资料,逐项推移,依次计算包含一定项数的序时平均值,以反映目标未来趋势。移动平均法适用于受周期变动和随机波动影响起伏较大,目标发展趋势不容易显示的情况。移动平均法可以消除这些因素的影响,显示出事件的发展方向与趋势,然后再进行预测[1,3]。移动平均法有两个主要限制:一是必须具有大量历史观测值,二是过去观察值的权数相等。

1.1.2 指数平滑法 基本思路:预测值是以前观测值的加权和,且对于未来将要发生的事物,不同时期的观察值对其影响程度是不同的,最新的观测值被赋予较大的权数,早期观察值被赋予较小的权数。指数平滑法具体方法有一次指数平滑法、线性二次指数平滑法、布朗二次(或高次)多项式指数平滑法、温特线性和季节性指数平滑法。根据时间序列数据的发展趋势可以采用不同的指数平滑法进行预测,如时间序列数据的变化具有线性趋势,为了避免预测值滞后于实际值,应采用线性二次指数平滑法;当数据的基本趋势是非线性的,则可采用布朗二次(或高次)多项式指数平滑法;当数据的变化含有季节性的因素,则应使用把季节性因素考虑在内的温特线性和季节性指数平滑法(Holt-Winters季节调整模型)[1]。

1.1.3 趋势外推法 基本思路:利用函数分析描述预测对象某一参数的发展趋势,通过选择反映时间序列的趋势模型,给定时间变量,外推指标值来预测目标未来数据。当预测对象依时间变化呈现某种上升或下降的趋势,并且无明显的季节波动,又能找到一条合适的函数曲线反映这种变化趋势时,就可以采用趋势外推法(Holt-Winters无季节性模型)[3]。趋势外推法的假设条件较严格,一是假设事物发展过程没有跳跃式变化,一般属于渐进变化;二是假设根据过去资料建立的趋势外推模型能适应未来,能代表未来趋势的变化情况,即未来和过去的规律一样。

1.1.4 自回归分析法 基本思路:利用时间序列数据本身的相互关系,建立回归模型拟合过去信息,进而预测未来。自回归分析法具体方法包括自回归移动平均模型( ARMA)、差分自回归滑动平均模型( ARIMA)、自回归条件异方差模型 (ARCH)等。根据时间序列数据的变动特征可以采用不同的自回归分析法进行模拟和预测,其中自回归移动平均模型适用于均值、方差和协方差等均不随时间变化而变化的平稳时间序列,差分自回归滑动平均模型和自回归条件异方差模型适用于非平稳时间序列,同时差分自回归滑动平均模型要求数据序列不能存在异方差。

1.1.5 干预模型预测法 基本思路:利用受干预影响之前的数据,建立一个单变量的时间序列模型,然后利用此变量进行外推预测,得到的预测值作为不受干预影响的数值,再以实际值减去预测值,得到受干预影响的具体结果,利用这些结果估计干预影响部分的参数,最后结合干预影响参数和排除干预影响后估计出的时间序列模型,求出总的干预分析模型。适用于受政策变化或突发事件影响呈现明显阶段性波动的时间序列数据[4]。

1.1.6 灰色预测法 基本思路:通过鉴别系统因素之间发生趋势的相异程度,进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来的发展趋势的状况。并根据预测的超前时间选择适当长度的原始序列的子序列来建模和预测。灰色预测的建模要求数据序列必须等距,不能有跳跃,且指数趋势变化特征严格。

1.2 非线性建模预测

1.2.1 神经网络预测法 基本思想来源于人类大脑神经运作的模式,是人脑的某种模仿。神经网络预测包括单变量时间序列预测和多变量时间序列预测。神经网络预测法有自适应和学习功能,在实践中一个重要特点是它能把自回归方程中的系数调整成为新的为我们所需要的值。理论已经证明神经网络预测法具有逼近任意函数的能力, 在实践中也能够达到很高的预测精度。但是神经网络预测法也存在一些缺点,如训练速度慢、隐含层点数目难以确定、容易陷入局部极值等[5,6]。

1.2.2 混沌时间序列预测 基本思路:对于任一待预测的向量X来说,如果历史样本点很多的话, 总会有现成的观测点接近预测向量值。混沌时间序列包括全局、局部、半局部建模预测方法,

混沌时间序列往往有很宽的频谱,如果吸引子的维数较低、噪声不大,混沌时间序列预测效果确实比线性模型的预测效果好。一般来说, 局部和半局部方法是最好的,但没有一种非线性方法在各种情况下都是最优的[6]。

2 时间序列模型的选择

对于一个实际观察到的时间序列,我们选择的模型可以不同,但是预测模型选择的正确与否直接关系到预测的准确性、精确性和科学性。实际应用过程中,需要根据实际观察数据的特点,结合预测模型各自独特的原理和运用前提条件,选择合适的运用模型。一般而言,经济指标的月度或季度时间序列包含长期趋势、循环变动、季节变动和不规则波动4种要素。长期趋势代表经济时间序列长期的趋势特性;循环要素是以数年为周期的一种变化,它可能是一种景气变动,也可能是经济变动或其它周期变动;季节变动要素是每年重复出现的循环变动,以12个月或4个季度为周期;不规则要素又称随机因子、残余变动或噪声,这类因素是由偶然发生的事件引起的,经济学分析中,这些要素往往掩盖了经济发展的客观变化,给研究经济发展趋势带来困难[3]。因此,选择合适模型之前,必须对经济时间序列进行分析判断,确认其平稳性、趋势性、季节性、异方差等数据特征。本研究运用STATA 10软件,以2000年1月至2009年10月我国鲜奶零售价格为例进行分析示范。

2.1 平稳性测试

研究采用单位根(ADF)检验鲜奶零售月度价格时间序列的平稳性,确定价格序列最终达到平稳的阶数。如表1所示,水平序列的检验结果中麦金农近似估计值(MacKinnon approximate p-value)为0.7618,接近1,不能拒绝原假设,即鲜奶零售月度价格时间序列数据存在单位根。因此,需要进一步对价格时间序列数据做一阶差分,进而再通过ADF检验来考察该序列是否存在单位根。一阶差分序列的平稳性测试结果见表2:麦金农近似估计值(MacKinnon approximate p-value)为0.0508,拒绝原假设,即鲜奶零售月度价格时间序列数据一阶差分后不存在单位根,已经平稳,因此鲜奶零售月度价格时间序列数据为一阶单整序列。单整序列阶数的确定对自回归分析法中ARMA(p,q)模型、ARIMA(p,d,q)模型以及ARCH(p) 模型中参数估计非常关键。

表1 平稳性测试结果——水平序列

检验统计量1%临界值5%临界值10%临界值

Z(t)-0.976-3.534-2.904-2.587

注:迪基富勒单位根检验;麦金农近似估计值为0.7618。

表2 平稳性测试结果——一阶差分序列

检验统计量1%临界值5%临界值10%临界值

Z(t)-3.405-4.080-3.468-3.161

注:迪基富勒单位根检验;麦金农近似估计值为0.0508。

2.2 趋势性检验

在实证研究当中,价格变化、进出口变化等时间序列数据往往随时间变化有着某种变动(一般是上升)趋势。经济分析中如果忽视了对趋势的考虑,有可能导致变量间关系错误。尤其在回归当中,如果每个变量都随时间增长,那么在多个具有趋势性的变量中找到某种关系的现象就是谬误回归,也称伪回归。因此,在选择时间序列模型前对数据序列的趋势性检验非常必要。本研究采用通用的趋势性检验方法对鲜奶零售月度价格时间序列数据进行检验,即鲜奶价格与时间本身两个变量运用最小二乘法(OLS)看两者的相关程度,如果两者相关系数通过检验,则存在趋势性。表3回归结果中鲜奶价格与时间本身(n)的相关系数为0.0108946,t检验值17.12,可以很明确地得出鲜奶零售价格与时间变量之间存在增长趋势,即随着时间的变化,鲜奶零售价格增长趋势明显。因此,选择时间序列模型时,应该考虑适用于有趋势性的时间序列模型。在做鲜奶零售价格影响因素分析时,也需要在模型回归过程中添加一个趋势变量(时间变量),提升回归结果的可靠性。

表3趋势性检验结果

离差平方和(SS)自由度(df)均方差(MS)

模型15.8404062115.8404062

残差6.213314621150.054028823

合计22.05372081160.190118283

价格系数标准误t值P值[95%置信区间]

时间变量(n)0.01089460.000636317.120.0000.0096343 0.012155

常数项1.6835440.043255338.920.0001.597864 1.769225

注:样本数=117,F=293.18,P=0,R2=0.7183,调整R2=-0.7158,均方的误差=0.23244。

2.3 季节性检验

如果一个时间序列是由定期观测(如每月、每季度等)得到,那么就有可能表现出季节性。如劳动节、国庆节、元旦、春节等假日会使鲜奶零售价格在正常情况下要高于其它月份,从而提高该季度的零售价格。我国奶类消费除受假日因素影响外,季节性变动也特别明显,第一季度和第四季度奶类消费明显高于第二和第三季度。那么鲜奶零售价格是否与我国奶类消费趋势一致,存在明显的季节性,这需要通过计量方法进行检验。季节性检验的一般方法是将时间序列数据与季度虚拟变量进行回归,再进一步对季度虚拟变量做联合显著性检验。表4是鲜奶零售价格与季度虚拟变量的最小二乘法回归结果,可以看到鲜奶零售价格与三个季度虚拟变量之间的相关系数没有一个通过T检验;进一步对季度虚拟变量做联合显著性检验,结果Prob> F=0.9498,进一步说明季节因素对鲜奶月度零售价格不存在影响。

表4季节性检验结果

离差平方和(SS)自由度(df)均方差(MS)

模型0.0684800630.022826687

残差21.98524071130.194559652

合计22.05372081160.190118283

价格系数标准误t值P值[95%置信区间]

2季度虚变量0.02133330.11388870.190.852-0.204301 0.246968

3季度虚变量0.030.11388870.260.793-0.195634 0.255634

4季度虚变量-0.0339630.1170096-0.290.772-0.26578 0.197854

常数项2.3210.080531528.820.0002.161453 2.480547

注:样本数=117,F=0.12,P=0.9498,R2=0.0031,调整R2=-0.0234,均方的误差=0.44109。

季度虚拟变量联合显著性检验结果:

(1)2季度虚变量=0

(2)3季度虚变量=0

(3)4季度虚变量=0

F=0.12

P(Prob> F=0.9498)

2.4 异方差检验

对于非平稳时间序列,我们初步可以判断鲜奶零售价格时间序列可以运用差分自回归滑动平均模型(ARIMA)或自回归条件异方差模型(ARCH)。具体采用哪一种方法更精确更合理,本研究需要对鲜奶零售价格进一步进行异方差检验,当时间序列数据不存在异方差时,采用ARIMA模型;当时间序列数据存在异方差时,采用ARCH模型。下面是对鲜奶零售价格数据进行异方差检验的过程和结果。首先获得当期鲜奶零售价格与其滞后一期价格的相关性(表5),然后观测因变量拟和值与残差值之间的关系(图2),进一步采用Breusch-Pagan异方差检验,检验结果中Prob>chi2=0.0003,可以确认存在异方差。由于默认的Breusch-Pagan异方差检验仅可以检验与X相关的异方差,无法检验更高次的异方差,所以进一步采取White检验,通过White检验结果(表6)可以发现仍然存在异方差。

表5异方差检验结果

离差平方和(SS)自由度(df)均方差(MS)

模型21.71339121.71339

残差0.181903361140.001595644

合计21.89529331150.190393855

价格系数标准误t值P值[95%置信区间]

滞后一期价格1.0140220.0086926116.650.0000.9968016 1.031242

常数项-0.02077840.0204882-1.010.313-0.061365 0.019809注:样本数=116,F=13607.92,Prob>F=0,R2=0.9917,调整R2=0.9916,均方的误差=0.03995。

图1 因变量拟和值与残差值之间的关系

布鲁薛-培根(Breusch-Pagan)异方差检验结果:

原假设:不存在异方差(Ho: Constant variance)

变量:价格拟合值(Variables: fitted values of price)

χ2=12.08(chi2(1)=12.80)

P=0.0003(Prob>chi2=0.0003)

表6White检验结果

χ2值(chi2)自由度(df)P值

异方差系数10.9620.0042

偏度系数4.9310.0264

峰度系数1.7410.1867

合计17.6440.0015

综合上述分析可以确定,新世纪以来我国监测城市鲜奶零售月度价格得到的数据是非平稳时间序列。鲜奶零售价格的波动呈现明显时间趋势性,但季节性波动不明显。鲜奶价格时间序列模型中扰动项方差稳定性较差,大的及小的预测误差常常会成群出现,即存在异方差。因此,根据上述数据特点,结合不同时间序列模型的适用范围(表7),实证研究中鲜奶零售价格预测采用了双指数平滑、Holt-Winters无季节性模型和ARCH模型共3种方法进行了模拟。其中,双指数平滑方法进行两次单指数平滑(使用相同参数),适用于有线性趋势的序列;Holt-Winters无季节性模型适用于具有线性时间趋势但无季节性的序列,与双指数平滑法一样,这种方法以线性趋势进行预测,但不同的是双指数平滑方法只用一个参数,Holt-Winters无季节性模型用两个参数;ARCH模型是为了刻画预测误差的条件方差中可能存在的某种关系,与ARIMA模型一致,它们均属于非平稳时间序列模型,不同的是ARIMA模型要求时间序列不存在异方差,ARCH模型主要思想是当期扰动项的条件方差依赖于它的前期扰动项的大小。

表7 时间序列模型的适用范围及选择

模型平稳性趋势性季节性异方差性选择

单指数平滑-无无-

双指数平滑-有--√

Holt-Winters无季节性模型-有无-√

Holt-Winters季节调整模型-有有-

ARMA模型有--无

ARIMA模型无--无

ARCH模型无--有√

3 时间序列模型的应用

表8中是采用双指数平滑、Holt-Winters无季节性模型和ARCH模型3种时间序列分析与预测方法对我国鲜奶零售价格进行模拟后拟合值与实际值之间残差的比较。拟合结果显示,对我国鲜奶零售价格而言,ARCH模型预测结果精确

表8三种短期预测方法拟合值与实际值之间残差比较

模型观察值均值标准差最小值最大值

双指数平滑1170.02762410.0416499-0.22002260.1118966

Holt-Winters 无季节性模型1170.02791080.0385302-0.12604190.1295652

ARCH模型1160.02669100.0401481-0.21491240.0840648

度最高,残差均值为0.0266910,标准差为0.0401481;Holt-Winters无季节性模型稳定性最好,标准差为0.0385302,明显低于双指数平滑和ARCH模型的标准差值,但其误差均值较大。

为了进一步考察不同方法的稳定性、精确性,本研究重点分析了2009年1月至10月不同预测方法在鲜奶零售价格短期预测中的应用,观察预测值与实际值之间的误差。表9是3种短期预测方法的预测结果与实际监测价格的比较,通过比较发现,与表8研究结论一致,Holt-Winters无季节性模型和ARCH模型的预测结果要明显好于双指数平滑,Holt-Winters无季节性模型平均残差为0.0230,ARCH模型平均残差为0.0217,ARCH模型预测精确度最高。

表9 不同短期预测方法的预测结果及其比较

月份实际监测价格双指数平滑Holt-Winters无季节性模型ARCH模型

13.243.253.263.26

23.253.243.253.25

33.263.253.263.26

43.273.263.273.27

53.303.273.283.28

63.253.303.323.30

73.223.253.253.26

83.263.223.213.23

93.293.263.263.27

103.313.293.303.29

113.303.293.313.32

平均残差-0.0240010.02300.0217

参 考 文 献:

[1] 伍德里奇.计量经济学导论[M].北京:中国人民大学出版社,2003,297-333.

[2] 赫尔穆特•鲁克波尔,马库斯•克莱茨希.应用时间序列计量经济学[M].北京:机械工业出版社,2008,6-54.

[3] 高铁梅. 计量经济分析方法与建模[M].北京:清华大学出版社,2006,133-152.

[4] 徐国祥.统计预测方法的特点研究[J].统计研究,1999,2:52-56.

[5] 张大海,毕研秋,毕研霞,等.基于串联灰色神经网络的电力负荷预测方法[J].系统工程理论与实践,2004,12:128-132.

市场调查、预测、分析 篇4

格式：１.标题。

２.正文：前言、主文（情况、预测、分析、建议）和结语。

３.结尾：调查单位、调查人签名、调查时间等。

范例：

日本的果酱某地场

近年来日本果酱某地场容量稳定，每年消费量为7.3－8.5万吨。消费者日益喜爱低糖果酱及冰冻果酱，包装逐步由大变小，品种由原先的草莓及桔子酱等数种增加一几十种之多。自1985－1988年期间，年均进口一直稳定在4000－5000吨，但是价格及原产国变动很大。根据1988年的进口统计数字来看，俄罗斯是对日出口果酱最多的国家，达1140吨。其次是……

进口果酱的品种繁多，主要品种有：……

包装设计以美国和欧洲的最好，不仅包装小巧（少于40克）、设计奇特，且有名贵礼品包装等。低糖果酱（含糖量为30－50％）日益受到欢迎……（略）

日本农林某某对果酱的质量标准有明确规定……（略）

出口商若要成功地进入日本果酱某地场，扩大果酱销售量，应考虑下述几点重要因素：

（１）顾客选择的多样性。（略）

（２）果酱要含糖分低。（略）

（３）小型包装日益受欢迎，14克、30克、42克的小包装取得成功。

（略）

《市场调查与预测》心得 篇5

时光荏苒，岁月峥嵘。为时一个学期的《市场调查与预测》就这样结束了，尽管如此，我们还徜徉在自己独立完成调查活动的喜悦中。由于之前没有接触过这一门知识，因此也在所难免的在整个过程中出现了很多失误，不过在困难面前，我们的团队并没有自暴自弃，而是通过老师的指导最后出色地完成了该次质量调查。同样，黄教授在教导我们学习书本上的理论知识外还带领我们进行了教学实践，让我们学以致用，从理论到实际两者有机结合，真正提高我们的学习兴趣，取得了良好的学习效果。

一、万丈高楼平地起

学习就好像在一块平整的土地上开始盖雄伟的大楼。这第一层如果盖好，就会盖成万丈高楼，如果盖不好，就会像比萨斜塔一样，越往上盖越悬，黄教授深懂这道理。在她要求下，我们从一开始上课就进行了人员分组，每组最多10个人，并指定了我们每个小组的调研课题。然后她从基础知识入手教授了我们很多知识与技能，我们学会了设计市场调查方案，怎么样收集材料，问卷的设计及抽样调查的技术等很多，市场调查与预测简单来说就是通过对市场相关数据进行调查，整理与分析，最后得出结论，对市场的某一方面进行预测。

在前期准备中，我们认识到了课题调研的意义所在，在教授的一次又一次强调下，我们领略到了目标的重要性。做一件事情首先要确定其目标所在，就像市场调查一样，调查是为了什么，也不能盲目前进，否则将会前功尽弃，功亏一篑。目标是我们前进的方向，就像每个人的梦想一样，有了目标，我们才能通往胜利的彼岸。这种灯塔似的东西，干什么都不能少。有了目标，就是我们为实现这个目标而设定的种种计划。计划就比较伤脑筋了，这需要我们考虑问题周全细致，只有我们事先做了计划，在调研时才可以依计行事。在调研过程中不断对我们的计划作出补充，尽可能的完善，这些都是要自己亲身经历后才会明白。

二、理论与实践相结合

我们经常说“学以致用”，而更多的人却是在感慨大学里学到的很多知识在社会上，在工作岗位上无法发挥，没有作用，深感怀才不遇。这句话是否正确，我们目前无从考证，但若从这次市场调查的过程来看，如果说我们以前上课所学的课程全部是理论课，那么市场调查纯粹将理论与实践相结合为一体，并且在一定程度上也将其它理论课一同付诸于实践，真正做到了学以致用。

在实训过程中，我们小组先进行讨论，组长进行分工，明确每个人的任务，每个组员都很配合组长，听从组长的安排，提高办事效率。在此次调查中，每个组员都要负责本次调查实习的调查方案的拟写、资料汇总和调查报告的拟写，然后经小组讨论再糅合其中的精华，我们从本次的调查报告和调查方案的修改过程中锻炼提高了自己的写作水平，但在修改调查报告和统计汇总资料数据的过程中，我们深深体会到课堂知识的运用，在以后的工作和学习中很多时候都会应用到相关的知识，还深深的感到自己在课堂知识学习的时候没有学得很扎实，所以在以后的学习中一定要把一切都牢牢掌握并在必要的时候合理的利用以求更好。同时我们也负责发放问卷，在发放问卷中也体会到了很多，我们去每个食堂，寝室楼发放问卷时也遇到了很多困难，不免会有很多同学不配合，也有一些同学不认真填写问卷，其实这些都是不可避免的，但是我们依然把自己的任务认真完成了。发放完问卷之后我们便开始统计，分析归纳，经过小组成员进行多次讨论完成编码，把最后的成果打印并上交。通过这次调查，我也学会了分析问题，解决问题和更好地处理问题，学回来用多个角度看问题，这样我们才能更好地解决问题。其实在实训中我们小组合作的还是挺好的，每个人都很积极参与，相互配合协作交流沟通，我们相互帮助共同努力，学到了很多，锻炼了每一个人，也促进了每一人的发展和进步，也使我们够熟练的掌握调查的程序以及应用，每一个人都收获很多，每一次收获给我无限的动力，让我一直努力向前冲。

三、探索中成长

刚开始真的累的一无所知，不知道该干什么，该怎么做，完全没有思路。大家都比较混乱，慢慢在老师的引导下入了门，其中有遇到了很多问题，又不断地去改进方案，大家一起商量，有时意见不统一，有时大家都沉默，可问题急切需要解决，还是得沟通，这就是锻炼小组合作协调的能力，沟通能力，说服能力等等。不仅仅是学到了理论实践知识，同时也学到了很多对一生有价值的财富。在写心得或者报告的时候，你得学会和陌生人交流，说服他人，以及耐挫能力。这些都将对以后进入社会有很大帮助。

同时，在这次市场调查与预测中，让我深刻的感受到了团队协作的重要性。我们时常交流，做到了及时发现问题及时处理，在调研的开始就说明了问题的重要性，明确责任，分工合作，为了共同的目标而努力，互相帮助互相理解，最终才完成了这项艰巨的任务。此次调研，更重要的是其中学到了不少了的东西，而这些又是书本上无法给予我们的，在社会这片大海里，时常要我们拿块小棉花去吸吸水，保持身体的水分才不会出现身体不适，而被淘汰掉。同时也让我们知道理论与实践的重要性，四、寻思过去

在经历许多波折后，报告也顺利交了上去，但这并不意味着我们的任务完成了！因为在这次调查过程中出现了很多问题，有好也有坏： 坏的的方面：

1.小组人数相对过多，在人配合与分工上面造成一些误会和偷懒的现象。

2.调查过程过于枯燥，后期很多同学对市场调查这门课失去兴趣，导致同学们抱着消极的心态去应付。

3.奖励和惩罚措施不明确。„„„„„ 好的方面：

1.理论与实践相结合，让我们能够把学到的东西运用到实际当中，不仅调动了我们的学习热情，更让我们提前接触“就业岗位”，为以后工作打下心理基础。

2.黄教授企业式的管理与项目负责制，让我们如同身在企业一般，做什么都有激情、有质量，同时还锻炼了我们的团结精神。

3.精彩的现场汇报演讲锻炼的不仅是我们的口才，更是我们对市场的了解与竞争对手一决雌雄的表现。„„„„„

五、展望未来

有则改之无则加勉！希望我们在以后的学习中能够不愧于这句话！同时也希望在以后的学习中系部能多给我们一些实践的机会，真正做到理论与实践相结合，提高我们的动手能力，而不是做一个只会理论而不会实践的大学生。

此致

敬礼！

姓名：邓志新

班级：市场营销1205

市场调查预测方法 篇6

公允价值的计量是衡量金融经济和货币流通性能的通用标准之一, 公允价值的定义为市场参与者在计量日发生的有序交易中, 出售一项资产所能收到或者转移一项负债所需支付的价格。通过公允价值计量方法的优化, 对公允准则的初始计量、估值技术得到有效提高, 使得交易双方在熟悉市场情况下, 通过确定的价格和公平交易的条件, 结合货币金融市场的国际会计准则, 交易双方自愿进行资产交换或者债务清偿。在当前经济形势紧张和经济压力不确定的市场环境下, 市场的经济指数波动对公允价值计量的精确性带来较大的影响, 需要对公允价值的计量方法进行优化改进, 提高对市场波动和经济序列指数的预测精确性, 相关的算法研究受到人们的重视。

传统方法中, 对市场波动的经济指数环境下的公允价值的计量方法主要有基于非线性经济序列分析的公允价值计量方法、基于相空间重构的公允价值计量方法、基于主成分分析的公允价值计量方法等, 然而传统方法都将市场波动的经济指数序列当作是一组平稳的随机过程, 对经济指数序列的非线性成分特征的利用效率不好, 导致在进行公允价值计量中出现误差, 无法可靠地为经济统计部门提供会计准则。对此, 相关文献进行了算法改进设计, 其中, 文献[4]提出一种基于零冗余度模糊C均值聚类的市场波动经济下的公允价值计量方法, 有效建立一个对市场经济波动下的公允价值的走势预测模型, 对该区域的市场经济波动下的公允价值测量体系进行C均值聚类分析, 提高了公允价值计量的准确度, 但是该算法在进行线性时间序列预测时可能出现自相关误差, 导致对会计分析过程产生失真, 且计算开销较大。文献[5]提出一种基于支持向量机 ( Support Vector Machine, SVM) 模型的市场经济波动预测算法, 采用混沌时间序列分析方法, 通过公允价值模式的转变, 进一步细化和强化了对持续经营能力的评估和分析, 提高了计量的可靠性, 但是, 该模型具有计算开销过大, 在公允价值计量过程中的收敛性不好。针对上述问题, 本文提出一种基于非线性经济指数序列分析和市场波动经济预测的公允价值计量方法, 首先构建了市场波动经济指数的非线性序列分析模型, 采用最大Lyapunov指数特征提取方法构建公允价值计量的输入参量特征, 以此为基础, 结合平均互信息方法构建一个状态预估计器, 实现市场波动的经济预测, 以此实现公允价值计量算法的改进。仿真实验进行了性能验证, 展示了本文算法在提高公允价值计量准确性, 改进金融利率、价格波动性、信用风险等参数的评估性能方面的优越性。

二、公允价值计量的基本原理和市场波动经济指数预测模型构建

1. 公允价值计量的基本原理和算法原理介绍

随着市场经济建设的深化与金融境外流通的扩大, 最终必然导致市场经济的波动。随着全新的《39 号公允价值计量准则》掀开了神秘面纱, 新的公允价值计量模式推出, 在市场经济波动的时代背景下, 《39 号公允价值计量准则》是财政部针对市场经济波动推出的新的企业会计准则标准体系。市场经济波动对中国的经济和公允价值的计量带来巨大的影响, 公允价值的计量模式主要采用的是价值评估模型, 具体方法是建立计量日的可能交易价格, 考虑资料输入的使用、可观察的市场信息, 通过“公允价值变动损益”对企业利润产生影响, 调整信用风险贴水, 确定合理的公允价值。公允价值计量模式参考因素如图1 所示。

本文为了提高对市场计量的公允价值的估价准确性, 提出一种基于非线性经济指数序列分析和市场波动经济预测的公允价值计量方法。为了实现对公允价值的优化计量, 采用相空间重构方法, 得到公允价值计量模式下的经济增长指数在多维相空间中的时间序列模型, 表示为:

其中是市场经济与金融结算的阶段性经济波动指数时间序列, 假设其长度为N。对于资产负债下经济增长指数时间序列采用未来现金流量贴现方法, 得到公允价值计量的相空间重构向量轨迹矩阵为:

其中, 公允价值计量的空间状态嵌入维数m, 时间延迟 τ, 在计量日发生的有序交易产生的资产收益采用协方差矩阵C, 表示为:

( 3) 式中市场经济波动下的公允价值数据的代价函数参量矩阵和矢量分别为:

对公允价值计量的评估模型L进行奇异值分解L = U* S* C。结合市场的影响因素, 根据市场环境、市场供求关系, 可得U和C是正交矩阵, 而

其中S为L的奇异函数, 采用奇异特征分解方法, 得到公允价值计量的自相关特征的对角向量为:

公允价值计量作为金融计量工具, 估计当时价格, 对预期市场进行有利推测, 对公允价值计量模式设计, 通过上述设计, 进行公允价值计量。

2. 市场波动经济指数预测模型构建

根据上述公允价值计量的原理分析, 通过现金流量信息微观审慎监管, 严格控制各类风险, 对市场波动背景下的会计信息, 其中包括财务状况、盈利能力和现金流量信息进行内部结构优化控制, 公司的内部结构控制同会计的盈余实现的具体措施相结合, 进行市场波动经济指数预测, 对于输入市场波动时间预测系统中的K个输入样本数据集, { xi, yi} , i = 1, 2, L, k, 其中k表示计量商品价格的个数, 采用《企业会计准则第39 号———公允价值计量》模式, 结合SVM回归算法构建市场波动经济指数的非线性时间序列模型 φ, 把市场经济波动下的公允价值测试的历史数据映射到高维的特征向量混沌空间S中, 采用评估模型确定公允价值的条件得到一个线性回归过程, 市场波动经济预测的表达式为:

上式中, ω 表示市场经济波动持续时间加权值, b表示为公允价值计量的偏差向量。采用SVM模型的训练市场波动经济指数集合, 选取最小化的风险加权, 对商品的自然属性和社会属性进行衡量, 得到属性衡量的描述形式为:

结合市场的影响因素, 根据市场环境、市场供求关系对SVM模型进行训练, 使得训练具有更好的推广能力, 得到市场经济波动预测优化模型为:

( 11) 式中, ζl和 ζl*表示松弛变量, ξ 为风险管理的损失函数, c表示在市场经济波动下公允价值计量数据的样本拟合精度分析中, c值越大, 表示对市场波动经济预测的准确度越高。

三、公允价值计量算法改进实现

根据上述市场波动经济预测结果, 进行公允价值计量算法改进设计, 采用最大Lyapunov指数特征提取方法构建公允价值计量的输入参量特征, 得到市场波动经济指数序列的最大Lyapunov指数:

计算公允价值计量的输入参数向量{ δxi + 1 ( jk) = xjk + 1- xi + 1| k∈1, L, Nb} , 在市场经济波动下, 会计准则和国际准则趋同, 得到又一个N × m子空间的邻域矩阵:

设不确定的风险因素下公允价值的方程B+xi为Bxi的广义逆矩阵, 结合平均互信息方法构建一个状态预估计器, 得:

又因为资产收益的状态转移矩阵B+xi= ( BTxiBxi) - 1BTxi, 故而有:

得到计量商品价格的初始价格Jx (i1) 后, 进行QR分解求得市场波动经济指数序列的Lyapunov指数谱。对其他综合收益取其列向量作为x0的正交基向量, 采用价格波动性正交化Jx (i1) Q0的列为:

其中, Jx (N) 通过Jx (iN) 得到, 根据上述预测结果, 采用平均互信息算法进行公允价值计量准则的修正, 假设价值准确的误差中心矢量Xm为特征函数空间中心点, 其最近邻点为Xk, 根据虚假最小近邻点方法求得会计计量商品价格的最优矢量特征为:

( 17) 式中, Xm和Xk进一步发展演变为Xm + 1和Xk + 1。纳入“综合收益”和“其他综合收益”, 进行公允价值的高斯分布、特征分布, 结合模型构建得:

在 ( 18) 式中, Xm + 1的最末分量X ( tn + 1) 为一个差分函数, 且唯有它是未知的, 采用最大Lyapunov指数分岔原理, 得到公允价值计量的最优解集为:

设N0= 0, D0= 1, 在市场经济与金融国际化下, 对公允价值的计量采用平均互信息法求得输入的参量集合, 对k = 1, 2, L, n - 1, φkj由下面的递推公式, 实现过程收敛, 其中j = 1, 2, L, k, 递推公式为:

最后根据市场环境、市场供求关系和人的主观意识, 将对所计算的结果进行取舍, 谨慎使用价值评估模型, 实现对公允价值的计量模式的改进。

四、仿真实验与结果分析

为了测试本文的公允价值计量方法在实现金融利率、价格波动性、信用风险参数的评估和市场波动预测中的应用性能, 进行仿真实验。实验的计算机硬件配置参数为: Intel Core2 Duo1. 80GHz, 1G内存, 主频为DDR2 667, 操作系统为Windows7。仿真实验采用NS - 2. 27 和NS软件进行市场经济波动下的公允价值影响模型的模拟, 以各类资产市场交易中的经济数据作为研究对象, 最终获得市场经济波动下的公允价值有影响的6 个因子, 进行系统模型构建原始驱动数据, 分别表示为x1, x2, …, x6, 。对x1, x2, …, x66 个驱动因子数据进行金融利率、价格波动性、信用风险的评估, 得到原始的经济指数序列波形如图2 所示。

以上述6 个公允价值计量驱动因子的原始经济指数序列为研究对象, 进行市场波动预测, 得到经济指数预测的归一化幅度值, 如图3 所示。

从上述结果可见, 采用本文方法通过市场波动经济预测, 以此实现公允价值的计量, 可以提高计量的客观性和可靠性, 为了对比算法性能, 采用本文计算方法和传统方法, 得到公允价值计量误差的对比结果如图4 所示。

从图4 可见, 采用本文方法进行市场经济波动下的公允价值计量, 误差较小, 收敛性较高, 实现市场波动的经济预测, 对金融利率、价格波动性、信用风险等参数的评估性准确度较高, 展示了较好的应用性能。通过公允价值计量, 促进金融价值的信息披露, 在监管过程中发挥主导性作用, 通过分析、监测和评价整体市场金融体系的宏观监管, 提高风险控制能力。

五、结语

为了提高对市场计量的公允价值的估价准确性, 提出一种基于非线性经济指数序列分析和市场波动经济预测的公允价值计量方法。构建了市场波动经济指数的非线性序列分析模型, 实现市场波动的经济预测, 由此实现公允价值计量方法的改进设计。数据仿真测试结果表明, 采用该算法进行市场波动经济条件下的公允价值计量和经济指数预测, 具有较高的准确性, 算法的收敛性和稳定性较好, 精度高于传统计量方法, 对金融利率、价格波动性、信用风险等参数的评估性能较高, 应用价值较好。

摘要：市场波动经济指数的非线性变化对公允价值的计量带来不确定输入值, 为了提高对市场计量的公允价值的估价准确性, 提出一种基于非线性经济指数序列分析和市场波动经济预测的公允价值计量方法。构建了市场波动经济指数的非线性序列分析模型, 采用最大Lyapunov指数特征提取方法得到公允价值计量的输入参量特征, 结合平均互信息方法构建一个状态预估计器, 实现市场波动的经济预测, 以此实现公允价值计量方法的改进。数据仿真测试结果表明, 采用该计算方法进行市场波动经济条件下的公允价值计量和经济指数预测, 具有较高的准确性, 算法的收敛性和稳定性较好, 精度高于传统计量方法, 对金融利率、价格波动性、信用风险等参数的评估性能较高。

关键词：市场波动,经济预测,公允价值,计量方法

参考文献

[1]张普宁, 刘元安, 吴帆, 唐碧华, 吴超.物联网中适用于内容搜索的实体状态匹配预测方法[J].电子与信息学报, 2015, 37 (12) :2815-2820.

[2]SU Hongtao, LIU Hongwei, SHUI Penglang, et al.A-daptive beamforming for nonstationary HF interference cancellation in skywave over-the-horizon radar[J].IEEE Transactions on Aerospace and Electronic Systems, 2013, 49 (1) :312-324.

[3]GENG Zhe, DENG Hai, HIMED B.Adaptive radar beamforming for interference mitigation in radar-wireless spectrum sharing[J].IEEE Signal Processing Letters, 2015, 22 (4) :484-488.

[4]YANG Yunchuan, SUN Cong, ZHAO Hui, et al.Algorithms for secrecy guarantee with null space beamforming in two-way relay networks[J].IEEE Transactions on Signal Processing, 2014, 62 (8) :2111-2126.

[5]包家龙.对FAS157公允价值计量准则的分析[J].中国乡镇企业会计, 2013, (12) :20-23.

[6]王海连.国际视角下的公允价值计量研究[D].沈阳:东北财经大学, 2012.

[7]黄燕飞.中国会计准则国际趋同策略研究[D].北京:财政部财政科学研究所, 2012.

[8]财政部会计司编写组, 编.企业会计准则讲解[M].北京:人民出版社, 2010.

[9]赵彦锋, 汤湘希, 王昌锐, 著.公允价值会计研究[M].北京:经济科学出版社, 2010.

市场调查预测方法 篇7

一、成因

1.观念落后。我国长期以来奉行计划经济体制，绝大多数企业只管按国家指定的计划生产，尽管改革开放已30几年，但旧体制形成的惯性依然很大。

2.管理机制不健全。管理者面对市场调查与预测结果与自己的观点不一致时，正确的作法是从另外的调查与预测获取帮助。然而，很多经理却往往固执地认为自己懂得更多，怕采纳调查与预测结果会有损自己在同事和上司心目中的，宁可牺牲集体的利益而确保自己的位置。当前的管理机制中，决策者在很多情况下不必承担因错误决策而的重大经济责任，这在客观上使决策者为一己私利违背规律办事成为可能。市场调查与预测在这样的企业自然受到打击和排挤，它除了掩人耳目，别无他用。许多企业把市场调查与预测当作简单的事实调查，认为无非是设计一份问卷、选定几个样本、面谈访问，然后写个报告，起不了什么大厦作用。对调查人员的报酬也等同于一般办公职员，所以吸引不了优秀人才，调查与预测工作便无法出色完成，结果进一步增加了领导的偏见，从而形成恶性循环。有些企业把市场调查与预测当作一次性事务，干完了事;有些企业则过分地希望从市场调查与预测中获取更多结论与建议。这些错误认识都使企业市场调查与预测，远离市场调查与预测。

3.市场调查与预测人员自身素质问题。研究人员训练不够，操作不规范，如有的研究人员对市场调查与预测的问题不做明确定义，导致后面工作事倍功半，无效信息过多过杂，难以形成有效的结论和建议;有的研究人员不能按时完成调查工作，调查报告出来太迟，赶不上决策时间;有的研究人员缺乏综合能力，把调查报告写得过于抽象、复杂和含糊，从而对决策没有帮助;更多的研究人员缺乏创造性，调查报告了无新意，都是些耳熟能详的信息。

二、现状

市場调查与预测行业从20世纪90年代初开始在中国诞生，目前已处于蓬勃发展的时期，然而在这个阶段，市场调查与预测公司经常面临着尴尬的局面，综合起来看，主要有：

1.技术工具欠缺。当前市场调查与预测公司进入门槛低，三五个人几台电脑就可以注册一家市场调查与预测公司，而且只要经营者知识渊博一点，揣摩客户心理多一点，时不时在媒体上做做广告，生意就唾手可得，在技术工具上缺乏标准化。对于世界通用的一些录入和统计分析软件，许多市场调查与预测公司连听都没有听过。稍微领先的调查与预测公司的员工出去自立门户克隆别人的技术，还可以后来居上。能否解决客户的问题，除了观念领先和分析问题的能力之外，使用的工具是否先进也是一个关键，国外的调查与预测公司经常创立研究模型还申请专利，国内的很多调查公司边模仿都还来不及。

2.内部混乱。市场调查与预测严格说来是知识密集型的行业，因此管理也是市场调查与预测公司的一大瓶颈，加上从事这个行业的人来源都较为复杂，使得管理起来更加复杂。很多调查与预测公司的经营者是熟知调查与预测技术但是对管理则是门外汉，最后企业的整个运作就变成了以技术为导向，使得员工普遍感到工作压力巨大，或者退出这个行业或另立门户。

3.数据分析能力参差不齐。随着城市化建设速度的加快，居民的安全和防范意识越来越强，这使得一份好的调查抽样方案经常遇到实地访问的挑战，一些调查与预测公司为了给客户有个交待，不惜牺牲职业道德，假数据随处可见。同是一个数据，在A那里分析是一回事，在B那里分析又成了另外一回事，研究水平的参差不齐使得数据的解释经常会失之毫厘，谬以千里。一些调查与预测公司为了增强数据的说服力，经常引经据典，理论的条条框框随处可见，以表示自己的专业，然而这些理论条条，客户并不需要，客户需要简单、显而易见地解决问题，于是理论化和实用化也成为调查公司的两难选择。很多研究人员不去仔细研究客户需求就开始设计问卷，经常将一些无关的问题放到问卷里，最后的结果让客户迷失在数据的汪洋大海中。

4.无序竞争。很多调查与预测公司以前不是搞调查与预测的，看着这个行业有前途就进来了，而有些已经在市场上树立了品牌和地位的市场调查与预测公司，则看着新的行业跃跃欲试，比如搞咨询公司等。

三、对策

1.解放思想，大胆创新，积极推广网络市场调查与预测事业。中国网络市场调查与预测业的兴起比较晚，最早成立的网络咨询公司是1997年6月成立的中国互联网信息中心，其后直到2002年，网络市场调查与预测业才逐步发展起来。有资料表明，在“十五”期间，国家投入信息化的费用高达4亿元;中国互联网研究和咨询市场在2000年至2020年将步入调整成长阶段，市场规模从1亿元增至12亿元。此外，中国加入WTO对国内网络市场调查与预测业来说更是一个千载难逢的良机。由此，不难预见，网络市场调查与预测业在我国将有十分广阔的发展前景。

2.切实做到“三个转变”。(1)咨询的层次要从低层次向高层次转变。由原来的信息咨询、管理咨询逐步向战略咨询转变，要将先进的管理思想、全新的商业运作模式与现代IT技术手段相结合，为客户提供商业模式的研究与战略咨询服务。(2)咨询的重点要从网络企业向传统企业转变。要以国内传统企业E化为契机，立足本土优势，将咨询重点转到为传统企业提供互联网经济转型的相关咨询服务上来。(3)在咨询的服务上，要从一般化向个性化服务转变。要应用特色服务来树立自己的品牌和可信度，把服务的基点放在国内企业，以市场为导向抓紧汇聚人才，优化结构、整合资源，通过个性化服务、差异化战略来创造网络咨询企业的竞争优势。