定量预测方法定量预测方法：是根据比较完备的历史和现状统计资料，运用数学方法对资料进行科学的分析、处理，找出预测目标与其他因素的规律性，从而推算出市场未来的发展变化情况。
又称统计预测。
定量预测方法包括两大类：时间序列预测法定量预测方法因果关系分析法第一节时间序列预测法的特点及步骤一、时间序列预测法的特点时间序列：是指将同一经济现象或特征值按时间先后顺序排列而成的数列。
时间序列预测法，也称历史延伸法或趋势外推法，是通过对时间序列的分析和研究，运用科学的方法建立预测模型，使市场现象的数量向未来延伸，预测市场现象未来的发展变化趋势，确定市场预测值。
具有以下特点：1、时间序列预测法是根据市场过去的变化趋势预测未来的发展，它的前提是假定事物的过去同样会延续到未来。
正是由于这一特点，它比较适合短期和近期预测。
2、时间序列数据的变动存在规律性与不规律性。
时间序列观察值是影响市场变化的各种不同因素共同作用的结果，在诸多因素中，有的对事物的发展起长期的、决定性的作用，致使事物的发展呈现出某种趋势和一定的规律性；有些则对事物的发展起着短期的、非决定性的作用，致使事物的发展呈现出某种不规则性，时间序列分析法，把影响市场现象变动的各因素，按其特点和综合影响结果分为四种类型：长期变动趋势、季节变动、循环变动、不规则变动。
（1）长期趋势变动（T）指市场现象在长时期内持续发展变化的一种趋势或状态，它表示时间序列中数据不是意外的冲击因素所引起的，而是随着时间的推移逐渐发生的变动。
它描述了一定时期内经济关系或市场活动中持续的潜在稳定性，它反映预测目标所存在的基本增长趋向、基本下降趋向或平稳发展趋向的模式。
例如，工农业生产的发展、国内生产总值、收入水平、社会商品零售额等逐渐增长模式。
时间序列的长期趋势有水平趋势、上升趋势、下降趋势。
（2）季节性变动（S ）一般指市场现象由于受自然因素和生产生活条件的影响，在一年内随着季节的更换而引起的比较有规律的变动。
季节变动中的“季节”，不仅仅指一年中的四季，而且指任何一种周期性变化，诸如气候条件、生产条件、节假日或人们风俗习惯等，农业生产、交通运输、建筑业旅游业、商品销售等都有明显的季节变动规律。
（3）循环变动（C ）是近乎规律性的周而复始的变动，它表现为整个市场经济活动水平的不断的周期性的但无定期的变动。
循环变动不同于趋势变动，它不是朝着单一方向的持续运动，而是涨落相间的交替波动；它也不同于季节变动，季节变动有比较固定的规律，且变动周期多为1年，而循环变动则无固定规律，变动周期多在1年以上，且周期长短不一。
（4）不规则变动（I ）是时间序列在短期内由于偶然因素而引起的无规律的变动。
如战争、自然灾害、政治或社会动乱等偶然因素所导致的不规则变动。
当对时间序列进行分析，采取某种预测方法时，往往是剔出偶然因素的影响来观察现象的各种规律性变动。
把这些影响因素同时间序列的关系用一定的数学关系式表示出来，就构成了时间序列的分解模型。
按四种因素对时间序列的影响方式不同，时间序列可分解为多种模型，如乘法模型、加法模型、混合模型等，其中最常用的是乘法模型，其表现形式为：i i i i i I C S T Y ⨯⨯⨯=乘法模型的基本假设是，四个因素不同的原因形成，但相互之间存在一定的关系，因此时间序列中各观察值表现为各种因素的乘积。
加法模型为：i i i i i I C S T Y +++=把各因素从模型中分离出来，在乘法模型中用除法，在加法模型中用减法。
3、时间序列法撇开市场发展的因果关系去分析市场的过去和未来的联系。
运用时间序列分析法进行预测，实际上是将所有的影响因素归结到时间这一因素上，只承认所有影响因素的综合作用，并认为在未来对预测对象仍起作用。
其目的是寻找预测目标随时间变化的规律。
二、时间序列预测法的步骤1、收集、整理历史资料，编制时间序列，并根据时间序列绘制散点图；2、分析时间序列，对影响时间序列的各因素进行分解；3、选择预测方法，建立预测模型进行预测。
第二节 平均法一、算术平均法1、简单算术平均法——适用于趋势比较稳定的时间序列的短期预测基本公式：nXnX X X X nt tn∑==++=121当时间序列呈现出一种趋势变动时，如果其增减量大致相当，则可以用算术平均法求出其平均增长量。
2、加权算术平均法基本公式：∑∑=iii WW X X该方法的关键在于确定适当的权数。
权数的确定可以采用等比、等差、∑=1W 以及程度权数等的形式。
权数为等比数列：历史资料变动较大时采用，如1、2、4、8、16……； 权数为等差数列：历史资料变动较小时采用，如1、2、3、4、5……二、几何平均法：——适用于逐期增长率或发展速度大致相同的时间序列的近期预测 其基本步骤为：1、计算时间序列逐期环比发展速度；2、利用逐期环比发展速度求几何平均数，作为预测期平均发展速度；3、以预测前一期观察值乘以预测期平均（即几何平均数）发展速度，得出预测期预测值。
几何平均法也有简单几何平均法和加权几何平均法，其计算公式分别如下： （1）简单几何平均数=G nn n X X X X X X X X 1231201-⨯⨯⨯ i X —第i 期观察值，（1-i i X X ）—第i 期环比发展速度，G —几何平均数，即预测期平均发展速度。
为方便起见，计算几何平均数通常利用对数计算nX XX X X X X X X X n G ni i in n ∑=--=+++=111231201)lg()lg lg lg (lg 1lg然后由对数找出真数，即为几何平均数G 值；则第1+n 期预测值：G X X nn ⨯=+1ˆ （2）加权几何平均数Wn W W wn n n w W X X X X X X G ++-++⨯=211212101)()()(∑∑-=ii i iWX X W G )lg(lg 1例如，某商场1993-2005年销售额资料如下表所示，试用几何平均法预测该商场2006年的销售额。
先计算各期环比发展速度，如表第三列； 然后计算几何平均数作为2006年发展速度，%3.106%7.104%3.104%7.10512=⨯⨯⨯= G则2006年销售额预测值为：156×106.3％＝165.8（万元）三、移动平均法——揭示时间序列长期趋势变动，适用于既有趋势变动又有波动的时间序列的预测算术平均值只能说明一般情况，看不出数据的中、高、低点，也不能反映事物的发展过程和趋势，而移动平均法则能较好地反映事物的发展过程和趋势。
是一种对原有时间序列进行修匀，测定其长期趋势的一种常用而又简单的方法。
移动平均法的准确程度主要取决于平均期数或移动期数n 的选择。
市场调查预测中移动平均值排放位置与统计学介绍的稍有不同，在统计学中，如果采用三期进行移动平均，则第一个移动平均数可对正第二个原值，第二个移动平均数可对正第三个原值，依此类推，但在预测应用中，采用三期计算出的第一个移动平均值对正第四个原值，第二个移动平均值对正第五个原值，采用五期移动计算出的第一个移动值对正第六个原值，第二个移动平均值对正第七个原值，依此类推。
这样做的原因是第一个移动平均值实际上是对第1+n 进行预测，为了便于比较实际值与预测值之间的差异，应用相同期数的两个数值进行对比才有可比性。
常用的移动平均法有一次移动平均法、二次移动平均法。
一次移动平均法中又包括简单移动平均和加权移动平均两种。
1、一次移动平均法 （1）简单移动平均法计算公式为：nX X X M X n t t t ti t 11)1()1(ˆ+--+++== 关于移动期数n 的确定：1）若时间序列观察值越多，移动期数应越长；2）若时间序列存在周期性波动，则以周期长度为移动期数。
在实际预测中，通常不直接将移动平均值作为预测值，而要进行误差分析，选取误差最小的那个移动平均期数。
误差分析包括平均绝对误差和标准误差分析。
基本步骤：1）根据已知数据绘制散点图2）选用若干个移动平均期数n ，计算一次移动平均值t M 及绝对误差；|ˆ|||tt t X t X t e 期预测值期实际值绝对误差-= 3）计算并比较不同移动平均期数n 下的平均绝对误差，以误差较小的移动平均期数为预测移动平均期数。
4）进行预测。
预测公式为nX X X M X n t t t tt 111ˆ+--+++== 第t 期的移动平均值即为第1+t 期的预测值，即tt M X =+1ˆ例如，下表是一组某商品历史销售数据资料，试用一次移动平均法预测第12期销售量。
首先，分别计算n ＝3和n ＝5的移动平均值 当=n 3时，1767320001350195031233=++=++=X X X M ……2440322002770235039101111=++=++=X X X M当=n 5时，20755200013507950197531005123455=++++=++++=X X X X X M ……20405155013302200277023505789101111=++++=++++=X X X X X M其次，比较n ＝3和n ＝5时的平均绝对误差||e ，取误差小的移动期数为预测用移动期数。
714826010876678337255921342208||3=+++++++==n e5096435790265765475325||5=+++++==n e故取n ＝5进行预测，则==)1(1112ˆM X 204051550133022002770235057891011=++++=++++=X X X X X （2）加权移动平均法计算公式为：NN t N t t t tWt W W W W X W X W X W X W M X ++++++==+---+321123121)1()1(1ˆ 以上两种移动平均法适用于时间序列变动趋势较平稳的情况。
（3）变动趋势移动平均法—适用于时间序列各数据之间差别较大且有明显趋势的情况当时间序列趋势变动比较平稳时，可以将移动平均值作为预测值，当时间序列各数据之间差别较大且有明显的趋势变动时，则需要则采用变动趋势移动平均法，计算出趋势变动值，并将其作为确定预测值的依据。
例如：某副食品商店2008年各月食用油的销售量如下表所示，试用简单移动平均法预测2009年1月食用油的销售量。
某商店2005年各月食用油销售量 单位：公斤 具体步骤：第一步：计算时间序列一次移动平均数，并将其放在移动期数的中间位置。
例如，当=n 3时，中间位置在第二期；=n 5时，中间位置在第三期。
第二步：求出一次移动平均数的逐期增长量，即趋势变动值。
t t t M M M -=∆+1第三步：求逐期增长量移动平均数（趋势变动值的移动平均值），并置于移动期数的中间位置。