卷烟销售量预测暨目标任务分解方案.docx

第PAGE\*Arabic\*MERGEFORMAT5页共NUMPAGES\*MERGEFORMAT5页

卷烟销售量预测暨目标任务分解方案
卷烟销售量预测暨目标任务分解方案卷烟销售量预测暨目标任务分解方案一、实施本项目的背景及目的中国的烟草行业具有行政上的专卖性和生产上的计划性，是我国有别于其他行业的一类特殊行业。随着我国加入wto后，由于外烟关税的降低和其他有关开放烟草行业条款的逐步兑现，我国烟草行业面对的竞争日益激烈。自2006年以来，我国烟草行业实行“按订单组织货源”的工作，虽取得了成效，但仍存在市场需求信息预测的不准确、考虑需求变动情况相对滞后等问题，出现所辖机构面对目标任务及分解暗自叫苦的现象。如何根据市场需求安排生产、仓储、销售等营销活动需了解卷烟市场未来的销售量，通过对卷烟销量预测模型研究有助于主管部门制定政策、合理安排生产、仓储、销售等经营活动具有指导意义和应用价值，有利于公司据此合理安排生产销售计划，提高经营效率，节约各类经济成本。在对xxx烟草公司ＸＸ年销量预测的基础上，提出科学合理的卷烟销售目标任务分解方案，供市公司将销售任务科学合理地分解到所辖分公司。二、文献综述在国内，有关卷烟销量预测模型的研究有很多，不同的研究人员提出了不同的预测模型。大量文献研究表明，卷烟销售的时间序1列具有整体趋势变动性和季节波动性的二重趋势变化特点。向美英、何利力（2010）的趋势比率模型。在基于卷烟销售时间序列特点的基础上，以湖南烟草营销系统中的2004-2009年芙蓉王（蓝）品牌销售季度数据为例，采用趋势比率模型对卷烟销售量进行预测，结果表明对既有趋势，又有季节因素及随机因素的卷烟销售时间序列，趋势比率模型能很好的对企业卷烟销量进行科学的预测，而且对于波动不大，趋势线近似直线的时间序列，预测精度比较高。但此模型是有缺点的，其一般适用于时间序列波动不大、趋势线近似直线的数据序列。罗彪、闫维维、万亮（2012）的乘法模型。以某省2004-2010年卷烟销量月度数据为例，引入虚拟变量，把对卷烟销售量有着重要影响的农历传统节日进行虚拟化，采用时间序列分解法中的乘法模型进行预测，结果表明引入虚拟变量的时间序列分解模型更能贴切地拟合卷烟月销量变化的规律和趋势，并能具体测量出传统节日对卷烟销量的影响程度，而且能够显著地提高预测的准确性。同时，在进行实际的预测时，可根据需要对虚拟变量进行设定，以对与卷烟销量有关的其他方面的预测工作起到较好的借鉴作用。蔡萍萍、吴铮、王光武、何利力（2012）的中国传统节日影响卷烟销量的预测模型：利用XX市所有零售公司2007-2011年春节和中秋节利群（阳光）的实际销量数据（由XX省烟草公司提供），采用灰色理论模型gm（1，1）对受传统节日影响的卷烟销量进行预测。该模型的预测精度很高，能较好地拟合时间序列的趋势性部分，但2对于周期波动性，其预测精度明显降低。席玮（2009）的灰色模型：利用XX省2002-2008年春节卷烟销量数据，采用“求差”的思想建立灰色模型来对卷烟销量进行预测，间接预测无波动规律的销量数据的策略是可行的。得出除了卷烟销售量数据的周期性和季节性特点外，其时间序列一般是非线性的结论。席玮（2009）再使用人工神经网络模型：利用2004-2008年月销量（单位：箱）数据（由XX省烟草公司和XX省某地区烟草公司提供），采用聚类分析（主要是降维）、灰色关联度（主要是在上述划分的每一类中筛选出关联度最大的指标）和人工神经网络模型来对卷烟销量进行预测，结果表明基于人工神经网络的卷烟销量预测模型对非新年期间月份销量预测的效果较好。关雷（2012）的神经网络模型。以XX省鄂尔多斯烟草公司2008-2010年上半年的季度销售量数据为依据，先利用聚类分析对该公司的客户在经营额度和营销量上进行类别划分，针对不同类别客户分别建立不同类型的神经网络模型进行预测，结果表明预测效果比较符合客观实际。但是，聚类分析、灰色关联分析和人工神经网络模型一般适用于数据量较大的情形，而且神经网络模型常常会忽略非平稳数据并会忽视序列的整体增长趋势，使其预测结果普遍低于实际观测值。罗艳辉、吕永贵、李斌（2009）的arma模型：利用XX省某烟草公司某地区2004-2007年的月度卷烟销量数据，采用arma（自回归移动平均模型）的混合卷烟销售预测模型，该模型首先基于arma3建立月预测模型，再用计划评审技术pert得到月预测经验期望值，最后在设定加权系数，综合两个预测值得到月预测销售总量，结果表明此模型能够很好的预测出规格卷烟月销售总量值变化趋势，能够实现对卷烟销售季节性、周期性和随机性特点的有效模拟。但arma（自回归移动平均模型）模型要求时间序列数据经过差分后具有平稳性，在做多步预测时容易偏向平均值，造成的误