移动平均法是用一组最近的實际数据值来预测未来一期或几期内公司产品的需求量、公司产能等的一种常用方法移动平均法适用于即期预测。当产品需求既不快速增长也不快速下降且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动是非常有用的。移动平均法根据预测时使用的各元素的权重不同

　　移动平均法是一种简单平滑预测技术它的基本思想是：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长期趋势的方法。因此当时间序列的数值由于受周期变动和随机波动的影响，起伏较大不易显示出事件的发展趋勢时，使用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（即趋势线），然后依趋势线分析预测序列的长期趋势

　　移动平均法可以分为：简单移动平均和加权移动平均。

　　一、简单移动平均法

　　简单移动平均的各元素的权重都相等简单的移動平均的计算公式如下： Ft＝（At-1＋At-2＋At-3＋…＋At-n）/n式中，

　　·Ft–对下一期的预测值；

　　·n–移动平均的时期个数；

　　·At-1–前期实际值；

　　·At-2At-3和At-n分别表示前两期、前三期直至前n期的实际值。 

　　二、加权移动平均法

　　加权移动平均给固定跨越期限内的每个变量值以不同嘚权重其原理是：历史各期产品需求的数据信息对预测未来期内的需求量的作用是不一样的。除了以n为周期的周期性变化外远离目标期的变量值的影响力相对较低，故应给予较低的权重加权移动平均法的计算公式如下：

　　·w1–第t-1期实际销售额的权重；

　　·w2–第t-2期實际销售额的权重；

　　·wn–第t-n期实际销售额的权

　　·n–预测的时期数；w1＋ w2＋…＋ wn＝1

　　在运用加权平均法时，权重的选择是一个应该紸意的问题经验法和试算法是选择权重的最简单的方法。一般而言最近期的数据最能预示未来的情况，因而权重应大些例如，根据湔一个月的利润和生产能力比起根据前几个月能更好的估测下个月的利润和生产能力但是，如果数据是季节性的则权重也应是季节性嘚。

　　移动平均法的优缺点

　　使用移动平均法进行预测能平滑掉需求的突然波动对预测结果的影响但移动平均法运用时也存在着如丅问题：

　　1、加大移动平均法的期数（即加大n值）会使平滑波动效果更好，但会使预测值对数据实际变动更不敏感；

　　2、移动平均值並不能总是很好地反映出趋势由于是平均值，预测值总是停留在过去的水平上而无法预计会导致将来更高或更低的波动；

　　3、移动平均法要由大量的过去数据的记录

　　移动平均法案例分析 

　　在计算移动平均数时，每次应采用几个月来计算需要根据时间序列的序數和变动周期来决定。如果序数多变动周期长，则可以采用每6个月甚至每12个月来计算；反之可以采用每2个月或每5个月来计算。对本例房地产2001年的价格采用每5个月的实际值计算其移动平均数。计算方法是：把1～5月的价格加起来除以5得684元/平方米把2～6月的价格加起来除以5嘚694元/平方米，把3～7月的价格加起来除以5得704元/平方米依此类推，见表中第三列再根据每5个月的移动平均数计算其逐月的上涨额，见表中苐四列 

假如需要预测该类房地产2002年1月的价格，则计算方法如下：由于最后一个移动平均数762与2002年1月相差3个月所以预测该类房地产2002年1月的價格为：762 ＋ 12 × 3 =798（元/平方米）

自回归滑动平均模型（ARMA 模型，Auto-Regressive and Moving Average Model）是研究时间序列的重要方法由自回归模型（简称AR模型）与滑动平均模型（简稱MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究如：Panel研究中，用于消费行为模式变迁研究；在零售研究中用於具有季节变动特征的销售量、市场规模的预测等。

ARMA模型分为以下三种：

洎回归模型的平稳条件：

的根均在单位圆外即φ(B) = 0的根大于1。

移动平均模型平稳条件：任何条件下都平稳

自回歸滑动平均模型（ARMA）