第1章 商业预测导论 1
引言 1
人们普遍接受的定量预测 2
商业预测的现状 2
公共部门和非营利部门的预测 5
预测与供应链管理 7
计算机应用和定量分析 8
主观预测方法 9
新产品预测 13
两个简单的朴素预测模型 14
评价预测效果 20
利用多种预测方法 23
数据源 24
预测美国国内汽车销售量 24
本书概述 29
综合案例：盖普公司销售额预测 30
关于ForecastXTM：ForecastXTM软件以及用法介绍 37
开始：从ProCastTM开始你的预测过程 41
注释 46
推荐读物和网站 48
练习 50
第2章 预测过程、数据描述和模型选择 53
引言 53
预测过程 54
趋势、季节和循环数据模式 56
数据模式与模型选择 59
统计知识回顾 60
相关图：数据探索的另一种方法 82
美国国内汽车销售量：探索性数据分析及模型选择 89
综合案例：盖普公司 92
利用ForecastXTM计算自相关函数 95
注释 99
推荐读物 99
练习 101
第3章 移动平均法与指数平滑法 107
移动平均法 107
简单指数平滑法 113
霍尔特指数平滑法 118
温特斯指数平滑法 121
自适应简单指数平滑法 122
用简单平滑法、霍尔特平滑法或ADRES平滑法预测季节性数据序列 126
事件建模 128
小结 133
用指数平滑法预测美国国内汽车销售量 134
综合案例：盖普公司 135
利用ForecastXTM进行指数平滑预测 139
注释 144
推荐读物 145
练习 146
第4章 回归预测法导论 152
一元回归模型 152
数据的可视化：回归分析的一个重要步骤 153
回归预测过程 156
因果回归模型预测 162
基于个人可支配总收入的零售额预测 164
基于抵押率的零售额预测 169
回归模型中的统计评价 172
估计值的标准误差 176
异方差性 182
截面预测 183
利用一元回归模型预测美国国内汽车销售量 185
综合案例：盖普公司 188
用ForecastXTM软件进行回归预测 191
回归模型的进一步讨论 195
注释 199
推荐读物 200
练习 201
第5章 多元回归预测 214
多元回归模型 214
选择自变量 215
多元回归模型的预测 216
多元回归模型的统计检验 224
序列相关和遗漏变量问题 231
在多元回归模型中解释季节性 235
多元回归模型的扩展 241
用多元回归模型进行预测时的建议 245
用多元回归模型预测美国国内汽车销售额 246
综合案例：盖普公司 258
用ForecastXTM进行多元回归预测 262
注释 264
推荐读物 265
练习 266
第6章 时间序列分解 280
时间序列分解的基本模型 281
消除数据的季节性和求解季节指数 283
求解长期趋势 288
循环因子的测度 289
时间序列分解预测 296
用时间序列分解法预测美国国内汽车销售量 298
综合案例：盖普公司 302
用ForecastXTM进行时间序列分解法预测 306
注释 309
推荐读物 309
练习 310
附录 322
第7章 博克斯-詹金斯ARIMA型预测模型 326
引言 326
博克斯-詹金斯方法的原理 327
移动平均模型 329
自回归移动平均模型 338
平稳性 340
博克斯-詹金斯判别过程 344
ARIMA：一组数值例子 348
预测季节时间序列 361
美国国内汽车销售量 361
综合案例：盖普公司销售额预测 368
利用ForecastXTM进行ARIMA（博克斯-詹金斯）预测 374
推荐读物 377
练习 378
附录 382
第8章 联合预测 384
引言 384
偏差 385
实例 385
哪些预测方法可以进行联合 389
联合预测权数的选择 390
联合预测选择权数的三种方法 392
利用联合预测方法预测美国国内汽车销售量 398
综合案例：盖普公司 407
利用ForecastXTM进行联合预测 414
注释 416
推荐读物 417
练习 419
第9章 执行预测 429
获得良好预测的关键 429
预测过程 432
人工智能和预测 447
小结 449
用ForecastXTM中的“ProCastTM”进行预测 449
注释 452
推荐读物 453
练习 454
术语表 456
译后记 467