一、简单算术平均法 　　简单算术平均法是将观察期内时间序列的各期数据的算术平均数作为预测值的方法。用简单算术平均法进行市场预测，需要一定的条件，只有当数据的时间序列表现出水平型变动趋势而无显著地长期趋势变化和季节变动时，才能采用此法进行预测。设时间序列的各期观察值为则公式为： ，式中：n为观察时期数。                        二、加权算术平均法 　　加权平均法是指将时间数列的各个数据看做对预测值的影响程度不同，分别给各个数据以不同的权数后计算加权平均数，并将其作为下期预测值的方法。其公式为： 　　，式中：为权数。 三、一次简单移动平均法 　　一次移动平均法是直接以本期（t期）移动平均值作为下一期（t+1期）预测值的方法。它有三个特点：一是预测值是离预测期最近的一组历史数据（实际值）平均的结果；二是参加平均的历史数据的个数是固定不变的；三是参加平均的一组历史数据是随着预测期的向前推进而不断更新的。其预测模型为：。 　　上式中： 为t+1期的预测值，为t期一次移动平均值，N为跨越期数。 　　例1：某纺织品公司近年棉布销售量从1999年至2005年如下：984、1022、1040、1020、1032、1015、1010。用一次移动平均法预测2006年棉布销售量。 　　分析：这是一个水平型变动的时间序列，除了1999年不足1000万米外，其他年份均在1020万米左右变动。我们用一次移动平均法预测，选择移动期数为3进行预测。于是有： 　　 四、一次加权移动平均法 　　加权移动平均法是对时间序列各个数据给予不同权数，并计算出加权后的移动平均值，并以最后加权移动平均值为基础确定预测值的方法。权数的确定与前面所说加权平均法一样。其公式为：      ，式中：为移动平均的权数，t=1,2,…n。 　　例2：某公司1～7月A产品销售量有：110、120、115、125、120、125、122，用加权移动平均法预测A产品8月份销售量。 　　分析：我们取移动期数n=3，权数由远及近分别为1，2，3。则根据n=3,权数为可分别计算各期加权移动平均数。 　　由于题目要求预测8月份A产品销售量，所以： 　　 五、二次移动平均法 　　前面的两种一次移动平均对于没有明显趋势变动的时间序列，可直接用于预测。但当实际资料出现明显的线性增长或减少的变动趋势时，用一次移动平均值来预测会出现滞后（落后）偏差。因此要进行修正，修正的方法是，在一次移动平均的基础上，做二次移动平均，利用两次移动平均滞后偏差的规律来建立直线趋势预测模型。计算公式为： 　　，式中：为一次移动平均值，为二次移动平均值，n为步长。 　　要注意的是二次移动平均值不能直接用于预测，而应该建立趋势直线预测模型进行预测。设时间序列从某时期 t开始具有线性增长的趋势，且认为未来时期亦按此趋势变化，则可建立如下趋势直线方程：     ，式中，T为第t期之后的时期数，为第t+T期的预测值，为截距项，为直线方程的斜率。其中，，。 六、增长量平均法 　　时间序列中各期的近期增长量如果大体相等，则说明该市场现象的呈直线趋势上升或下降，即为线性增长趋势。采用算术平均法预测此类现象，预测结果必然出现滞后性。用增长量平均法可以纠正滞后偏误。设时间序列各期水平为从第二期起各期逐期增长量为，各期增量的平均值记为 ，则计算公式为：，预测模型为： 　　例3：通过如表1所示的某企业近几年产品的销售利润表的数据，用增长量平均法预测2006年的销售利润。 表1  某企业年利润表  （单位：万元） 年份 年销售利润 逐期增长量 趋势值 1999 200 2000 250 50 260 2001 240 -10 310 2002 300 60 300 2003 372 72 360 2004 465 93 432 2005 560 95 525 　　分析：（1）先计算。          （2）再计算。          （3）最后用预测模型计算各期趋势值：。 七、发展速度平均法 　　时间序列中各期（第一期除外）的环比发展速度如果接近，说明该市场现象呈指数曲线的变化趋势，可采用发展速度的平均法进行预测。具体操作如下：设观察期各期的环比发展速度为，计算公式为，各期的平均发展速度公式为，所以预测模型为：。 　　例4：某企业1999年到2005年各年的产值见表2，用