国际注册内部审计师

　1.3预 测

本部分主要包括以下一些内容：时间序列分析、回归分析、敏感性分析、模拟模型。这一部分的内容都比较重要，大家都要给予足够的重视。
预测的最简单形式是用过去趋势预测未来——叫做推测法。建立模型是分析技术的一种。
要注意的是，所有涉及概率的预测模型都有一个关键概念，就是期望值。期望值等于事情的各种可能的值与其相应概率乘积的和（例：股票；现价15，80%涨到20，20%跌到10，该不该买？80%*20+20%*10=18）。
1.时间序列分析
时间序列分析是分析一段时间内所测得的数据集的一种技术。尽管未来是不确定的，但过去的数据经常能够提供对未来很好的预测（例：GDP 股票）。
【例题】为了加快制定计划和预算，一家旅游服务公司的管理层想要预测未来二十四个月的月度销售额。管理层基于过去的数据，观察到销售额有上升的趋势。同时销售额还存在季节变动，如六月、七月、八月水平较高，一月、二月、三月的销售额较低。预测公司销售额的适当的方法是：
A.时间序列分析 B.等候理论
C.线性规划 D.敏感性分析

【答案】A
【解析】时间序列分析是一项统计预测技术，它使用历史观测数据来预测未来值。选项B不正确，因为当物品随机到达服务点，并按照相应顺序接受服务的时候，等候理论被用来使等候成本以及服务成本之和最小化。选项C不正确，因为线性规划作为数学工具，用来使既定约束下的目标最大化或最小化。选项D不正确，因为敏感性分析是在决策模型结果的基础上，研究一个或多个变量变化产生的影响。
时间序列数据通常分为四个部分：长期趋势、季节性组成部分、周期性组成部分以及随机或不规则组成部分。这四个组成部分可以帮助解释数据的变化。时间序列分析的目的在于使用这些组成部分来解释过去的数据中总的变化。问题是怎样能最好地将每一个组成部分与其它部分分离开来，从而将每一部分都能够分析清楚。
（1）长期趋势
趋势因素指的是一段时间内观测到的一个变量长期的增加（增长）或减少（衰退）趋势。例如，耐克公司过去10到15年内的年度销量。
拟合长期趋势曲线最简单的方法是画出数据点并徒手画出趋势曲线。另一种途径是用回归的方法。
（2）季节性因素
季节性因素代表了时间序列中每年的同一时期都会发生的那些变化。例如，销售高峰在每年春季和秋季都会发生一次。
季节指数是一种移动平均比率，可以用来衡量时间序列中的季节性波动。一年4个季度的季度指数之和为400%，4个季度季节指数平均数为100%。季节变动表现为各季的季节指数围绕着100%上下波动，表明各季销售量与全年平均数的相对关系。如某种商品第一季度的季节指数为125%，这表明该商品第一季度的销售量通常高于年平均数25%，属旺季，若第三季度的季节指数为73%，则表明该商品第三季度的销售量通常低于年平均数27%，属淡季。将原始的时间序列数据除以对应的季节指数就可以消除季节影响。
【例题】消除季节影响的时间序列可以通过什么方法计算得到？
A.将每一个原始时间序列观测值除以对应的季节指数
B.用对应的季节指数减去每一个原始时间序列观测值
C.将每一个原始时间序列观测值乘以对应的季节指数
D.将每一个原始时间序列观测值加上对应的季节指数

【答案】A
【解析】消除季节影响的时间序列是通过将每一个原始的时间序列观测值除以对应的季节指数来得到的。
【例题】以下哪一个季节指数有正的影响？
A.大于一 　B.等于一
C.小于一 　D.等于零

【答案】A
【解析】季节指数度量时间序列的季节影响。季节指数大于一表明有正的影响；等于一表明没有季节的影响；小于一则表明有负的影响。

（责任编辑：中大编辑）

共6页,当前第1页  第一页  前一页  下一页