講到預測，不曉得大家想到的是《回到未來》裡讓畢福致富的的運動年鑑雜誌？《MIB3》中容易緊張的外星人葛芬具有預知未來的能力？又或是漫威電影《復仇者聯盟：無限之戰》中，奇異博士借助時間寶石來觀看14,000,605種未來的可能性？

　　所謂的市場預測係指企業以過去的市場歷史資料為基礎，運用專業知識和科學方法來預測市場的未來走向，以作為企業營銷活動的依據。簡而言之，即以「已知來推測未知」，以「過去和現在來預測未來」。而預測市場未來的趨勢有許多方法，包括時間序列分析和迴歸分析，兩者皆屬定量分析法。

▍何謂時間序列

　　「時間序列」顧名思義即為一系列發生在連續時間點上或是整個連續時期上的觀測值，其時間的間隔可以是年、季、月、週、天、時等等。而「時間序列分析法」是立基於一個很重要的假設－假設過去的歷史趨勢或者已存在的關係在預測的時間區段中是不會改變的。例如以1990至2022年國產汽車季銷售量，來預測國產汽車於2023年第一季的表現；或者以2000至2022年國外旅客來台的每月人次量，預測2023年7月的來台觀光人次。

　　「時間序列」在概念上可拆解成四個項目: (1)長期趨勢(Trend)、(2)循環性(Cycle)、(3)季節變動性(Seasonal)、(4)不規則項(Irregular)。所謂的「長期趨勢」就是反映時間序列的長期性的變化，比如說道瓊工業平均指數（Dow Jones Industrial Average，DJIA）從1920年代的300點，到2022年12月份的33,000點，整體長期是向上增長的趨勢；「循環性」則是時間序列所表現的週期性波動，並且這個週期性波動至少持續兩年以上，比如說景氣循環有高峰、衰退、谷底、復甦的循環；「季節性」是反映時間序列在不同年份的相同季節性表現的週期性變化，比如說旅遊業的旺季是寒暑假，淡季是冬天。「不規則項」則是其他無法解釋的誤差或者是隨機變數。

　　傳統時間序列常常是在針對以月或季為單位的經濟統計資料作預測，而這種經濟統計資料很容易有因為受到氣候，風俗習慣或假期等所謂的季節性變動。這些季節變動會增加對資料長期趨勢或循環變動的判讀困難度。因此需要將季節性變動的影響加以分離，再使用一般的預測模型(如ARIMA或SARIMA)來做預測，使資料能更準確定反映長期的趨勢。

▍何謂迴歸分析

　　第二種預測法－迴歸分析預測法是運用市場現象中自變數（x）和應變數（y）之間的因果關係，來建構變數之間的迴歸方程式，此一方程式即為迴歸預測模型。相較於時間序列分析法只蒐集預測變項（y）的時間序列，迴歸預測法是以自變數來預測應變數，例如以股價指數、國民儲蓄率、消費性利率、躉售物價指數、消費者物價指數以及失業率等六個變數來預測汽車銷售量。