เทคนิคการพยากรณ์เชิงปริมาณโดยทั่วไปเรียกร้องให้มีการวิเคราะห์สถิติและข้อมูลดิบ วิธีการเคลื่อนย้ายอย่างง่าย, วิธีการย้ายน้ำหนัก, วิธีการทำให้เรียบแบบเอ็กซ์โปเนนเชียลและการวิเคราะห์อนุกรมเวลาเป็นเทคนิคการพยากรณ์เชิงปริมาณที่มักใช้โดยนักเศรษฐศาสตร์และนักวิเคราะห์ข้อมูล เทคนิคเหล่านี้ใช้ในการประเมินข้อมูลตัวเลขขณะพิจารณาการเปลี่ยนแปลงแนวโน้ม ธุรกิจจะใช้การคาดการณ์ที่แม่นยำเพื่อช่วยในการตัดสินใจทางธุรกิจที่ดี
วิธีการเคลื่อนย้ายแบบง่ายของการพยากรณ์เป็นรูปแบบของการวิจัยเชิงปริมาณ วิธีนี้ใช้เพื่อแสดงแนวโน้มในช่วงระยะเวลาหนึ่งโดยการประเมินข้อมูลดิบซึ่งโดยปกติจะใช้เวลา 30 วันหรือหลายเดือน ทุกเดือนข้อมูลเก่าจะถูกแทนที่ด้วยข้อมูลของเดือนใหม่ ตัวอย่างเช่นหากมีการประเมินข้อมูลในช่วงเดือนสิงหาคมและกันยายนตัวเลขจากเดือนสิงหาคมจะถูกลบและจะถูกแทนที่ด้วยข้อมูลของเดือนกันยายนเพื่อดูว่ามีแนวโน้มใด ๆ ในข้อมูลหรือไม่
เช่นเดียวกับวิธีการเคลื่อนที่อย่างง่ายวิธีการเคลื่อนย้ายน้ำหนักจะตัดข้อมูลระหว่างระยะเวลาการประเมิน แต่ด้วยน้ำหนักที่แตกต่างกันในแต่ละเดือน วิธีการประเมินข้อมูลนี้มักจะใช้เพื่อประเมินแนวโน้มการเปลี่ยนแปลงรายเดือนที่คาดไว้ ตัวอย่างเช่นการขายเสื้อผ้าตามฤดูกาลสามารถได้รับประโยชน์จากเทคนิคการพยากรณ์เชิงปริมาณประเภทนี้ หากนักเศรษฐศาสตร์ทำนายว่าผู้คนจำนวนมากจะซื้อกางเกงขาสั้นในช่วงฤดูร้อนตัวคูณมาตรฐานสามารถนำไปใช้กับช่วงเวลานี้ได้ซึ่งโดยทั่วไปจะเพิ่มความแม่นยำของการประมาณการงบประมาณในช่วงเดือนเหล่านั้น
เทคนิคการพยากรณ์เชิงปริมาณเหล่านี้มีแนวโน้มที่จะมุ่งเน้นไปที่ข้อมูลเก่า วิธีการปรับให้เรียบแบบเอ็กซ์โพเนนเชียลจะประเมินข้อมูลล่าสุด วิธีนี้เป็นวิธีที่ดีสำหรับการค้นคว้าข้อมูลที่เปลี่ยนแปลงอย่างรวดเร็วเช่นตัวเลขยอดขายในตลาดเจ้าอารมณ์ ตัวอย่างเช่นหากนักวิเคราะห์ธุรกิจพยายามที่จะทำนายยอดขายของเดือนถัดไปการปรับให้เรียบแบบเอ็กซ์โปเนนเชียลจะเรียกใช้ข้อมูลในวันล่าสุดที่นำไปสู่เดือนใหม่นี้เพื่อคาดการณ์ยอดขายที่คาดการณ์ไว้
เทคนิคการพยากรณ์เชิงปริมาณบางครั้งจะเรียกหาการวิเคราะห์อนุกรมเวลา อนุกรมเวลาเป็นการสังเกตข้อมูลที่จุดต่าง ๆ ในเวลา ตัวอย่างรวมถึงการวิเคราะห์ราคาหุ้นรายวันเป้าหมายการขายรายสัปดาห์และค่าใช้จ่ายรายเดือน เทคนิคการพยากรณ์เชิงปริมาณประเภทนี้ตรวจสอบบริบทพื้นฐานของข้อมูลในช่วงระยะเวลาหนึ่ง เทคนิคนี้มักจะวัดข้อมูลในอดีตโดยใช้แผนภูมิเส้นเพื่อคาดการณ์เหตุการณ์ในอนาคตทำให้นักเศรษฐศาสตร์สามารถระบุลักษณะของข้อมูลที่สามารถใช้ในการทำนายเกี่ยวกับผลลัพธ์ในอนาคต
