Прогнозування з використанням функції експоненційного згладжування
Примітка. Фактор загасання в діалоговому вікні Експоненційне згладжування і константа згладжування, про яку йшла мова раніше пов‘язані між собою наступним чином:
1 - константа згладжування = фактор загасання
Таким чином, якщо відомий фактор заеасання, то можна обчислити константу згладжування і навпаки. Excel проводить обчислення з допомогою параметра фактор згладжування.
Excel повертає результат, що показаний на рис. 6.6.
Відповідно до даного згладженого прогнозу, для задоволення потреб клієнтів на одинадцятий день необхідно мати 16 чи 17 автомобілів з багажниками для лиж. Така оцінка відбиває як загальний рівень даних базової лінії, так і збільшення кількості заявок, що відбулося на восьмий день спостережень. Фактичне число заявок в одинадцятий день може упасти на кілька одиниць у результаті величезної кількості причин, починаючи від зміни погодних умов і закінчуючи підвищенням ціни на авіаквитки. Прогноз з використанням згладжування дозволяє найбільше вигідно збалансувати "наплив" заявок із середнім показником кількості заявок протягом усього десятиденного періоду.
Зверніть увагу на те, що, відбиваючи підвищення в базовій лінії, що відбулася на восьмий день, значення прогнозу на дев'ятий день також збільшується (див. рис. 6.6).Чим менше фактор загасання, тим точніше відображає прогноз останні дані спостережень, а чим більше, — тим сильніше буде відставання прогнозу від цих даних. Гарні результати виходять тоді, коли останні результати спостережень відбивають довільні (випадкові) явища, що довго не змінюють загального рівня тимчасового ряду.
Варто уникати використання параметра Фактор загасання, що менше значення 0,7. Якщо у вас створюється враження, що при більшому значенні константи згладжування засіб Експонентне згладжування діє значно краще, те, імовірніше всього, це відбувається завдяки високому рівню автокореляції в тимчасовому ряді.
Автокореляція є дуже важливим параметром процесу прогнозування. Він спостерігається в тих випадках, коли існує залежність між даними спостережень, отриманими у визначений час, і даними спостережень, отриманими на кілька тимчасових періодів раніш. Наприклад, якщо ви об'єднаєте кожен результат спостереження з результатом, що безпосередньо передує йому, то зможете обчислити кореляцію між цими двома наборами даних. Значення кореляції, що, скажемо, не менше 0,5, означає високий рівень автокореляції в тимчасовому ряді.
Для проведення перевірки автокореляції можна скористатися функцією КОРРЕЛ. Припустимо, ваша базова лінія включає діапазон чарунок А2:А11. Ви можете використовувати наступну функцію:
= КОРРЕЛ(А2:А10;А3:А11),
для оцінки автокореляції між кожним результатом спостережень і попереднім йому результатом. Якщо показник автокореляції високий, виходить, кожен результат у великій мірі залежить від значення спостереження, отриманого безпосередньо перед цим.
Існує й інший вид автокореляції, зв'язаний із сезонністю рядів. Наприклад, у тимчасовому ряді, складеному з місяців року, результат спостереження за кожен лютий може залежати від результату, зафіксованого в минулому лютому. У таких випадках варто користатися сезонним згладжуванням або моделлю Бокса-Дженкинса АСС (які використовують спеціальні макроси) коли не можна застосувати убудовані функції Excel.
ЛІТЕРАТУРА
1.Бухвалов А.В. и др. Финансовые вычисления для профессионалов.- СПб.: БХВ-Петербург, 2001.-320с. ил.
2.Гарнаев А.Ю. Excel, VBA, Internet в экономике и финансах.- СПб.: БХВ-Петербург, 2001.- 816с.:ил.
3.Евдокимов В.В. и др. Экономическая информатика. Учебник для вузов. Под ред. Д.э.н., проф. В.В.Евдокимова. – СПб.: Питер, 1997. – 592с.