
- •1. Анализ методов и моделей прогнозирования
- •1.1 Виды и классификация методов прогнозирования
- •1.1.1 Планирование на предприятии
- •1.1.2 Классификация методов прогнозирования по степени формализации
- •1.1.3 Классификация методов прогнозирования по источникам получения информации
- •1.1.4 Классификация методов прогнозирования финансового состояния предприятия
- •1.1.5 Классификация методов прогнозирования в системах маркетинга
- •1.2 Примеры постановок задач
- •1.3 Применение методов прогнозирования в автоматизированных системах
- •1.3.1 Система управления парус
- •1.3.2 Методы прогнозирования временных рядов, реализованные в программе ForExSal
- •1.3.3 Корпоративная система «Галактика»
- •1.4 Методы прогнозирования, применяемые для моделей с сезонной компонентой
- •1.4.1 Введение
- •1.4.2 Элементы временного ряда
- •1.4.3.1 Расчет сезонной компоненты в аддитивных моделях
- •1.4.3.2 Десезонализация данных при расчете тренда
- •1.4.3.3 Расчет ошибок
- •1.4.3.4 Прогнозирование по аддитивной модели
- •1.4.4 Анализ модели с мультипликативной компонентой
- •1.4.4.1 Расчет значений сезонной компоненты
- •1.4.4.2 Десезонализация данных и расчет уравнения тренда
- •1.4.4.4 Прогнозирование по модели с мультипликативной компонентой
- •2. Примеры применения методов технико-экономического планирования и прогнозирования для моделей с сезонной компонентой
- •2.1 Пример №1
- •2.1.1 Анализ значений квартальных объемов выпуска на основе модели с аддитивной компонентой
- •2.1.2 Нахождение прогноза объема выпуска на последний квартал третьего года
- •2.2 Пример №2
- •2.1.1 Анализ значений квартальных объемов выпуска на основе модели с аддитивной компонентой
- •2.1.2 Нахождение прогноза объема выпуска на последний квартал третьего года и первый квартал четвертого года
- •3. Программная реализация методов скользящего среднего и линейной регрессии для решения задач прогнозирования с сезонной компонентой
- •3.1 Описание программы прогнозирования спроса
- •3.2 Решение задач с использованием программы
1.4.4.4 Прогнозирование по модели с мультипликативной компонентой
При составлении прогнозов по любой модели предполагается, что можно найти уравнение, удовлетворительно описывающее значение тренда. В обоих изложенных выше примерах эта предпосылка была успешно выполнена. Тренд, который нами рассматривался, был, очевидно, линейным. Если бы исследуемый тренд представлял собой кривую, мы были бы вынуждены моделировать эту связь с помощью одного из методов формализации нелинейных взаимосвязей. После того, как параметры тренда стали определены, процедура составления прогнозов становится совершенно очевидной.
Таблица 1.16. Расчет ошибок для компании CD plc
Дата |
Номер квартала |
Объем продаж, тыс. шт. A |
Сезонная компо-нента S |
Трендовое значение, тыс. шт. T |
Ошибка | ||
T*S |
A/(T*S) |
A-(T*S) | |||||
Январь-март 19Х6 |
1 |
1400 |
1,116 |
1318,7 |
1471,7 |
0,951 |
-71,7 |
Апрель-июнь |
2 |
1320 |
0,907 |
1345,9 |
1220,8 |
1,081 |
+99,2 |
Июль-сентябрь |
3 |
1300 |
0,922 |
1373,2 |
1264,7 |
1,028 |
+35,3 |
Октябрь-декабрь |
4 |
1420 |
1,055 |
1400,4 |
1478,8 |
0,960 |
-58,8 |
|
|
|
|
|
|
|
|
Январь-март 19Х7 |
5 |
1580 |
1,116 |
1427,7 |
1593,3 |
0,992 |
-13,3 |
Апрель-июнь |
6 |
1320 |
0,907 |
1454,9 |
1319,6 |
1,000 |
+0,4 |
Июль-сентябрь |
7 |
1340 |
0,922 |
1482,1 |
1365,1 |
0,982 |
-25,1 |
Октябрь-декабрь |
8 |
1640 |
1,055 |
1509,4 |
1593,9 |
1,029 |
+46,1 |
|
|
|
|
|
|
|
|
Январь-март 19Х8 |
9 |
1680 |
1,116 |
1536,6 |
1714,9 |
0,980 |
-34,9 |
Апрель-июнь |
10 |
1380 |
0,907 |
1563,9 |
1418,4 |
0,973 |
-38,4 |
Июль-сентябрь |
11 |
1440 |
0,922 |
1591,1 |
1465,4 |
0,983 |
-25,4 |
Октябрь-декабрь |
12 |
1740 |
1,055 |
1618,3 |
1709,0 |
1,018 |
+31,0 |
|
|
|
|
|
|
|
|
Январь-март 19Х9 |
13 |
1880 |
1,116 |
1645,6 |
1836,5 |
1,024 |
+43,5 |
Прогнозные значения определяются по формуле:
F = T * S,
где
T = 1291,5 + 27,24 * (номер квартала) (тыс. шт. в квартал),
а сезонные компоненты составляют 1,116 в первом квартале, 1,097 – во втором, 0,922 – в третьем и 1,055 в четвертом квартале. Ближайший следующий квартал – это второй квартал 19Х9 г., охватывающий период с апреля по июнь и имеющий во временном ряду порядковый номер 14. прогноз объема продаж в этом квартале составляет:
F = T * S = (1291,5 + 27,24 * 14) * 0,907 = 1672,86 * 0,907 = 1517,3 (тыс. шт.).
С учетом величины ошибки прогноза мы можем сделать вывод, что данная оценка будет отклоняться от фактического значения не более чем на 2-3%. Аналогично, прогноз на октябрь-декабрь 19Х9 г., рассчитывается для квартала с порядковым номером 16 с использованием значения сезонной компоненты для 4 квартал года:
F = T * S = (1291,5 + 27,24 * 16) * 1,055 = 1822,3 (тыс. шт. за квартал).
Разумно предположить, что величина ошибки данного прогноза будет несколько выше, чем предыдущего, поскольку этот прогноз рассчитан на более длительную перспективу.