- •Индивидуальная работа
- •Содержание
- •Введение
- •1 Моделирование как составной элемент построения экономических прогнозов
- •2 Основные инструменты анализа экономических данных
- •2.1 Инструмент «Описательная статистика»
- •2.2 Корреляционный анализ
- •Трендовые модели прогнозирования экономических процессов
- •Вычисление скользящего среднего средствами Excel
- •Составление линейных прогнозов средствами Excel
- •Использование функции линейн для создания модели тренда
- •3.2.2 Использование функции тенденция для построения прогнозов
- •Использование возможностей Excel при построении нелинейных прогнозов
- •Функция лгрфприбл
- •Функция рост
- •Прогнозирование с применением функции экспоненциального сглаживания
- •Добавление линии тренда к рядам данных на диаграмме
- •4 Экономическая интерпритация результатов регрессионного анализа
- •Заключение
Функция рост
В то время как функция ЛГРФПРИБЛ рассчитывает параметры уравнения экспоненциальной кривой роста, которая аппроксимирует наилучшим образом множество базовых данных, функция РОСТ определяет точки, лежащие на этой кривой. Функция РОСТ возвращает значения y для последовательности заданных новых значений x, вычисляя их на основании существующих значений x и y. Функцию РОСТ также можно использовать для аппроксимации существующих значений x и y экспоненциальной кривой.
Рассчитываем прогнозируемый экспоненциальный рост на основании имеющихся данных (табл. 3.3.2).
Таблица 3.3.2 ― Расчет прогноза товарооборота с помощью функции РОСТ
Примечание – Источник: [1, с.90].
Полученные с помощью уравнения простой экспоненты прогнозные значения объема товарооборота, отличаются от соответствующих величин, рассчитанных на основе линейной модели, поэтому окончательный вариант прогноза может быть сформирован только после анализа их содержательной стороны: материальных и финансовых возможностей торговой организации, особенности и состояния конъюнктуры рынка, стабильности основных факторов, влияющих на развитие товарооборота и др.
Прогнозирование с применением функции экспоненциального сглаживания
Сглаживание представляет собой метод, который обеспечивает быструю реакцию значений прогноза на все процессы, происходящие в рамках данных базового ряда.
Основная идея применения метода сглаживания состоит в том, что каждый новый прогноз получается посредством перемещения предыдущего прогноза в направлении, обеспечивающем лучший результат по сравнению со старым прогнозом.
В процедуре выравнивания каждого наблюдения методом «Экспоненциальное сглаживание» используются только значения предыдущих уровней ряда динамики, взятые с определенным весом. При этом вес каждого предшествующего уровня снижается по экспоненте по мере его удаления от момента, для которого вычисляется сглаженное значение (отсюда и произошло название данного метода сглаживания).
Для составления прогнозов данным методом в Excelпредусмотрен инструмент «Экспоненциальное сглаживание», через меню «Сервис», после загрузки надстройки «Пакет анализа» посредством команды «Анализ данных».
Результаты проведенных расчетов показывают, что модели, построенные с помощью метода экспоненциального сглаживания, достаточно гибки и более точно отражают динамику исследуемого показателя, учитывая эффекты выброса функции намного лучше моделей, построенных с применением метода наименьших квадратов. Инструмент «Экспоненциальное сглаживание» целесообразно применять для составления прогнозов только на период, непосредственно следующий за интервалом базовых наблюдений.
Таблица 3.4 ― Расчет объема продаж с помощью инструмента Экспоненциальное сглаживание
Примечание – Источник: [1, с.96].
На основе данных таблицы можно построить график Экспоненциальное сглаживание.
Рисунок 3.4 – Экспоненциальное сглаживание