1) Прогнозы с применением метода скользящего среднего.

а) Общие сведения.

При использовании этого метода прогноз любого периода представляет собой не что иное, как получение среднего показателя нескольких результатов наблюдений временного ряда. Например, если выбрано скользящее среднее за три месяца, прогнозом на май будет среднее значение показателей за февраль, март и апрель.

Вычисления с помощью этого метода довольно просты и достаточно точно отражают изменения основных показателей предыдущего периода. Иногда при составлении прогноза скользящее среднее эффективнее, чем методы, основанные на долговременных наблюдениях (например, при составлении прогноза объема продаж давно и хорошо освоенной предприятием продукции).

Однако, метод не лишен и недостатков. К примеру, его излишняя простота не позволяет обеспечить высокую точность прогноза, в частности, он не дает прогноза, выходящего за пределы, в которых данные уже известны.

Кроме того, отсутствует хорошее общее правило, которым следует руководствоваться в вопросе выбора числа наблюдений для включения в скользящее среднее. Между тем, одно отклонение в наборе данных для трехкомпонентного среднего может исказить весь прогноз. Поэтому, как правило, приходится исходить из предыдущего опыта и имеющейся информации о наборе данных, с которым ведется работа.

б) Способы создания скользящего среднего в MS Excel.

Одним из способов создания скользящего среднего в MS Excel является прямое введение формулы. Например, чтобы получить трехдневное скользящее среднее значений показателя, введенных в диапазон ячеек А1:АЗ, формула будет иметь вид =СРЗНАЧ(А1:АЗ).

Другим способом применения скользящего среднего является использование надстройки MS Excel «Пакет анализа».

2) Регрессионный анализ средствами ms Excel.

а) Прогнозирование с помощью функций регрессии.

Каждый из методов регрессии оценивает взаимосвязь фактических данных наблюдений и других параметров, которые, зачастую, являются показателями того, когда были сделаны эти наблюдения. Это могут быть как числовые значения каждого результата наблюдения во временном ряду, так и дата наблюдения.

Составление линейных прогнозов.

Самый простой способ вычисления в регрессионном анализе ‑ это использование функции рабочего листа ТЕНДЕНЦИЯ.

Данная функция вычисляет прогнозы, основанные на линейной связи между результатом наблюдения и временем, когда это наблюдение было зафиксировано.

Составление нелинейного прогноза.

Существует большое количество типов данных, которые изменяются во времени нелинейным способом. Некоторыми примерами таких данных являются объем продаж новой продукции, прирост населения, выплаты по основному кредиту. В случае нелинейной взаимосвязи более точную картину направления развития предприятия может дать использование функции РОСТ.

Правила выбора функции для прогнозирования.

При выборе функции для прогнозирования рекомендуется иметь в виду следующее:

- если данные, используемые при создании графика переменной, располагаются вблизи прямой линии, то для создания прогноза на будущее лучше всего воспользоваться функцией ТЕНДЕНЦИЯ;

- если анализируемые данные расположены вдоль кривой, то, возможно, наилучший прогноз даст функция РОСТ (можно выполнить сравнение результатов, полученных с помощью функции РОСТ на данной базовой линии, с самой базовой линией и, если они близки, то принять решение об использовании функции РОСТ для прогноза на основании базовой линии);

- если анализируемые данные расположены на кривой, но функция РОСТ не дает хорошего приближения, можно поэкспериментировать с одной из схематических линий тренда, которые имеются в MS Ехсе1.

б) Регрессионный анализ с помощью диаграмм.

Во многих случаях при создании прогнозов очень полезными бывают диаграммы MS Ехсе1. Они помогают визуально представить данные, а графическая линия тренда позволяет провести регрессионный анализ непосредственно на графике, без введения в рабочий лист значений для прогноза.