Составление сглаженных прогнозов регулирует сезонные данные

Если когда-либо вам понадобится прогнозировать объемы продаж, то вам наверняка нужно будет учитывать тенденции сезонности, так как данные о продажах и соответствующие им временные ряды зачастую носят именно сезонный характер. Например, объемы продаж могут достигать пика в начале года (рождественские и новогодние праздники), а затем, до начала следующего года, постепенно возвращаться к исходному, более низкому уровню.

Причиной такого положения дел может стать природа продукции: например, спрос на теплую верхнюю одежду весной и летом намного ниже, чем осенью и зимой. Сезонность объемов продаж может также объясняться особенностями финансового года: покупатели обычно увеличивают объемы закупок в тот период года, когда объем денежной массы максимален. В подобных случаях методы регрессии и простого сглаживания могут оказаться неприменимыми для прогнозирования тенденций сезонности.

Когда временной ряд отражает тенденции сезонности, изменение формулы сглаживания просто необходимо. При сезонном прогнозировании прогноз не просто составляется на основе предшествующих результатов наблюдений, он базируется на двух компонентах.

• Компонент тренда представляет тенденцию в базовой линии либо к повышению, либо к понижению.

• Компонент сезонности представляет любое резкое понижение, повышение или пик базовой линии, которые происходят с одинаковыми промежутка ми времени.

Процесс сезонного сглаживания проходит две фазы: фазу инициализации, во время которой определяются размеры тенденции и величина компонентов сезонности, и фазу прогнозирования. На основе этих компонентов разрабатываются перспективные оценки.

Ряды, представленные на рис. 9.16, отражают значительную степень сезонности, которая включает тенденции к повышению в августе и к понижению в ноябре каждого года. В данном случае прогноз с применением метода простого экспоненциального сглаживания имел бы некоторое нежелательное отставание, так как текущий прогноз основывается только на непосредственно предшествующих данных наблюдений и на таком же прогнозе. По этой причине прогноз резкого подъема в ряду значений, имеющего место в каждом августе, будет запаздывать каждый год на один месяц. На рис. 15 графически изображен прогноз, основанный на временном ряду и составленный с применением метода экспоненциального сглаживания.

Рис. 15. Данные о продажах, показанные в виде базовой линии продолжительностью в несколько лет, обычно отражают фактор сезонности

При сезонном сглаживании эта регулярность данных учитывается с позиции "взгляда назад", на структуру предшествующих лет. В этом случае текущие прогнозы отражают эту структуру, что сводит к минимуму отставание данных прогнозов от предшествующих результатов наблюдений.

На рис. 16 изображена такая же базовая линия, как и на рис. 15, но с применением сглаживающего прогноза с учетом сезонности. Некоторое отставание все же присутствует, однако в значительно меньшей степени, нежели при экспоненциальном сглаживании. Поскольку каждый прогноз частично зависит от данных наблюдений за предшествующий год, в данном случае имеется возможность составить прогноз более позднего будущего, чем при применении экспоненциального сглаживания.

 

Рис. 16. Фактор сезонности иногда позволяет составлять прогнозы на более длительный будущий период, чем это возможно при прогнозе на один шаг вперед

Этот тип анализа может оказаться полезным в работе, хотя с его помощью никогда не составляются официальные прогнозы. Зная сезонность доходов, расходов или прибыли, можно принимать более продуманные решения. А если учесть также изменения, к которым приводит эта сезонность, то решения, могут быть еще более эффективными.

Для применения метода сезонного сглаживания необходимо иметь две сглаживающие постоянные: одну — для любой тенденции, которая может прослеживаться в данном ряду, а другую — для компонента сезонности. С помощью средства Поиск решения можно найти наиболее подходящие значения констант. Следуйте инструкциям, описанным в предыдущем разделе и укажите значения констант как изменяемые ячейки.

В файле Smooth.xls создан макрос SeasonalSmooth. С помощью этого макроса можно составить прогнозы на основе базовой линии результатов наблюдений с применением метода сезонного сглаживания. Чтобы запустить этот макрос, выполните следующие действия.

• Откройте рабочий лист со своей базовой линией. Базовая линия должна располагаться в одном столбце.

• Откройте файл Smooth.xls и активизируйте рабочий лист, содержащий результаты наблюдений.

• Выберите команду Данные→Сглаживание (или команду Сервис→Макрос→Макросы, затем в списке Имя макроса— Smooth.xls!SeasonaISmooth и щелкните на кнопке Выполнить).

Когда вы запустите этот макрос, на экране появится диалоговое окно, подобное диалоговому окну Экспоненциальное сглаживание, в котором можно указать следующие параметры.

• Входной интервал — вашу базовую линию, расположенную в одном столбце рабочего листа,

• Количество периодов в каждом сезоне. Рассмотрим несколько примеров. Входные данные содержат один результат наблюдений за каждый месяц года; число периодов в каждом сезоне (весна, лето, осень, зима) будет равно 3. Входные данные состоят из одного результата наблюдений, фиксируемого каждую неделю месяца. Тогда количество периодов в каждом сезоне будет равно 4, когда вы рассматриваете в качестве сезона месяц; и — 12, если за сезон берется квартал.

• Количество сезонов в календарном блоке. Календарный блок представляет собой период времени, в течение которого сезонный цикл замыкается. (Например, если вас интересуют квартальные циклы, календарный блок, скорее всего, будет составлять один год. Если же вы заинтересованы в недельных циклах, календарным блоком может служить один месяц);

• Две сглаживающие постоянные: одна — для тенденции, другая — для сезонов. Обе постоянные должны быть дробными значениями в пределах от 0 до 1.