.

Прогнозування з використанням функції експоненційного згладжування (реферат)

Язык: украинский
Формат: реферат
Тип документа: Word Doc
2 5753
Скачать документ

Реферат на тему:

Прогнозування з використанням функції експоненційного згладжування

Згладжування — це спосіб, що забезпечує швидке реагування вашого
прогнозу на всі події, що відбуваються протягом періоду довжини базової
лінії. Методи, засновані на регресії, такі як функції ТЕНДЕНЦІЯ і РІСТ,
застосовують до всіх точок прогнозу ту саму формулу. З цієї причини
досягнення швидкої реакції на зрушення в рівні базової лінії значно
ускладнюється. Згладжування дозволяє в досить простий спосіб обійти дану
проблему.

Основна ідея застосування методу згладжування полягає в тому, що кожен
новий прогноз отримується за допомогою переміщення попереднього прогнозу
в напрямку, що дало би кращі результати в порівнянні зі старим
прогнозом. Базове його рівняння має наступний вид:

F[t+1] = F[t] + ? * е[t],

– t — часовий період (наприклад, 1-й місяць, 2-й місяць і т.д.);

– F[t] — це прогноз, зроблений у момент часу t; F[t+1] відображає
прогноз у часовий період, що випливає безпосередньо за моментом часу t;

– ? — константа згладжування;

– е[t]— похибка, тобто розходження між прогнозом, зробленим у момент
часу t, і фактичними результатами спостережень у момент часу t.

Таким чином, константа згладжування є величиною, що самокоректується.
Іншими словами, кожен новий прогноз являє собою суму попереднього
прогнозу і поправочного коефіцієнта, що і пересуває новий прогноз у
напрямку, що робить попередній результат більш точним.

Методи прогнозування за назвою “згладжування” враховують ефективність
викиду функції набагато краще, ніж способи, що використовують
регресивний аналіз. Excel безпосередньо підтримує один з таких методів
за допомогою засобу Експоненційне згладжування в надбудові Пакет
аналізу.

За допомогою засобу експоненційного згладжування можна створити
прогнози, причому для обчислення кожного прогнозу Excel використовує
окрему, але алгебраїчно еквівалентну формулу. Обидва компоненти — дані
попереднього спостереження і попередній прогноз — кожного прогнозу
збільшуються на коефіцієнт, що відображає внесок даного компонента в
поточний прогноз.

Активізувати засіб експоненційне згладжування можна, вибравши команду
Сервіс?Аналіз даних після завантаження надбудови Пакет аналізу.

Наприклад.

Припустимо, що ви керуєте агентством, яке займається наданням послуг по
прокату автомобілів, розташованим у районі Скелястих гір. В міру
наближення зими ви починаєте відслідковувати надходження заявок клієнтів
на транспорт, постачений багажниками для перевезення лиж. Через кілька
днів після проведення досліджень у вашій місцевості випадає дуже багато
снігу і, як і випливало очікувати, кількість вищезгаданих заявок різко
зросло. Отже, на десятий день спостереження вам потрібно довідатися,
скільки автомобілів, обладнаних багажником для лиж, необхідно
приготувати, щоб цілком задовольнити попит в одинадцятий день.

Для цього ви вводите дані за перших десять днів в чарунки А2:А11
робочого листа, а потім активізуєте засіб Excel Експоненційне
згладжування (рис. 6.5).

Рис. 6.5 – У діалоговому вікні „Експоненційне згладжування” необхідно
ввести фактор загасання, а не константу згладжування

Рис. 6.6 – Дані про прокат автомобілів, отримані в результаті обчислення
прогнозів за допомогою згладжування (зверніть увагу на відставання
прогнозів)

Потім ви використовуєте дані з діапазону осередків А1:А11 як параметр
Вхідний інтервал, встановлюєте прапорець опції Мітки, чарунку В1
застосовуєте як параметр Вихідний інтервал, а значення 0,7 — як параметр
Фактор загасання.

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.

T

T

T

T

T

T

T

T

T

T

???????¤?¤?$???????

?????¤?¤?$?????

???????¤?¤?$???????

???????¤?¤?$???????

???????¤?¤?$???????

T

T

T

T

T

T

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

Бухвалов А.В. и др. Финансовые вычисления для профессионалов.- СПб.:
БХВ-Петербург, 2001.-320с. ил.

Гарнаев А.Ю. Excel, VBA, Internet в экономике и финансах.- СПб.:
БХВ-Петербург, 2001.- 816с.:ил.

Евдокимов В.В. и др. Экономическая информатика. Учебник для вузов. Под
ред. Д.э.н., проф. В.В.Евдокимова. – СПб.: Питер, 1997. – 592с.

Згуровський М.З., Коваленко І.І., Міхайленко В.М. Вступ до комп’ютерних
інформаційних технологій: Навч.посіб. – К.: Вид-во Європ. ун-ту
(фінанси, інформ. системи, менеджм. і бізнес), 2000.- 265 с.

Информатика. Базовый курс/ Симонович С.В. и др.- СПб.: Питер, 2000.-
640с.:ил.

Карлберг, Конрад. Бизнес-анализ с помощью Excel.: Пер с англ.- К.:
Диалектика, 1997.- 448с.: ил.

Лук‘янова В.В. Комп‘ютерний аналіз даних: Посібник. – К.: Видавничий
центр „Академія”, 2003. – 344с. (Альма-матер)

Нашли опечатку? Выделите и нажмите CTRL+Enter

Похожие документы
Обсуждение

Ответить

Курсовые, Дипломы, Рефераты на заказ в кратчайшие сроки
Заказать реферат!
UkrReferat.com. Всі права захищені. 2000-2020