Прогнозирование товарооборота торговой организации

    Данная  функция позволяет одновременно прогнозировать значения у для нескольких временных периодов. Таким образом, получаем прогноз товарооборота на 17-й, 18-й, 19-й месяцы. Однако, из соображений качества полученных на основе модели тренда прогнозов лучше не строить их на долгосрочную перспективу. 

     4.3 Использование функции  ПРЕДСКАЗ для построения  прогноза товарооборота 

     Функция ПРЕДСКАЗ аналогично функции ТЕНДЕНЦИЯ  за исключением того, что она определяет лишь одну точку на линии тренда и не может рассчитать массив, который формирует эту линию. Поэтому ее удобно использовать для вычисления единичного прогноза.

     Прогноз получается такой же, как при использовании  предыдущего метода (таблица 10) 
 
 

 

5 Построение  нелинейных прогнозов

     5.1 Составление нелинейного  прогноза с помощью  функции ЛГРФПРИБЛ 

     Функция «ЛГРФПРИБЛ» определяет параметры  экспоненциальной кривой, аппроксимирующей исходные данные. Расчет и оценка модели тренда с помощью функции ЛГРФПРИБ приведены в таблице 11. 

Таблица 9 - Расчет и оценка модели тренда с помощью функции ЛГРФПРИБ 

 

    Приведенный в таблице 9 массив результатов позволяет построить модель тренда, в основе которой лежит уравнение экспоненциальной кривой:

    у = b*m^х,

где у - прогнозное значение дохода от реализации, млн. р.; b - пересечение прямой линии; m - линия тренда; х - порядковый номер месяца. Тогда прогнозное значение дохода на 17 месяц равно: 28080,9+1,01387*17=28098,14. 
 
 
 
 
 
 

     5.2 Составление нелинейных  прогнозов с помощью  функции РОСТ

     Функция РОСТ определяет точки, лежащие на экспоненциальной кривой роста, параметры уравнения которой были рассчитаны с помощью функции ЛГРФПРИБЛ (таблица 10). 

Таблица 10 - Расчет и оценка модели тренда с помощью функции РОСТ 

 

     Прогнозное  значение товарооборота организации, рассчитанное на 17 месяц, получилось равным 35490,03484 млн. руб.  
 

 

6. Прогнозирование с применением экспоненциального сглаживания

     Сглаживание обеспечивает быструю реакцию значений прогноза на все процессы, происходящие в рамках данного 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. Метод позволяет строить самокорректирующиеся модели, которые, учитывая результат прогноза, сделанного на предыдущем этапе, и различную информационную ценность членов динамического ряда, способны оперативно реагировать на изменяющиеся условия и на этой основе давать на ближайшую перспективу более точные прогнозы. Результаты представлены в таблицах 11 и 12. Диаграмма представлена на рисунке 5. 

Таблицы 11 - Расчет прогноза товарооборота с помощью инструмента Экспоненциальное сглаживание 

                    

Рисунок 5 - Экспоненциальное сглаживание

      Таким образом, результаты проведенных расчетов показали, что модели, построенные  с помощью метода экспоненциальное сглаживание, 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

7 Добавление линии тренда к рядам данных на диаграмме

     Если  имеется некоторая совокупность данных, характеризующих динамику исследуемого показателя, то всегда можно попытаться найти на графике наилучшую линию, которая будет «ближайшей» к точкам наблюдений в рамках всей их совокупности. Эта линия поможет понять поведение фактических данных, выявить тенденцию их развития и на этой основе построить оптимальный прогноз.

На основе данных из таблицы 1 построим диаграммы  и добавим линии тренда: линейную, логарифмическую, полиномиальную, степенную, экспоненциальную (линия тренда показана пунктирной линией), и спрогнозируем прибыль на будущий период (рисунок 6 – 10)

Рисунок 6 - Оценка прогноза товарооборота предприятия на основе линейной кривой роста 

Рисунок 7 - Оценка прогноза товарооборота предприятия на основе логарифмической кривой тренда

Рисунок 8 - Оценка прогноза ТО предприятия на основе полиномиальной кривой роста шестой степени 

Рисунок 9 - Оценка прогноза товарооборота предприятия на основе степенной кривой роста 
 

Рисунок 10 - Оценка прогноза товарооборота предприятия на основе экспоненциальной кривой роста 

     Расчитаем прогноз товарооборота на 17 месяц. Подставим в формулы значения х = 17 и получим прогноз объема товарооборота на 17 месяц в таблице 12. 

Таблица 12 - Прогноз товарооборота на 17 месяц