1. Construiți un model adițional al seriilor de timp.
2. Faceți o previziune pentru 2 trimestre înainte.
1. Analizați datele și încercați să detectați tendința. Dacă există o tendință stabilă, atunci modelul poate fi utilizat pentru a prognoza vânzările în următoarele trimestre.
Pentru a face acest lucru, vom construi un grafic de serie de timp (vezi Fig.).
2. Calcularea componentei sezoniere.
Pentru a exclude influența componentei sezoniere, se folosește metoda mediei mobile. esența căreia constă în găsirea mediei aritmetice a parametrului peste momentele de timp m
Pentru datele analizate privind volumele de vânzări, efectuăm următoarele calcule.
1. Efectuați un diapozitiv cu privire la valorile vânzărilor trimestriale din coloana 2, calculați suma vânzărilor pentru fiecare patru trimestre și adăugați-o în coloana 3 din Tabelul. 1.
2. Calculați media mobilă pentru fiecare 4 trimestre (coloana 4).
4. Componenta sezonieră care conține reziduul se calculează prin formula și se adaugă la coloana 6.
5. Folosind datele pentru toți anii, calculați valoarea medie pentru fiecare trimestru, ceea ce va reduce valorile erorilor (Tabelul 2).
6. Estimările medii ale componentei sezoniere sunt ajustate prin creșterea sau scăderea unora dintre ele cu același număr, astfel încât totalul lor să fie egal cu 0. Factorul de corecție se calculează după cum urmează: suma estimărilor componentelor sezoniere este împărțită la 4.
O procedură similară se aplică atunci când se determină variația sezonieră pentru orice interval de timp. De exemplu, dacă anotimpurile nu sunt considerate sferturi și zilele săptămânii, atunci eliminarea efectului componentei sezoniere este calculată de media mobilă, dar nu de patru, ci de șapte puncte. Această medie mobilă este valoarea trendului la mijlocul săptămânii, adică joi. Prin urmare, în acest caz, nevoia de centrare este eliminată.
3. Desenalizarea datelor în calculul tendinței.
Desalinizarea datelor inițiale constă în scăderea componentelor sezoniere ajustate (ultimul rând din tabelul 2) de la valorile efective ale datelor pentru fiecare trimestru, adică (Tabelul 3).
Vom adăuga valorile noilor estimări ale tendințelor din coloana 4 la graficul datelor inițiale, ceea ce confirmă din nou existența unei tendințe lineare explicite.
Să definim ecuația unei linii de trend printr-o metodă cu cele mai mici pătrate
Coloana 5 poate fi utilizată pentru a calcula deviația medie medie a MAD (deviația absolută medie) și eroarea medie pătrată a MSE (eroare medie pătrată):
unde u este valoarea reală și prezisă la momentul t.
În cazul nostru, erorile sunt destul de mici și variază de la 0,2% la 2,2%. Tendința, identificată de datele reale, este destul de stabilă și ne permite să obținem previziuni pe termen scurt bune.
5. Prognoza prin modelul de aditivi.
Valorile prognozate sunt calculate prin formula
(mii de bucăți pe trimestru)
Se poate presupune că eroarea prognozată va fi de aproximativ 0,3-2,2% în conformitate cu erorile modelului calculat, dar cu cât este mai îndepărtat timpul de plumb, cu atât devine mai puțin valabilitatea prognozei.