Алгоритм построения прогнозной модели

Для прогнозирования объема продаж, имеющего сезонный характер, предлагается следующий алгоритм построения прогнозной модели:

1. Определите линию тренда, наилучшим образом аппроксимирующую фактические данные. Существенным моментом при этом является предложение использовать полиномиальный тренд, что позволяет сократить ошибку прогнозной модели.

2. Вычтите из фактических значений объёмов продаж значения тренда, определите величины сезонной компоненты и корректируйте их значения таким образом, чтобы их сумма была равна нулю.

3. Рассчитайте ошибки модели как разности между фактическими значениями и значениями модели.

4. Постройте модель прогнозирования:

F = T + S ± E (4.6)

где:

F – прогнозируемое значение;

Т – тренд;

S – сезонная компонента;

Е - ошибка модели.

На основе модели создайте окончательный прогноз объёма продаж.

Для этого предлагается использовать методы экспоненциального сглаживания, что позволяет учесть возможное будущее изменение экономических тенденций, на основе которых построена трендовая модель. Сущность данной поправки заключается в том, что она нивелирует недостаток адаптивных моделей, а именно, позволяет быстро учесть наметившиеся новые экономические тенденции (рис. 4.2).

F пр t = a F ф t-1 + (1- а ) F м t (4.7)

где:

Fпр t - прогнозное значение объёма продаж;

Fф t-1 – фактическое значение объёма продаж в предыдущем году;

Fм t - значение модели;

а – константа сглаживания

Рис. 4. 2. Т рендовые модели

Определите константу сглаживания как вероятность сохранения существующих экономических тенденций и предпосылок.

Практическая реализация данного метода выявила следующие его особенности:

· Для составления прогноза необходимо точно знать длительность сезонного периода. Исследования показывают, что реализация множества продуктов имеет сезонный характер, величина сезона при этом может быть различной и колебаться от одной недели до десяти лет и более.

· Применение полиномиальной линии тренда вместо линейной позволяет значительно сократить ошибку модели.

· При наличии достаточного количества данных метод даёт хорошую аппроксимацию и может быть эффективно использован при прогнозировании объема продаж в инвестиционном проектировании.