Помилка прогнозування виражається такими показниками, як середовищ неквадратіческое відхилення, варіація або середнє абсолютне відхилення. Раніше середнє абсолютне відхилення використовувалося як основного вимірювача помилки прогнозування при використанні моделі експоненціального згладжування. Середньоквадратичне відхилення відкинули через те, що розраховувати його складніше, ніж середнє абсолютне відхилення, і у комп'ютерів на це просто не вистачало пам'яті. Зараз у комп'ютерів достатньо пам'яті, і тепер середньоквадратичне відхилення використовується частіше.
Помилку прогнозування можна визначити за допомогою наступної формули:
ПОМИЛКА ПРОГНОЗУ=фактичного попиту - ПРОГНОЗ ПОПИТУ
Якщо прогноз попиту являє собою середнє арифметичне фактичного попиту, то сума помилок прогнозування за певну кількість часових періодів дорівнюватиме нулю. Отже, значення помилки можна відшукати шляхом підсумовування квадратів помилок прогнозування, що дозволяє уникнути взаємного усунення позитивних і негативних помилок прогнозування. Ця сума ділиться на кількість спостережень і потім з неї витягується квадратний корінь. Показник коригується із зменшенням одного ступеня свободи, яка втрачається при складанні прогнозу. В результаті, рівняння середньоквадратичного відхилення має вигляд:
,
де SE - середня помилка прогнозування;- Фактичний попит у період i;- Прогноз на період i; - розмір часового ряду.
Форма розподілу помилок прогнозування є важливою, коли формулюються імовірнісні твердження про ступеня надійності прогнозу.
Вважаючи, що модель прогнозування відображає середні значення фактичного попиту досить добре і відхилення фактичних продажів від прогнозу відносно невеликі в порівнянні з абсолютною величиною продажів, то цілком імовірно припустити нормальний розподіл помилок прогнозування. У тих же випадках, коли помилка прогнозування порівнянна за величиною з величиною попиту, має місце скошене, або усічене нормальний розподіл помилок прогнозу.
Одним з істотних переваг моделі експоненціального згладжування при короткостроковому прогнозуванні є можливість постійної адаптації прогнозу з урахуванням останніх спостережень в тимчасовому ряді. При цьому точність прогнозування безпосередньо залежить від значення згладжуючої константи в кожен конкретний період часу. Отже, ускладнена процедура прогнозування повинна включати в себе регулярне відстеження середньої помилки прогнозування та відповідне коригування значення згладжуючої постійною. Якщо часовий ряд досить постійний, то можна встановлювати низькі значення константи. У період великих коливань попиту слід встановити високе значення константи. Але слід обмежуватися якимось одним значенням, якщо зміна константи може призвести до зменшення помилки прогнозування, особливо у випадку високої динаміки часового ряду.
Популярним методом відстеження помилки прогнозування є метод усереднення відслідковує сигналу. Відслідковує сигнал - це результат порівняння, одержуваного зазвичай у вигляді співвідношення, поточний помилки прогнозування із середнім значенням минулих помилок прогнозування. У результаті цього обчислення згладжуюча експоненціальна константа може бути перерахована або перевизначена, якщо отримане співвідношення перевершує раніше визначений контрольний рівень.
У цілому, найкращою згладжуючої константою є та, яка мінімізує помилку прогнозування так, як це було б при стабільному тимчасовому ряді. Змінюючи значення константи в міру того, як часовий ряд поповнюється новими значеннями, дозволяє зменшити помилку прогнозування. Адаптуються моделі, які перераховують значення згладжуючої константи постійно, працюють добре у випадку, коли часовий ряд змінюється швидко, але вони малоефективні в умовах стабільних продажів. Навпаки, моделі, в яких перерахунок згладжуючої константи відбувається тільки у випадку, коли помилка прогнозування перевершує якийсь контрольний рівень, добре працюють в умовах стабільності, коли можливі різкі і несподівані скачки часового ряду.
Абсолютна помилка прогнозу визначається:
=yt - у
де
у - прогнозне значення показника; - фактичне значення.
На практиці використовується відносна помилка прогнозу:
=100 (yi-yt)/yt.
Якщо абсолютна і відносна помилки більше нуля, то це свідчить про завищену прогнозною оцінкою, якщо менше нуля, то про занижену.
3. МОДЕЛЮВАННЯ сезонних коливань ОБСЯГУ ПРОДАЖУ НА ПРИКЛАДІ ТОВ «ДОН-МЕБЛІ»
. 1 Характеристика ТОВ «ДОН-МЕБЛІ»
економічне ...
