Метод експоненціального згладжування представляє прогноз показника на майбутній період у вигляді суми фактичного показника за даний період і прогнозу на даний період, зважених за допомогою спеціальних коефіцієнтів.
Застосування ковзної і експоненційних середніх в якості основи для прогностичної оцінки має сенс лише при відносно невеликій колеблемости рівнів. Дані методи прогнозування відносяться до числа найбільш поширених методів екстраполяції трендів.
· Прогнозування на основі сезонних коливань.
Сезонні коливання - повторювані рік у рік зміни показника в певні проміжки часу. Спостерігаючи їх протягом кілька років для кожного місяця (або кварталу), можна визначити відповідні середні, чи медіани, затверджені за характеристики сезонних коливань.
Одним з статистичних методів прогнозування є розрахунок прогнозів на основі сезонних коливань рівнів динамічного ряду. При цьому під сезонними коливаннями розуміються такі зміни рівня динамічного ряду, які викликаються впливами пори року. Виявляються вони з різною інтенсивністю у всіх сферах життя суспільства: виробництві, обігу та споживанні. Їх роль дуже велика в торгівлі продуктами харчування, на транспорті та ін. Сезонні коливання строго циклічні - повторюються через кожен рік, хоча сама тривалість пір року має коливання.
Для вивчення сезонних коливань необхідно мати рівні за кожний квартал, а краще за кожен місяць, іноді навіть за декади, хоча декадні рівні можуть вже сильно спотворитися мелкомасштабной випадкової колеблемостью. Методика статистичного прогнозу по сезонним коливанням заснована на їх екстраполяції, тобто на припущенні, що параметри сезонних коливань зберігаються до прогнозованого періоду. У загальному вигляді індекси сезонності визначаються відношенням вихідних (емпіричних) рівнів ряду до теоретичних (розрахунковим) рівням, що виступають у якості бази порівняння. Індекси сезонності розраховуються за формулою: t=Yt * Yi (1.3)
де Is t - індивідуальний індекс сезонності; - емпіричний рівень ряду динаміки; - теоретичний рівень ряду динаміки.
В результаті того, що у формулі вимір сезонних коливань проводиться на базі відповідних теоретичних рівнів тренду, в індивідуальних індексах сезонності вплив основної тенденції розвитку усувається. Оскільки на сезонні коливання можуть накладатися випадкові відхилення, для їх усунення проводиться усереднення індивідуальних індексів сезонності однойменних внутрішньорічних періодів аналізованого ряду динаміки. Тому для кожного періоду річного циклу визначаються узагальнені показники у вигляді середніх індексів сезонності (Is):
=Is t/n (1.4)
де n - число періодів річного циклу.
Розраховані таким чином середні індекси сезонності вільні від впливу основної тенденції розвитку і випадкових відхилень.
· Прогнозування методом лінійної регресії.
Прогнозування методом лінійної регресії - є одним з найбільш широко застосовуваних формалізованих методів прогнозування. Метод базується на взаємозв'язку (лінійної залежності) факторного та результативного показника:
(x)=a + bx (1.5)
де x - факторний показник; - результативний показник.
Наведені методи вимірювання сезонних коливань не є єдиними. Так, для виявлення сезонних коливань можна застосовувати і розглянутий вище метод ковзної середньої, і інші методи.
Комбіновані методи:
На практиці існує тенденція поєднувати різні методи прогнозування попиту. Оскільки підсумковий прогноз відіграє дуже важливу роль для всіх аспектів внутрішньофірмового планування, то бажано створити прогнозну систему, в якій може використовуватися будь запроваджуваний фактор.
Також при складанні прогнозу важливо враховувати ризики:
Рис.1. Ризики впливають на прогнозування
. 3 Методика прогнозування попиту
Складання прогнозу попиту починається з аналізу продажів існуючих товарів і існуючих споживачів в динаміці за ряд років (прогноз збуту А). При цьому необхідно відповісти на наступні питання:
· Яким був обсяг реалізації продукції на підприємстві за останні 3-5 років і в минулому році?
· Чи будуть споживачі і далі продовжувати купувати продукцію?
· Чи можна надалі розраховувати на такий самий попит, як і в минулому періоді?
Прогноз А дуже важливий, тому швидше за все він є базовим і буде більш точним, бо базується на перевіреній інформації минулих років. Якщо бізнес розрахований на високий рівень регулярних пр...
