|
||||||||||||||||||||||||||||||
Реализуем алгоритм построения прогнозной модели, описанный выше. Решение данной задачи рекомендуется осуществлять в среде MS Excel, что позволит существенно сократить количество расчётов и время построения модели. 1. Определяем тренд, наилучшим образом аппроксимирующий фактические данные. Для этого рекомендуется использовать полиномиальный тренд, что позволяет сократить ошибку прогнозной модели)
Таблица 2.
| ||||||||||||||||||||||||||||||
|
Значение тренда |
Сезонная компонента |
||||||||||||||||||||||||||||
1 кв. 1999 г. |
24518 |
24518 |
0 |
|||||||||||||||||||||||||||
2 кв. 1999 г. |
23778 |
24962 |
-1184 |
|||||||||||||||||||||||||||
3 кв. 1999 г. |
25143 |
25012 |
131 |
|||||||||||||||||||||||||||
4 кв. 1999 г. |
27622 |
25217 |
2405 |
|||||||||||||||||||||||||||
1 кв. 2000 г. |
26149 |
26098 |
51 |
|||||||||||||||||||||||||||
2 кв. 2000 г. |
24123 |
26958 |
-2835 |
|||||||||||||||||||||||||||
3 кв. 2000 г. |
27580 |
27495 |
85 |
|||||||||||||||||||||||||||
4 кв. 2000 г. |
30854 |
28017 |
2837 |
|||||||||||||||||||||||||||
1 кв. 2001 г. |
29147 |
28964 |
183 |
|||||||||||||||||||||||||||
2 кв. 2001 г. |
26478 |
29617 |
-3139 |
|||||||||||||||||||||||||||
3 кв. 2001 г. |
30159 |
30498 |
-339 |
|||||||||||||||||||||||||||
4 кв. 2001 г. |
33149 |
31485 |
1664 |
|||||||||||||||||||||||||||
1 кв. 2002 г. |
32451 |
32451 |
0 |
Скорректируем значения сезонной компоненты таким образом, чтобы их сумма была равна нулю.
1999 г.
2000 г.
2001 г.
Итого
Среднее
Сезонная компонента
1 кв.
0
51
183
234
78
89,75
2 кв.
-1184
-2835
-3139
-7158
-2386
-2374,25
3 кв.
131
85
-339
-123
-41
-29,25
4 кв.
2405
2837
1664
6906
2302
2313,75
Сумма
-47
0
-11,75
3. Рассчитываем ошибки модели как разности между фактическими значениями и значениями модели.
Таблица 4.
Расчёт ошибок
расходы
Значение модели
Отклонение
1 кв. 1999 г.
24518
24607,75
-89,75
2 кв. 1999 г.
23778
22587,75
1190,25
3 кв. 1999 г.
25143
24982,75
160,25
4 кв. 1999 г.
27622
27530,75
91,25
1 кв. 2000 г.