Експоненційний згладжування

Головним недоліком методів прогнозування на основі простого і зваженого ковзного середнього є необхідність використання великої кількості минулих даних. Якщо вважати, що значимість даних зменшується з плином часу, то найбільш підходящим методом посилення впливу останніх періодів є експоненційний згладжування.

Для прогнозування майбутнього методом експоненційного згладжування необхідні тільки три види даних: дані останнього прогнозу, поточний попит і константа згладжування α. Ця константа визначає рівень згладжування і швидкість реакції на різницю між прогнозами і поточними подіями. Вибір значення константи залежить від стабільності попиту і від швидкості його зміни. Якщо попит стабільний, то α може бути дорівнює від 5 до 10%. У разі збільшення попиту α повинна мати більш Експоненційний згладжування високе значення, щоб додати велику значимість поточному зростанню. Чим вище темп зростання, тим вище повинна бути швидкість реагування.

Рівняння для одноразового експоненціального згладжування має наступний вигляд:
(3.3)
де F t - Експоненціально згладжений прогноз на період t;
F t -1 - Експоненціально згладжений прогноз, зроблений для попереднього періоду;
A t -1 - Фактичний попит у попередньому періоді;
α - Константа згладжування.

Метод експоненціального згладжування найчастіше використовується для прогнозування. Фактично, цей метод є складовою частиною всіх комп'ютеризованих програм прогнозування. Його широке поширення пояснюється тим, що:

  1. експоненціальні моделі досить точні;
  2. складання експоненційної моделі відносно нескладне;
  3. користувач може зрозуміти, як працює модель;
  4. використання моделі вимагає небагатьох обчислень;
  5. вимоги до пам'яті Експоненційний згладжування комп'ютера невисокі за обмеженого обсягу необхідних статистичних даних;
  6. нескладно виконати тести на точність роботи моделі.

Недоліком методу експоненційного згладжування є лагів ефект. Прогноз запізнюється в періоди зростання або падіння попиту і перевищує фактичні значення при його зменшенні.


Розділ 3.Вимірювання помилок і вибір методу прогнозування

В ході процесу прогнозування неминуче виникають помилки прогнозу. Під помилкою прогнозу розуміють розбіжність між прогнозом і дійсністю. Хоча в прогнозуванні вважається, що, до тих пір, поки значення прогнозу знаходиться в довірчих границях, ці розбіжності не є помилкою.

Помилки прогнозу можуть виникати з різних причин і мати різні джерела. Їх можна розділити на систематичні, що Експоненційний згладжування виникають через похибки вимірювання, і випадкові. До джерел систематичних помилок відносяться недостатня кількість прямих змінних, використання некоректної залежності між змінними, застосування невірної трендової лінії, помилковий зрушення сезонного попиту і наявність необнаруженного тренда в тимчасових рядах. До випадкових помилок відносяться ті помилки, які не можна пояснити використовуваної моделлю прогнозу.

Вимірювання помилок прогнозу проводиться за допомогою таких показників, як середнє абсолютне відхилення, середньоквадратичне відхилення, середня абсолютна відносна помилка і середня відносна помилка.



Середнє абсолютне відхилення (МАD) являє собою середнє значення помилки в прогнозі, яке вимірює розкид прогнозованих значень від очікуваних. МАD обчислюють як різницю між дійсним і прогнозованим попитом без урахування Експоненційний згладжування знака, за наступною формулою:

(3.16)
де t - номер періоду;
А - поточний попит даного періоду;
F - Прогнозований попит даного періоду;
n - Загальна кількість періодів.

Визначення середньоквадратичного відхилення (MSE) також засновано на обчисленні відхилень від середньої арифметичної, однак при її обчисленні використовують не абсолютні величини, а квадрати величин відхилень. Вона визначається за формулою:

(3.17)

Показник ^ MSE дозволяє виявити окремі великі відхилення від фактичних даних. На основі MSE можна відібрати такі способи прогнозування, які стабільно дають прийнятні середні помилки, і відсіяти такі способи, які характеризуються, як правило, малими помилками, але допускають іноді дуже велику похибку.

Середня абсолютна відносна помилка (Маре) застосовується в Експоненційний згладжування тому випадку, якщо для визначення показника загальної помилки зручніше використовувати не абсолютні, а відносні величини.

(3.18)

У випадку, коли потрібно оцінити, наскільки зміщеними (тобто завищеними або заниженими) є результати прогнозування, то можна використовувати показник середньої відносної помилки МРЕ.

(3.19)

Якщо показник МРЕ близький до нуля, то зміщення немає. Якщо він негативний, то має місце завищення прогнозних оцінок; якщо позитивний, то оцінки будуть заниженими.

При порівнянні двох і більше методів прогнозування, чим менше розглянуті вище показники, тим точніший прогноз.

Вибір методу прогнозування залежить від тимчасових і витратних факторів. При нестачі часу і засобів доцільно використовувати прості і дешеві методи прогнозування, такі як моделі Експоненційний згладжування на основі ковзних середніх або експоненціальне згладжування. Для перевірки надійності якого методу прогнозування можна використовувати різні методи вимірювання помилок прогнозу.


Висновки:

Прогноз попиту на майбутній плановий період є відправною точкою системи формування моделі випуску, основою формування виробничої програми підприємства.

Для ринків країн СНД з несталою структурою попиту актуальним є про­гнозування попиту на продукцію підприємства. Лише для не багатьох підприємств прогнози такого роду не складають особливих труднощів. На більшості ринків рівні попиту вагаються, тому уміння зробити точний прогноз — визначальний чинник успіху підприємства, і чим вище нестабільність попиту, тим точніше має бути прогноз.

Таким чином, успішна діяльність підприємства неможлива Експоненційний згладжування без прогнозування попиту. Проте не існує надійної методики кількісної оцінки найбільш суттєвих чинників, що впливають на попит. Кількісному визначенню попиту важко через відсутність концепції, адекватно пояснюючої закономірності його виникнення і транс­формації в умовах становлення ринкових стосунків; обмежується слабким ступенем розробки відповідних методів і моделей для прогнозування його динаміки і структури; значно ускладнюється відсутністю необхідного інформаційного забезпечення. Все це вказує на актуальність дослідження і необхідність розробки методики прогнозування попиту на продукцію підприємства.

Для побудови прогнозу необхідно мати такі дані: історичні дані про рух товарів, дані про клієнтів, дані про ринки збуту тощо.

Вибір методу прогнозування залежить від тимчасових і витратних факторів Експоненційний згладжування.

Очевидно, що найкращий ефект дають комбіновані методи на підставі експертних оцінок та технічних оцінок одночасно.


Список використаної літератури:

1. Беренс В. Руководство по оценке эффективности инвестиций / В. Беренс, П.М. Хавранек ; пер. с англ. – М.: АОЗТ "Интер-эксперт": ИНФРА-М, 1995. – С. 97–152.

2. Вісящев В.А. Наукові засади передпроектних досліджень і обґрунтувань: монографія / В.А. Вісящев. – Севастополь: Вебер, 2003. – 440 с.

3. Верещак B.C. Эколого-экономическое обоснование инвестиционных проектов / B.C. Верещак, Т.Г. Бен. – Днепропетровск: Ин-т технологии, 1998. – 122 с.

4. Ковалев B.В. Введение в финансовый менеджмент / В.В. Ковалев. – М.: Финансы и статистика, 2000. – С. 63–86.

5. Колтынюк Б.А. Инвестиционное проектирование объектов Експоненційний згладжування социальной сферы: учебник / Б.А. Колтынюк. – СПб.: Изд-во Михайлова В.А., 2000. – С. 33–48, 64–83.

6. Пересада O.A. Моніторинг інвестиційних проектів / О.А. Пересада // Фінанси України. – 2001. – № 4. – С. 121– 153.

7. Проектний аналіз: навч. посіб. / за ред. С.О. Москвіна. – К.: Лібра, 1998. – С. 66–81.

8. Савчук В.П. Анализ и разработка инвестиционных проектов: учеб. пособие / В. П. Савчук, С. И. При липко, Е.Г. Величко. – К.: Абсолют-В: Эльга, 1999. – 304 с.


documentagkldxx.html
documentagkllif.html
documentagklssn.html
documentagkmacv.html
documentagkmhnd.html
Документ Експоненційний згладжування