1.Модель с аддитивной компонентой Аддитивную модель прогнозирования можно представить в виде формулы F T S E где F прогнозируемое значение Т тренд S сезонная компонента Е ошибка прогноза.Алгоритм построения прогнозной модели Для прогнозирования объема продаж, имеющего сезонный характер, предлагается следующий алгоритм построения прогнозной модели 1.Определяется тренд, наилучшим образом аппроксимирующий фактические данные. Существенным моментом при этом является предложение использовать полиномиальный тренд, что позволяет сократить ошибку прогнозной модели. 2.Вычитая из фактических значений объмов продаж значения тренда, определяют величины сезонной компоненты и корректируют таким образом, чтобы их сумма была равна нулю. 3.Рассчитываются ошибки модели как разности между фактическими значениями и значениями модели. Применение алгоритма рассмотрим на следующем примере. Исходные данные Объемы фактических расходов бюджета района, взяты из месячной и годовой отчетности финансового управления администрации района.
Данная статистика характеризуется тем, что значения объма продаж имеют выраженный сезонный характер с возрастающим трендом.
Исходная информация представлена в табл. 1. табл.1 Объем фактических расходов1 кв. 1999 г.245182 кв. 1999 г.237783 кв. 1999 г.251434 кв. 1999 г.276221 кв. 2000 г.261492 кв. 2000 г.241233 кв. 2000 г.275804 кв. 2000 г.308541 кв. 2001 г.291472 кв. 2001 г.264783 кв. 2001 г.301594 кв. 2001 г.331491 кв. 2002 г.32451 Реализуем алгоритм построения прогнозной модели, описанный выше. Решение данной задачи рекомендуется осуществлять в среде MS Excel, что позволит существенно сократить количество расчтов 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. Расчт значений сезонной компоненты Значение трендаСезонная компонента1 кв. 1999 г.245182451802 кв.