Определение величины сезонной компоненты

 

Вычитая из фактических объемов продаж значения тренда, определяем величины сезонной компоненты, используя при этом пакет программных данных MS Excel.

 

Расчет значений сезонной компоненты в MS Excel

 

Итоги расчета значений сезонной компоненты приведем в таблице:

 

Таблица 2. Расчет значений сезонной компоненты

Таблица 3. Расчет средних значений сезонной компоненты

 

Расчет ошибок модели

 

Рассчитываем ошибки модели как разности между фактическими значениями и значениями модели.

 

Таблица 4. Расчет ошибок

 

Находим среднеквадратическую ошибку модели (Е) по формуле:

Е = ∑ О^2: ∑ (Т + S)²

 

где:

Т - трендовое значение объема продаж;

S - сезонная компонента;

О - отклонения модели от фактических значений.

Е = 0,003739 или 0,37%.

Величина полученной ошибки позволяет говорить, что построенная модель хорошо аппроксимирует фактические данные, то есть она вполне отражает тенденции, определяющие объем продаж, и является предпосылкой для построения прогнозов высокого качества.

Построим модель прогнозирования:

 

F = T + S ± E

 

Построение прогноза объемов продаж

 

На основе модели строим окончательный прогноз объема продаж. Для смягчения влияния прошлых тенденций на достоверность прогнозной модели, сочетаем трендовый анализ с экспоненциальным сглаживанием. Это позволит нивелировать недостаток адаптивных моделей, то есть учесть наметившиеся новые экономические тенденции.

 

F_{пр t} = a F_{ф t-1} + (1 - a) F_{м t}

 

где:

F_{пр t} - прогнозное значение объема продаж;

F_{ф t-1} - фактическое значение объема продаж в предыдущем году;

F_{м t} - значение модели;

а - константа сглаживания.

Константу сглаживания рекомендуется определять методом экспертных оценок, как вероятность сохранения существующей рыночной конъюнктуры, то есть, если основные характеристики изменяются (колеблются) с той же скоростью (амплитудой), что и прежде, значит, предпосылок к изменению рыночной конъюнктуры нет, и, следовательно, а = 1, если наоборот, то а = 0.

Таким образом, прогноз на январь третьего сезона определяется следующим образом.

Определяем прогнозное значение модели:

F_{м t} = 1924,92 + 162,44 = 2087 ± 7,8 (тыс. руб.)

Фактическое значение объема продаж в предыдущем году (F_{ф t-1}) составило 2361 тыс. руб. Принимаем коэффициент сглаживания 0,8. Получим прогнозное значение объема продаж:

 

F_{пр t} = 0,8 х 2361 + (1 - 0,8) х 2087 = 2306 (тыс. руб.)

 

Для учета новых экономических тенденций рекомендуется регулярно уточнять модель на основе мониторинга фактически полученных объемов продаж, добавляя их или заменяя ими данные статистической базы, на основе которой строится модель.

Кроме того, для повышения надежности прогноза рекомендуется строить все возможные сценарии прогноза и рассчитывать длительный интервал прогноза.

 

 

Заключение

прогноз тренд сезонный модель

Проанализировав теоретические аспекты рассматриваемого вопроса и проделав работу по построению прогноза объема продаж конкретного предприятия с помощью определения тренда, возможно сделать следующие выводы:

Прогнозирование объема продаж - неотъемлемая часть процесса принятия решения; это систематическая проверка ресурсов компании, позволяющая более полно использовать ее преимущества и своевременно выявлять потенциальные угрозы. Компания должна постоянно следить за динамикой объема продаж и альтернативными возможностями развития рыночной ситуации с тем, чтобы наилучшим образом распределять имеющиеся ресурсы и выбирать наиболее целесообразные направления своей деятельности.

Для учета новых экономических тенденций рекомендуется регулярно уточнять модель на основе мониторинга фактически полученных объемов продаж, добавляя их или заменяя ими данные статистической базы, на основе которой строится модель.

Кроме того, для повышения надежности прогноза рекомендуется строить все возможные сценарии прогноза и рассчитывать длительный интервал прогноза.

Практическая реализация рассмотренного метода выявила его следующие особенности:

·     для составления прогноза необходимо точно знать величину сезона. Исследования показывают, что множество продуктов имеют сезонный характер, величина сезона при этом может быть различной и колебаться от одной недели до десяти лет и более;

·   применение полиноминального тренда вместо линейного позволяет значительно сократить ошибку модели;

·   при наличии достаточного количества данных метод дает хорошую аппроксимацию и может быть эффективно использован при прогнозировании объема продаж в инвестиционном проектировании.

 

 

Список литературы

 

1. Алисинская Т.В., Сербин В.Д., Катаев А.В. Учебно-методическое пособие по курсу «Экономико-математические методы и модели. Линейное программирование». Таганрог. 2001.

2. Бушуева Л.И. Метод прогнозирования объема продаж // Маркетинг в России и за рубежом. 2004. №2.

.   Кошечкин С.А. Алгоритм прогнозирования объема продаж в MS Excel // http://www.cfin.ru. 24.08.2008.

.   Кулакова О. Методы прогнозирования. Анализ аддитивной модели // Бюджетирование и финансовый менеджмент. 2000. №2.

.   Лобанова Е. Прогнозирование с учетом экономического роста // Экономические науки. 2002. №1.

.   Орлова И.В. Экономико-математические методы и модели. Выполнение расчетов в среде Excel: Практикум. М. 2000.

.   Статистический словарь / Под ред. М.А. Королева. М. 1989.