Spojenie sezóny s predkami v sezónnom exponenciálnom vyhladzovaní

Pri vykonávaní sezónneho exponenciálneho vyhladzovania v Exceli sa zamyslite nad tým, ako funguje exponenciálne vyhladzovanie. Používa vzorec, ako je tento, na založenie ďalšej prognózy čiastočne na predchádzajúcej skutočnej a čiastočne na predchádzajúcej prognóze:

Nová predpoveď = (0,3 × predchádzajúca skutočná) + (0,7 × predchádzajúca predpoveď)

To predstavuje vážený priemer dvoch predchádzajúcich čísel – skutočných a prognózovaných. Tento konkrétny vzorec dáva predpovedi o niečo väčšiu váhu ako skutočnosti. Musíte experimentovať okolo niektorých s konkrétnou základnou líniou, aby ste získali správnu konštantu vyhladzovania (to je 0,3 vo vzorci) a správny faktor tlmenia (to je 0,7 vo vzorci).

Ide o to, že jedno časové obdobie na základnej čiare bude úzko súvisieť s nasledujúcim časovým obdobím. Ak by dnešná najvyššia teplota bola 70 °F, museli by ste ukázať blížiaci sa studený front, aby ste niekoho presvedčili, že zajtrajšia najvyššia bude 50 °F. Bez dodatočných, protichodných informácií by stavili na 70°F. Včerajšok má tendenciu predpovedať dnes a dnešok má tendenciu predpovedať zajtrajšok.

Presuňte sa však na mesiace. Priemerná teplota v danom mesiaci oveľa viac súvisí s historickým priemerom za daný mesiac ako s priemernou teplotou v predchádzajúcom mesiaci. Ak by priemerná denná maxima v máji bola 70 °F, stále by ste sa prikláňali k 70 °F za jún, ale predtým, ako na to dáte nejaké peniaze, by ste chceli vedieť, aká bola priemerná denná maxima z júna minulého roka.

Takže tu je to, čo budete robiť: Namiesto použitia iba jednej konštanty vyhladzovania použijete dve. Namiesto toho, aby ste použili iba jednu konštantu v spojení s bezprostredne predchádzajúcou základnou hodnotou, použijete jednu pre predchádzajúcu hodnotu (vyhladením mája pomôžete predpovedať jún) a jednu pre sezónu, ktorá je rok späť od tejto (vyhladenie od minulého júna do pomoc s predpoveďou budúci jún).

Obrázok ukazuje základnú líniu sezónneho predaja a súvisiace prognózy v praxi.

Sezónne predpovede nemôžu začať, kým neuplynie jedna sekvencia základných sezón.

Všimnite si, ako tržby neustále rastú počas tretieho štvrťroka každého roka a ako stúpajú počas štvrtého štvrťroka. Potom dno vypadne počas prvej a druhej štvrtiny. Obrázok tiež ukazuje predpovede, ktoré zachytili sezónny vzorec vo vyrovnávacej rovnici, vďaka čomu sú predpovede oveľa presnejšie.

Čo keby ste použili jednoduché exponenciálne vyhladzovanie? Obrázok prináša niektoré zlé správy.

Prognózy plynule prechádzajú signálom v základnej línii.

Tu je vyhladzovacia konštanta 0,3 a predpovede sú relatívne necitlivé na výkyvy skutočných hodnôt od základnej línie. Predpovede prikyvujú na vrcholy a údolia základnej línie, ale je to odmietavý druh prikývnutia.

Čo keby ste zvýšili konštantu vyhladzovania tak, aby prognózy viac sledovali skutočné hodnoty, ako ich vyhladzovali? Táto situácia je znázornená tu, kde konštanta vyhladzovania je 0,7.

Predpovede sú neskoro, aby odrážali zmeny základnej línie.

Vrcholy a údolia sú zastúpené jasnejšie — ale zaostávajú o jedno obdobie za ich skutočným výskytom. Porovnajte posledný údaj a jeho oneskorené predpovede s prvým údajom a jeho včasnými predpoveďami. Predpovede na obrázku 18-1 sa môžu zobraziť včas, pretože venujú pozornosť tomu, čo sa stalo minulý rok. A objavovanie je 85 percent života.

Nasledujúci obrázok ukazuje, ako môžete kombinovať komponenty, aby ste získali prognózovanú hodnotu. Nebojte sa, zdroj komponentov a to, čo znamenajú, budú jasné, keď budete prechádzať vývojom sezónnej predpovede.

Sezónne vplyvy sú nad (pozitívne hodnoty) a pod (negatívne hodnoty) súčasnou celkovou úrovňou základnej línie.

Vzorec v bunke F5 udáva úroveň základnej línie k 4. štvrťroku 2012. Vzorec je:

=AVERAGE(D2:D5)

Na začiatku procesu vyhladzovania je to náš najlepší odhad súčasnej úrovne základnej línie. Je to len priemer zo štyroch štvrťročných výsledkov tržieb za rok 2012. Je to analogické s použitím prvého pozorovania ako prvej prognózy v jednoduchom exponenciálnom vyhladzovaní.

Zo skúmania vzorca v bunke H5:

=F5+G2

môžete vidieť, že predpoveď na 1. štvrťrok 2013 je súčtom dvoch množstiev:

• Predpovedaná úroveň základnej línie pre 1. štvrťrok 2013 od 4. štvrťroka 2012 (pozri bunku F5)
• Vplyv toho, že ste v 1. štvrťroku 2012 (pozri bunku G2)

Každá predpoveď v stĺpci E a stĺpci H je súčtom úrovne prognózy základnej línie a vplyvu sezóny z predchádzajúceho roka. Dobrá kontrola zdravého rozumu porovnáva sezónne predpovede vyhladzovania na prvom obrázku s bežnými predpoveďami vyhladzovania na nasledujúcich dvoch obrázkoch.

Je jasné, že budete lepšie, ak dokážete odhadnúť sezónny efekt skôr, ako k nemu dôjde. To je to, čo sa deje na poslednom obrázku, ktorý kombinuje úroveň, ktorú možno pripísať sezóne, so všeobecnou úrovňou základnej línie, aby sa získala predpoveď aktuálnej sezóny predtým, ako sa uskutoční ďalšia inštancia sezóny.

To je dôvod, prečo uvádzať predpoveď na nasledujúce obdobie do stĺpca H a na aktuálne obdobie do stĺpca E. Vďaka tomu si zapamätáte, že prognózu na dané obdobie môžete zostaviť na konci predchádzajúceho obdobia. Všimnite si napríklad, že bunka H5 obsahuje predpoveď na ďalšie obdobie, bunka E6 má predpoveď na aktuálne obdobie a obe sa rovnajú 548 160 USD.