- Рассчитать коэффициенты сезонности ;
- Выбрать период для расчета среднего значения;
- Рассчитать прогноз , т.е. среднее значение умножить на коэффициент сезонности;
- Учесть дополнительные факторы , которые значительно влияют на продажи;
Рассчитать прогноз по методу скользящей средней очень просто . Для этого берём среднее значение , например, средние продажи за последние 3 месяца и умножаем на коэффициент сезонности к 3-м месяцам - и прогноз на месяц готов. Аналогичным образом делаем и на следующий месяц, только в расчет уже попадет предыдущий прогнозный месяц.
1. Рассчитаем коэффициенты сезонности для прогноза по методу скользящей средней.
Для этого рассчитываем коэффициенты сезонности очищенные от роста , как описано в статье «Как рассчитать коэффициенты сезонности, очищенные от роста?» . Затем определяем коэффициенты сезонности к предыдущим периодам , к 1 месяцу, к 2-м месяца, к 3-м месяцам и т.д. в зависимости от того, за какой период берем среднее значение для прогнозирования продаж. Например, рассчитаем месячные коэффициенты сезонности (см. вложенный файл лист "Расчет коэффициентов")
коэффициент января - отношение январского коэффициента сезонности очищенного от роста к декабрьскому;
февраля - февральского коэффициента к январскому;
марта - март к февралю;
для января - отношение январского коэффициента сезонности к среднему значению декабря и ноября
для февраля - февраль делим на среднее значение коэффициентов января и декабря
для марта - март к среднему февральского и январского коэффициентов
для определения январского коэффициента сезонности к 3-м месяцам мы январский коэффициент сезонности, очищенный от роста, делим на среднее значение коэффициентов сезонности, очищенных от роста, за декабрь, ноябрь, октябрь;
для февраля - коэффициент февраля делим на среднее значение коэффициентов ноября, декабря и января;
Для марта - отношение марта к среднему значению коэффициентов сезонности очищенных от роста декабря, января и февраля;
к 1 месяцу:
к 2-м месяцам:
к 3-м месяцам:
Коэффициенты сезонности к предыдущим периодам мы рассчитали, теперь определим, за какой период лучше взять среднее значение для более точного прогноза .Также коэффициенты сезонности вы можете легко и быстро рассчитать, используя программу Forecast4AС - надежный помощник на всех этапах прогнозирования.
2. Выбираем период расчета среднего значения для прогноза по методу скользящей средней.
Для этого делаем прогноз для последнего и предпоследнего периодов, данные за который нам известны, тремя или более способами для определения подходящего периода расчета средней (см. вложенный файл лист «Выбор периода»). И смотрим, какой из вариантов делает более точный прогноз:
- Рассчитаем прогноз продаж по методу скользящей средней к 1-му месяцу :
Декабрь = объём продаж ноября умножим на декабрьский коэффициент сезонности к предыдущему месяцу.
- Рассчитаем прогноз продаж по методу скользящей средней к 2-ум месяцам:
Декабрь = средний объём продаж за октябрь и ноябрь умножим на декабрьский коэффициент сезонности к 2-м месяцам.
- Рассчитываем прогноз по методу скользящей средней к 3-ем месяцам:
Декабрь = средний объём продаж за сентябрь, октябрь и ноябрь умножим на декабрьский коэффициент сезонности к 3-м месяцам.
Сейчас мы рассчитали прогноз тремя способами на декабрь. Аналогичным образом рассчитаем на ноябрь.
Теперь сравниваем фактические значения за ноябрь и декабрь с прогнозными рассчитанными 3-мя способами . Мы видим, что в нашем примере наиболее точно прогноз рассчитан по методу скользящей средней к 2-м месяцам , возьмём его за базу. В вашем случае более точный прогноз может оказаться к предыдущему периоду, к 3-м предыдущим или к 4-м предыдущим периодам.
3. Рассчитаем прогноз продаж по методу скользящей средней.
Т.к. мы выбрали прогноз на основании среднего за 2 предыдущих месяца, то для прогноза на январь, мы средние продажи за ноябрь и декабрь умножаем январский коэффициент сезонности к 2-м месяцам .
Для прогноза на февраль мы средний объем продаж января и декабря умножаем на февральский коэффициент сезонности.
Следуя данной логике, мы продлеваем расчет прогноза до конца года. Расчет прогноза продаж на год готов.
4. Дополнительные факторы, которые стоит учесть при расчете прогноза продаж.
Для повышения точности прогноза важно:
- Из прошлых периодов вычесть факторы , которые значительно повлияли на объем продаж , но в прогнозных месяцах повторяться не будут (акции по стимулированию сбыта, разовая отгрузка крупного нерегулярного клиента, вывод из крупной розничной сети и т.д.).
- К прогнозируемым месяцам прибавить факторы , которые значительно повлияют на продажи - начало работы с крупными сетями, проведение крупных акций по стимулированию сбыта, вывод новых товаров, рекламные компании и т.д.
Точных вам прогнозов!
Программа Forecast4AC PRO рассчитает прогноз по методу скользящей средней одновременно более чем для 1000 временных рядов одним нажатием клавиши, значительно сэкономив ваше время, одним из 4-х способов:
К среднему за два предыдущих периода
К среднему за три предыдущих периода
К среднему за 4 предыдущих периода
Двойная средняя к 3 и 4 предыдущим периодам
Присоединяйтесь к нам!
Скачивайте бесплатные приложения для прогнозирования и бизнес-анализа :
- Novo Forecast Lite - автоматический расчет прогноза в Excel .
- 4analytics - ABC-XYZ-анализ и анализ выбросов в Excel.
- Qlik Sense Desktop и QlikView Personal Edition - BI-системы для анализа и визуализации данных.
Тестируйте возможности платных решений:
- Novo Forecast PRO - прогнозирование в Excel для больших массивов данных.
Скользящее среднее или просто МА (Moving Average) , является среднеарифметическим ценового ряда. Общая формула скользящего среднего следующая:
Где:
МА – скользящее среднее;
n- период усреднения;
Х – значения цены акции.
Для прогнозирования цены акции на несколько периодов вперед воспользуемся формулой. Прогноз цены в следующем период будет равнять значения скользящего среднему в предыдущем периоде.
Спрогнозируем
с помощью модели скользящего среднего стоимость акций
компании Аэрофлот (AFLT)
. Для этого экспортируем котировки акции с сайта finam.ru за половину 2009 года. Всего будет 20 значений.
График стоимости акций Аэрофлота за выбранный промежуток времени представлен ниже.
Выбор периода усреднения
n
в модели скользящего среднего
Использование большего в модели МА(n) приводит к сильному искажению данных, в результате чего существенные значения ценового ряда усредняются, и в результате теряется четкость прогноза, можно сказать что он становится “размытым”. Использование слишком мелкого периода усреднения добавляет в прогноз больше шумовой компоненты. Как правило, период усреднения подбирается эмпирическим путем на исторических данных.
Построим скользящее среднее с периодом усреднения в три месяца MA(3). Для расчета значения скользящего среднего для акции, воспользуемся формулой Excel.
СРЗНАЧ(C2:C4)
В колонке “D” рассчитаны значения скользящего среднего с периодом усреднения 3.
После расчета скользящего среднего построим прогноз на 3 периода вперед (на три месяца вперед). Воспользуемся формулой для определения значения цены акции, первое прогнозное значение будет равно последнему значению скользящего среднего. Оранжевая область это область прогнозов. С22 будет равна значению скользящего среднего, то есть:
С22 =D21 С23=D22 и т.д.
От новых прогнозных данных стоимости акции рассчитывается скользящее следующее среднее.
Построим прогнозные значения по скользящему среднему для акций Аэрофлота на три месяца вперед. Ниже представлен график и прогнозные значения акции.
Я повторюсь. Поведение толпы инерционно. А значит вероятность того, что толпа завтра будет вести себя также как вчера и позавчера гораздо выше, чем вероятность перемены настроения.
Для того, чтобы отслеживать поведение толпы на рынке существует древний индикатор MACD. Его аббревиатура расшифровывается как moving average convergence-divergence или если по русски схождение-расхождение скользящих средних (имеются ввиду исторические значения цен на акции или другие инструменты).
Графический смысл гистограммы MACD заключается в подтверждении продолжения тенденции (направления к развитию) движения цены. Грубо говоря, акции продолжают дешеветь или дорожать. Направление движения цены определяется как разница между двумя соседними столбиками.
Для построения гистограммы MACD мы используем excel.
1) Сначала нам потребуются исторические данные для анализа. В предыдущей статье я приводил пример, где такие данные можно раздобыть. Последуем этому примеру и перейдем на брокерскую страничку экспорта данных:
Выставив требования к формату скачиваемых данных получаем файл с данными формата csv, который понимает excel. Также исторические данные по интересующему нас инструменту можно скачать на сайте брокера ЗАО «ФИНАМ по этой ссылке .
2) даные следует отформатировать как описано в .
В конечном итоге должен получиться вот такой набор:
3) Теперь создадим новый лист в книге excel для расчетов и построения графика технического анализа. Так и назовем этот лист: «Расчет MACD». Затем скопируем на этот лист столбец с датами
4) Теперь рассчитаем экспоненциальную скользящую среднюю с окном в 12 дней (EMA 12). ЕМА 12 рассчитывается по формуле:
Заложим эту формулу в столбец справа от цены закрытия
Скопируем получившуюся формулу в ячейку ниже и немного подредактируем: вместо значения из ячейки B3, во второй части формулы, подставим значение из ячейки C2. C2- это и будет EMA12 предыдущего дня.
Должно получиться вот так:
Теперь размножим формулу полученную во второй ячейке для всего столбца EMA12. Для этого кликнем один раз мышкой в ячейку C3 так, чтобы вокруг ячейки появилась черная жирная рамочка, затем перемещаем курсор в правый нижний угол черной жирной рамочки так, чтобы курсор принял форму жирного черного крестика и двойным кликом левой кнопки мышки размножаем формулу на весь столбец. Вот так:
Теперь аналогичным образом рассчитаем экспоненциальную скользящую среднюю с окном в 26 дней (EMA 26). ЕМА 26 рассчитывается по формуле:
Заложим эту формулу в столбец справа от рассчитанной EMA12. Для этого запись в ячейку начинаем с символа «=», что сообщает процессору excel о том, что будет вводится формула. Для первой ячейки формула немного другая чем для остальных ячеек, из-за того, что вместо вчерашней EMA26 следует подставить сегодняшнюю цену закрытия. Вот так:
Скопируем получившуюся формулу в ячейку ниже и немного подредактируем: вместо значения из ячейки B3, во второй части формулы, подставим значение из ячейки D2. D2- это и будет EMA26 предыдущего дня. Должно получиться вот так:
Теперь размножим формулу полученную во второй ячейке для всего столбца EMA26. Для этого кликнем один раз мышкой в ячейку D3 так, чтобы вокруг ячейки появилась черная жирная рамочка, затем перемещаем курсор в правый нижний угол черной жирной рамочки так, чтобы курсор принял форму жирного черного крестика и двойным кликом левой кнопки мышки размножаем формулу на весь столбец. Вот так:
Поздравляю! Мы с вами справились с расчетом экспоненциальных средних. Теперь следует получить «быструю» линию MACD. Для этого нужно из EMA12 вычесть EMA26. Забьем эту формулу в следующий столбец справа:
Теперь нужно вычислить девятидневную экспоненциальную скользящую среднюю для «быстрой» линии MACD. Полученная линия будет называться «сигнальной» линией MACD. Расчет произведем по следующей формуле:
Аналогичным образом забиваем формулу расчета в excel в ячейку правее «быстрой» линии MACD:
В ячейке нижнего ряда корректируем формулу также, как делали это при расчете двадцатишестидневной и двенадцатидневной экспоненциальных скользящих средних. Вот такая должна быть формула в ячейке F3:
И наконец-то мы можем рассчитать последний столбец данных для построения гистограммы MACD. Значениями этого столбца для построения гистограммы является разность между «быстрой» и «сигнальной» линиями MACD. Вбиваем последнюю формулу расчета данных для построения гистограммы:
Рассматривать гистограмму MACD гораздо удобнее рядом с графиком колебания цен на анализируемый инструмент. В предыдущей статье я подробно описал как построить такой график. Для построения графика цен на инструмент скопируем выборку необходимых данных на отдельный лист. Как-то так:
Построение биржевого графика проще всего произвести здесь же, на этом листе. Затем следует его скопировать на отдельный лист, тот на котором мы разместим и гистограмму MACD.
Создаем отдельный лист для наших графиков. Вставляем из буфера обмена скопированную диаграмму и немного настраиваем ее внешний вид. Окно с графиком растягивается и сокращается по длине и ширине подобно окнам в самой Windows.
А ткнув левой кнопкой мыши в шкалу со значениями цен можно изменить формат данных оси построения графика. После такого тычка шкала значений вертикальной (в нашем случае) оси выделяется прямоугольной рамкой. Как только появилась такая рамка следует нажать правую кнопку мыши для вызова контекстного меню. В контекстном меню левой кнопкой мыши выбираем строку <Формат оси…>, вот так:
В открывшемся диалоговом окне настройки параметров оси графика настраиваем минимальное значение (80) и максимальное (160). Это верхние две строчки в открывшемся диалоговом окне. На рисунке ниже показано нужное положение радиокнопок и вписаны значения 80 и 160 в соответствующие строки:
Под окном графика цен вставляем окно для будущей гистограммы MACD. В главном меню выбираем вкладку <<Вставка>> затем подменю <<Гистограмма>> и в выпадающем меню выбираем левый верхний значок гистограммы, этот значок подсвечен желтым на скрин-шоте ниже:
Главное, перед вставкой второго графика не забыть снять выделение с первого. Иначе может произойти замещение одного графика другим, а нам нужны оба графика.
Перед вызовом меню <<Гистограмма>> недурно будет навести курсор на ячейку А16 и нажать левую кнопку мыши. После вставки гистограммы нам необходимо указать наш столбец с расчетными данными гистограммы MACD. Для этого следует навести курсор мыши на гистограмму и нажать правую кнопку мыши для вызова контекстного меню управления диаграммой. В открывшемся контекстном меню выбираем пункт <Выбрать данные>:
После нажатия кнопки <<Добавить>> в предыдущем окне нам следует набрать наименование нашего графика — «MACD», а в нижнем ряду нажать кнопочку справа от ряда:
После нажатия на кнопку справа от нижнего ряда открывается узенькое окошко «Изменение ряда». Не закрывая этого окна переходим с помощью мыши на лист с названием MACD:
После того, как столбец с данными охвачен тонкой пунктирной линией в окошке «Изменение ряда» следует нажать кнопочку справа. После этого откроется окно «Изменение ряда» с двумя строками. Вот в этом окошке можно нажать кнопку <
Вернувшись на лист с наименованием «ГРАФИКИ» в окне выбора данных для построения гистограммы тоже нажимаем кнопку <
Можно немного поиграть с размером окон для графиков и получить тот результат, который кажется нагляднее:
А вот те же самые графики, построенные торговой системой QUIK. Похоже получилось у нас с вами?
Дорогой читатель! Если ты решил построить эти графики и у тебя что-то не получается — оставь свой вопрос в комментариях и вместе мы обязательно разберемся и научимся строить графики в excel.
Исходные файлы excel с которых сделаны скриншоты и в которых есть построенные графики можно скачать по .
В бизнесе, как и в любой другой деятельности человек, хочет знать, а что будет дальше. Даже трудно себе представить богатство того счастливца, который с 100% точностью мог бы угадывать будущее. Но, к сожалению (или, же к счастью) дар предвидения встречается крайне редко. НО… стараться хотя бы в общих чертах представить будущую бизнес ситуацию предприниматель просто обязан.
Вначале я хотел написать в одном посте сразу про несколько простых и удобных методик, но пост стал получаться очень большим. И поэтому будет несколько постов посвященных теме прогнозирования. В данном посте мы опишем один из наиболее простых методов прогнозирования с использованием возможностей Excel – метод скользящего среднего.
Чаще всего в практике маркетинговых исследований прогнозируются следующие величины:
- Объемы продаж
- Размер и емкость рынка
- Объемы производства
- Объемы импорта
- Динамика цен
- И проч.
Для прогнозирования, которое мы рассматриваем в данном посте советую придерживаться следующего простого алгоритма:
1. Сбор вторичной информации по проблеме (желательно как количественной, так и качественной). Так, например если Вы прогнозируете размер своего рынка, нужно собрать статистическую информацию по рынку (объемы производства, импорта, динамику цен, объемы продаж и проч.) так и тенденции, проблемы или возможности рынка. Если вы прогнозируете объем продаж, тогда вам нужны данные о продажах за период. Для прогнозирования, чем больше исторических данных вы рассмотрите, тем лучше. Желательно прогнозирование дополнить анализом влияющих на прогнозируемое явление факторов (можно SWOT, PEST анализ или любой другой). Это позволит понимать логику развития, и вы сможете таким образом проверять правдоподобность той или иной модели тренда.
2. Далее желательно проверить количественные данные . Для этого нужно сравнить значения одних и тех же показателей, но полученных из разных источников. Если все сходиться можно «загонять» данные в Excel. Также данные должны соответствовать следующим требованиям:
- Базовая линия включает в себя результаты наблюдений - начиная с самых ранних и заканчивая последними.
- Все временные периоды базовой линии имеют одинаковую продолжительность. Не следует смешивать данные, например, за один день со средними трехдневными показателями.
- Наблюдения фиксируются в один и тот же момент каждого временного периода. Например трафик замеряться должен в одно и то же время.
- Пропуск данных не допускается. Пропуск даже одного результата наблюдений нежелателен при прогнозировании» поэтому, если в ваших наблюдениях отсутствуют результаты за незначительный отрезок времени, постарайтесь восполнить их хотя бы приблизительными данными.
3. Проверив данные, можно применять различные методики прогнозирования . Начать я бы хотел с самого простого метода – МЕТОДА СКОЛЬЗЯЩЕГО СРЕДНЕГО
МЕТОД СКОЛЬЗЯЩЕГО СРЕДНЕГО
Метод скользящего среднего применять достаточно несложно, однако он слишком прост для построения точного прогноза. При использовании этого метода прогноз любого периода представляет собой не что иное, как получение среднего показателя по нескольким предыдущим наблюдениям временного ряда. Например, если вы выбрали скользящее среднее за три месяца, прогнозом на май будет среднее значение показателей за февраль, март и апрель. Выбрав в качестве метода прогнозирования скользящее среднее за четыре месяца, вы сможете оценить майский показатель как среднее значение показателей за январь, февраль, март и апрель.
Как правило, прогноз с применением скользящего среднего рассматривается как прогноз на период, непосредственно следующий за периодом наблюдения. Вместе с этим такой прогноз применим, когда исследуемое явление развивается последовательно, т.е. имеются определенные тенденции, и кривая значений не скачет по диаграмме как угорелая.
Чтобы определить, сколько наблюдений желательно включить в скользящее среднее, нужно исходить из предыдущего опыта и имеющейся информации о наборе данных. Необходимо выдерживать равновесие между повышенным откликом скользящего среднего на несколько самых свежих наблюдений и большой изменчивостью этого среднего.
Итак, как это делать в Excel
1. Допустим, что у Вас есть объемы месячных продаж за последние 29 месяцев. И вы хотите определить, какой объем продаж будет в 30 месяце. Но, если честно, вовсе не обязательно при расчете прогнозных значений оперировать 30 историческими значениями, ведь этот метод будет использовать для расчета среднего лишь несколько последних месяцев. Поэтому для расчета достаточно лишь несколько прошлых месяцев.
2. Приводим эту таблицу в вид понятный Excel, т.е. чтобы все значения были в одном ряду.
3. Далее вводим формулу расчета среднего по предыдущим трем (четырем, пяти? как сами выберите) значениям (см. в ). Наиболее удобно все-таки использовать для расчета последние 3 значения, т.к. если учитывать больше, данные будут чересчур усредняться, если меньше – не будут точными.
4. Используя функцию автозаполнения для всех последующих значений вплоть до 30, прогнозного месяца. Таким образом, функция рассчитает прогноз на июнь 2010 г. Согласно прогнозным значениям в июне продажи составят около 408 единиц товара. Но обратите внимание, что если тенденция падения постоянна, как в нашем примере, расчет прогноза по средней будет немного завышенным, или будет как бы «отставать» от реальных значений.
Мы рассмотрели одну из самых простых методик прогнозирования – метод скользящего среднего. В следующих постах мы рассмотрим другие, более точные и сложные методики. Надеюсь, мой пост будет Вам полезен.
Экстраполяция - это метод научного исследования, который основан на распространении прошлых и настоящих тенденций, закономерностей, связей на будущее развитие объекта прогнозирования. К методам экстраполяции относятся метод скользящей средней, метод экспоненциального сглаживания, метод наименьших квадратов.
Метод скользящих средних является одним из широко известных методов сглаживания временных рядов. Применяя этот метод, можно элиминировать случайные колебания и получить значения, соответствующие влиянию главных факторов.
Сглаживание с помощью скользящих средних основано на том, что в средних величинах взаимно погашаются случайные отклонения. Это происходит вследствие замены первоначальных уровней временного ряда средней арифметической величиной внутри выбранного интервала времени. Полученное значение относится к середине выбранного интервала времени (периода).
Затем период сдвигается на одно наблюдение, и расчет средней повторяется. При этом периоды определения средней берутся все время одинаковыми. Таким образом, в каждом рассматриваемом случае средняя центрирована, т.е. отнесена к серединной точке интервала сглаживания и представляет собой уровень для этой точки.
При сглаживании временного ряда скользящими средними в расчетах участвуют все уровни ряда. Чем шире интервал сглаживания, тем более плавным получается тренд. Сглаженный ряд короче первоначального на (n–1) наблюдений, где n – величина интервала сглаживания.
При больших значениях n колеблемость сглаженного ряда значительно снижается. Одновременно заметно сокращается количество наблюдений, что создает трудности.
Выбор интервала сглаживания зависит от целей исследования. При этом следует руководствоваться тем, в какой период времени происходит действие, а следовательно, и устранение влияния случайных факторов.
Данный метод используется при краткосрочном прогнозировании. Его рабочая формула:
Пример применения метода скользящей средней для разработки прогноза
Задача . Имеются данные, характеризующие уровень безработицы в регионе, %
- Постройте прогноз уровня безработицы в регионе на ноябрь, декабрь, январь месяцы, используя методы: скользящей средней, экспоненциального сглаживания, наименьших квадратов.
- Рассчитайте ошибки полученных прогнозов при использовании каждого метода.
- Сравните полученные результаты, сделайте выводы.
Решение методом скользящей средней
Для расчета прогнозного значения методом скользящей средней необходимо:
1. Определить величину интервала сглаживания, например равную 3 (n = 3).
2. Рассчитать скользящую среднюю для первых трех периодов
m фев = (Уянв + Уфев + У март)/ 3 = (2,99+2,66+2,63)/3 = 2,76
Полученное значение заносим в таблицу в средину взятого периода.
Далее рассчитываем m для следующих трех периодов февраль, март, апрель.
m март = (Уфев + Умарт + Уапр)/ 3 = (2,66+2,63+2,56)/3 = 2,62
Далее по аналогии рассчитываем m для каждых трех рядом стоящих периодов и результаты заносим в таблицу.
3. Рассчитав скользящую среднюю для всех периодов, строим прогноз на ноябрь по формуле:
где t + 1 – прогнозный период; t – период, предшествующий прогнозному периоду (год, месяц и т.д.); Уt+1 – прогнозируемый показатель; mt-1 – скользящая средняя за два периода до прогнозного; n – число уровней, входящих в интервал сглаживания; Уt – фактическое значение исследуемого явления за предшествующий период; Уt-1 – фактическое значение исследуемого явления за два периода, предшествующих прогнозному.
У ноябрь = 1,57 + 1/3 (1,42 – 1,56) = 1,57 – 0,05 = 1,52
Определяем скользящую среднюю m для октября.
m = (1,56+1,42+1,52) /3 = 1,5
Строим прогноз на декабрь.
У декабрь = 1,5 + 1/3 (1,52 – 1,42) = 1,53
Определяем скользящую среднюю m для ноября.
m = (1,42+1,52+1,53) /3 = 1,49
Строим прогноз на январь.
У январь = 1,49 + 1/3 (1,53 – 1,52) = 1,49
Заносим полученный результат в таблицу.
Рассчитываем среднюю относительную ошибку по формуле:
ε = 9,01/8 = 1,13% точность прогноза высокая.
Далее решим данную задачу методами экспоненциального сглаживания и наименьших квадратов . Сделаем выводы.
