Анализ временных рядов
Поскольку условия ведения бизнеса изменяются с течением времени, предпринимателям и менеджерам требуется постоянно «держать руку на пульсе» этих изменений для успешного ведения своей предпринимательской деятельности. Одним из приемов, которым предприниматели и менеджеры могут воспользоваться для оценки эффективности будущих управленческих решений, является метод прогнозирования. К настоящему времени разработаны различные методы прогнозирования, но у всех у них одна общая цель — предсказать с той или иной степенью надежности будущие события, чтобы этот прогноз можно было учесть при принятии тех или иных управленческих решений.
Предприниматели и менеджеры должны уметь прогнозировать
· спрос на свою продукцию,
· предпочтения потребителей,
· будущий объем продаж,
· эффективность рекламных кампаний и т.д.
Анализ временных рядов — это анализ, основанный на исходном предложении, согласно которому случившееся в прошлом служит достаточно надежным указанием на то, что произойдет в будущем. Это также можно назвать проектированием тенденций.
Временные ряды и их характеристики
Временной ряд представляет собой последовательность данных, описывающих объект в последовательные моменты времени. В отличие от анализа случайных выборок, анализ временных рядов основывается на предположении, что последовательные данные наблюдаются через равные промежутки времени (тогда как в других методах привязка наблюдений ко времени была для нас не важна). Временные ряды встречаются сплошь и рядом. В медицине это может быть кардиограмма, в астрономии — графики солнечной активности, в экономике — изменения уровня безработицы или процентных ставок и т.д.
Существует две основные цели анализа временных рядов: определение природы ряда и прогнозирование, т.е. предсказание будущих значений временного ряда по настоящим и прошлым значениям. Обе цели требуют, чтобы модель ряда была определена и более или менее формально описана. Как только модель определена, с ее помощью можно интерпретировать рассматриваемые данные — например, использовать ее для анализа наличия сезонного изменения цен на товары. Затем можно экстраполировать ряд на основе найденной модели, т.е. предсказать его будущие значения.
Как и большинство других видов анализа, анализ временных рядов предполагает, что данные содержат систематическую составляющую (обычно включающую несколько компонент) и случайный шум (ошибку), который затрудняет обнаружение регулярных компонент. Большинство методов исследования временных рядов включает различные способы фильтрации шума, позволяющие увидеть регулярную составляющую более отчетливо.
Большинство регулярных составляющих временных рядов принадлежит к двум классам: они являются либо трендом, либо сезонной составляющей.
Тренд представляет собой общую систематическую линейную или нелинейную компоненту, закономерно изменяющуюся во времени.
Сезонная составляющая — это периодически повторяющаяся компонента. Оба эти вида регулярных компонент часто имеются в рядах одновременно. Например, продажи компании могут возрастать из года в год (тренд), но при этом они могут содержать и сезонную составляющую (например, 30% годовых продаж приходится на январь и только 5% — на июль). В табл. 11.1 приведено сравнение компонент, влияющих на значения временного ряда.
Не нашли то, что искали? Воспользуйтесь поиском:
Анализ временных рядов позволяет изучить показатели во времени. Временной ряд – это числовые значения статистического показателя, расположенные в хронологическом порядке.
Подобные данные распространены в самых разных сферах человеческой деятельности: ежедневные цены акций, курсов валют, ежеквартальные, годовые объемы продаж, производства и т.д. Типичный временной ряд в метеорологии, например, ежемесячный объем осадков.
Временные ряды в Excel
Если фиксировать значения какого-то процесса через определенные промежутки времени, то получатся элементы временного ряда. Их изменчивость пытаются разделить на закономерную и случайную составляющие. Закономерные изменения членов ряда, как правило, предсказуемы.
Сделаем анализ временных рядов в Excel. Пример: торговая сеть анализирует данные о продажах товаров магазинами, находящимися в городах с населением менее 50 000 человек. Период – 2012-2015 гг. Задача – выявить основную тенденцию развития.
Внесем данные о реализации в таблицу Excel:
Нужная кнопка появится на ленте.
Закрываем диалоговое окно нажатием ОК. Результаты анализа:
Для расчета стандартных погрешностей Excel использует формулу: =КОРЕНЬ(СУММКВРАЗН(‘диапазон фактических значений’; ‘диапазон прогнозных значений’)/ ‘размер окна сглаживания’). Например, =КОРЕНЬ(СУММКВРАЗН(C3:C5;D3:D5)/3).
Прогнозирование временного ряда в Excel
Составим прогноз продаж, используя данные из предыдущего примера.
Настраиваем параметры линии тренда:
Выбираем полиномиальный тренд, что максимально сократить ошибку прогнозной модели.
R2 = 0,9567, что означает: данное отношение объясняет 95,67% изменений объемов продаж с течением времени.
Уравнение тренда – это модель формулы для расчета прогнозных значений.
Большинство авторов для прогнозирования продаж советуют использовать линейную линию тренда. Чтобы на графике увидеть прогноз, в параметрах необходимо установить количество периодов.
Получаем достаточно оптимистичный результат:
В нашем примере все-таки экспоненциальная зависимость. Поэтому при построении линейного тренда больше ошибок и неточностей.
Для прогнозирования экспоненциальной зависимости в Excel можно использовать также функцию РОСТ.
Для линейной зависимости – ТЕНДЕНЦИЯ.
При составлении прогнозов нельзя использовать какой-то один метод: велика вероятность больших отклонений и неточностей.