Page 129 - 4317
P. 129

розраховуються  прогнози  на  кожен  місяць.  Наприклад,  прогноз  на  лютий
         розраховується наступним чином:

                 F 3 = 0,3 × D 2 + (1 – 0,3) × F 2 = 0,3×2,217 + 0,7 × 2,156.

                 Аналогічно розраховуються й інші прогнози (табл. 21).
                                                                                                 Таблиця 21.
                               Приклад застосування експоненційного згладжування.


             Місяць          Обсяг продажу, млн.                                Прогноз
                                       грн.
           Січень                      2,156               2,156
           Лютий                       2,217               2,156 [(2,156 × 0,3)+ (0,7 × 2,156)]
           Березень                    2,181               2,174 [(2,217 × 0,3)+ (0,7 × 2,156)]
           Квітень                     2,316               2,176 [(2,181 × 0,3)+ (0,7 × 2,174)]
           Травень                     2,171               2,218 [(2,316 × 0,3)+ (0,7 × 2,176)]
           Червень                     2,204               2,201 [(2,171 × 0,3)+ (0,7 × 2,218)]
           Липень                      2,315               2,202 [(2,204 × 0,3)+ (0,7 × 2,201)]
           Серпень                     2,107               2,236 [(2,315 × 0,3)+ (0,7 × 2,202)]

           Вересень                    2,142               2,197 [(2,107 × 0,3)+ (0,7 × 2,236)]
           Жовтень                     2,197               2,181 [(2,142 × 0,3)+ (0,7 × 2,197)]
           Листопад                    2,164               2,186 [(2,197 × 0,3)+ (0,7 × 2,181)]
           Грудень                     2,151               2,179 [(2,164 × 0,3)+ (0,7 × 2,186)]
                                                           2,171 [(2,151 × 0,3)+ (0,7 × 2,179)]

                 Методи  рухомої  середньої  та  експоненційного  згладжування  належать  до
         прийомів  трендового  аналізу.  Тренд  –  це  тривала  тенденція  зміни  економічних
         показників  у  часі.  При  розробці  моделей  прогнозування  тренд  є  основною
         складовою прогнозованого часового ряду, на який накладаються інші складові.
                 Але  існуючі  методи  екстраполяції  не  можуть  дати  достатньої  точності
         прогнозу на 20 – 25 років, вони дають позитивні результати максимум на 5 – 7 років.
                 З метою дослідження загальної тенденції зміни рівнів динамічного ряду в часі,
         використовують  аналітичне  вирівнювання  ряду  динаміки.  У  цьому  випадку
         фактичні рівні змінюються рівнями, визначеними на основі певної кривої, обраної
         на  основі  урахування  загальної  тенденції  зміни  явища  в  часі.  При  аналітичному
         вирівнюванні  ряду  динаміки  змінюваний  рівень  явища  розглядається  як  функція
         часу У t = f(t), де У t – рівні динамічного ряду, визначені за відповідним аналітичним
         рівнянням на момент часу t. Вибір форми кривої визначає результати екстраполяції
         тренда. Основою для вибору виду функцій (лінійна, гіперболічна, парабола другого
         порядку, кубічна парабола і т. п.) повинен слугувати змістовний аналіз сутності та
         розвитку явищ.
                 При виборі виду кривої для вирівнювання динамічного ряду використовують
         метод кінцевих різниць, який базується на урахуванні властивостей різних кривих.
         Обов'язковою умовою є рівність інтервалів між рівнями динамічного ряду.

                                                           129
   124   125   126   127   128   129   130   131   132   133   134