Какая логика прогнозов в Forecast4AC PRO

Как Forecast4AC PRO рассчитывает прогноз?Line-trend

Процесс расчета прогноза в программе разделен на 3 части:

  1. Подготовка данных (корректировка дефицита и резких скачков - пиков);
  2. Анализ ситуации (выделяем тренд из данных и сезонные колебания);
  3. Расчет прогноза (продляем тренд и корректируем его сезонными колебаниями);

Что получает программа на входе — временной ряд, т.е. значения за определённый промежуток времени, например продажи по месяцам.

 Что делает программа с временным рядом?

1 часть – подготовка данных для прогноза.

Программа анализирует временной ряд и в случае нахождения резких провалов (дефицит) или пиков корректирует их.

  • Дефицит корректируется прогрозом по методу скользящей средней.
  • Резкий пик корректируется выравнивающим коэффициентом;

2-я часть – программа анализирует сложившуюся ситуацию. Для этого рассчитывает:

  1. Коэффициенты выбранного уравнение тренда, например, для линейного тренда y=ax+b, коэффициенты a и b, которые максимально точно описывают сложившуюся тенденцию;
  2. Значения тренда в каждый момент времени;
  3. Отклонение значений временного ряда от значений тренда;
  4. Коэффициенты сезонности;
  5. Общий индекс сезонности - для корректировки случайных выбрасов (пиков);
  6. Выровненные коэффициенты сезонности;

3-я часть – рассчитывает прогноз, т.е. программа экстраполирует (продляет) сложившую ситуацию в будущее на заданное пользователем количество периодов.

  1. Продляет сложившийся тред в будущее;
  2. Корректирует значения тренда коэффициентами сезонности;

При работе с большими массивами данных:

  • Программа рассчитывает прогноз для каждого временного ряда по алгаритму, описанному выше.
  • Если в массиве данных есть временные ряды разной длины, то программа автоматически определит его размер и начальную точку для анализа ситуации и расчета прогноза.
  • Также для неполных временных рядов в настройках вы можете выбрать альтернативную модель расчета прогноза. Например, вы хотите рассчитать прогноз продаж по товарам и у вас в одном массиве данных по одним товарам продажи за 3 года, а по другим за 3 месяца. И вы понимаете, что основная выбранная модель с ростом и сезонностью не подходит для прогноза по товарам, данные о продажах которых есть только за 3 месяца. В настройках Forecast4AC PRO есть возможность выбрать альтернативную модель прогноза для неполных временных рядов, т.е. по товарам, по которым продажи есть менее чем за год (по методу скользящей средней, по методу экспоненциального сглаживания или рассчитать значения тренда); 

На данный момент в программе есть 3 базовые модели расчета прогноза:

1. С ростом и сезоностью, логика, которой описана выше, но пошаговый пример расчета подобного прогноза в Excel вы можете найти здесь.

2. Скользящей средней (описание логики расчета вы можете найти здесь);

3. Экспоненциального сглаживания (Простое, Хольта и Хольта-Винтерса);

Как Forecast4AC PRO рассчитывает границы прогноза - доверительный интервал?

С примером расчета доверительного интервала с пошаговой инструкций вы можете ознакомится в статье Как рассчитать доверительный интервал в Excel. Правило трех сигм +применение на практике.

Как Forecast4AC PRO автоматически выбирает оптимальный тренд?

  1. Для каждого ряда значений рассчитываются прогнозы по каждому выбранному тренду — получаем несколько прогнозов по каждому тренду;
  2. Определяется показатель точность прогноза;
  3. Точности прогнозов для моделей с разными трендами сравниваются, и выбирается прогноз с максимальным показателем точности;

Простыми словами:

Программа рассчитывает прогнозы по каждому тренду и выбирает из нескольких трендов тот, который максимально точно описывает сложившуюся тенденцию.

Как программа рассчитывает точность прогноза?

  1. Вычисляем значение линейной модели (ЗЛМ) — сложившийся тренд*коэффициент сезонности;
  2. Вычисляем ошибку линейной модели (ОЛМ) = значения ряда (анализируемые данные) минус значение линейной модели (ЗЛМ);
  3. Вычисляем среднеквадратичное отклонение=ОЛМ^2/ЗЛМ^2;
  4. Определяем среднее значение среднеквадратичного отклонения;
  5. Точность прогноза = 1 минус среднее значение среднеквадратического отклонения;

Простыми словами:

Точность прогноза — это насколько точно модель прогноза описывает анализируемые данные, чем точнее она их описывает, тем точнее будет прогноз;

100% — это описывает очень точно;

1% — совсем не описывает;

Подробнее узнать о расчете точности прогноза и выборе оптимальной модели вы можете из этой статьи "3 способа оценки точности прогноза и выбора оптимальной модели?"

Добавить комментарий