Reliant une saison aux ancêtres en lissage exponentiel saisonnier - les nuls

Lorsque vous effectuez un lissage exponentiel saisonnier dans Excel, repensez au fonctionnement du lissage exponentiel. Il utilise une formule comme celle-ci pour fonder la prévision suivante en partie sur les prévisions antérieures et en partie sur les prévisions antérieures:

Nouvelle prévision = (0. 3 × Préalable réel) + (0. 7 × Prévision préalable) < Cela correspond à une moyenne pondérée de deux chiffres antérieurs - l'actuel et la prévision. Cette formule particulière donne un peu plus de poids à la prévision qu'à la réalité. Vous devez expérimenter autour de certains avec une ligne de base particulière pour obtenir la bonne constante de lissage (c'est le 0. 3 dans la formule) et le bon facteur d'amortissement (c'est le 0. 7 dans la formule).

L'idée ici est qu'une période dans le scénario de référence va être étroitement liée à la période suivante. Si la température élevée d'aujourd'hui était de 70 ° F, vous devrez montrer un front froid qui s'approche pour convaincre quelqu'un que l'anticyclone de demain sera de 50 ° F. Sans informations supplémentaires et contradictoires, ils parieraient sur 70 ° F. Hier a tendance à prévoir aujourd'hui, et aujourd'hui tend à prévoir demain.

Mais changez pour des mois. La température moyenne d'un mois donné est beaucoup plus proche de la moyenne historique pour ce mois que de la température moyenne du mois précédent. Si la moyenne quotidienne du mois de mai était de 70 ° F, vous devriez toujours vous tourner vers 70 ° F pour juin, mais avant d'y mettre de l'argent, vous voudriez savoir quel était le plus bas du mois de juin..

Voici ce que vous allez faire: Au lieu d'utiliser une seule constante de lissage, vous en utiliserez deux. Au lieu d'utiliser une seule constante en conjonction avec la valeur de référence immédiatement antérieure, vous en utiliserez une pour la valeur précédente (lissage de mai pour aider à prévoir le mois de juin) et une autre pour la saison précédente (lissage en juin aide prévue en juin prochain). La figure montre une base de ventes saisonnière et les prévisions associées, en pratique.

Les prévisions saisonnières ne peuvent pas commencer avant la fin d'une séquence de saisons de référence.

Remarquez comment les ventes progressent invariablement au troisième trimestre de chaque année et augmentent au cours du quatrième trimestre. Ensuite, le fond tombe au cours des premier et deuxième trimestres. La figure montre également les prévisions, qui ont capturé le modèle saisonnier dans une équation de lissage, ce qui rend les prévisions beaucoup plus précises.

Et si vous utilisiez un simple lissage exponentiel? La figure donne quelques mauvaises nouvelles.

Les prévisions lissent le signal dans la ligne de base.

Ici, la constante de lissage est de 0,3, et les prévisions sont relativement insensibles aux fluctuations des valeurs réelles par rapport à la référence. Les prévisions font un signe de tête en passant aux sommets et vallées de la ligne de base, mais c'est un signe de tête dédaigneux.

Et si vous augmentiez la constante de lissage, de sorte que les prévisions suivent les données réelles plus qu'elles ne les lissent? Cette situation est montrée ici, où la constante de lissage est 0. 7.

Les prévisions sont en retard pour refléter les changements dans la ligne de base.

Les pics et les vallées sont représentés plus clairement - mais ils sont décalés d'une période par rapport à leur occurrence réelle. Comparez le dernier chiffre et ses prévisions tardives avec le premier chiffre et ses prévisions de ponctualité. Les prévisions de la figure 18-1 peuvent être affichées à temps parce qu'elles portent attention à ce qui s'est passé l'année dernière. Et apparaître est 85 pour cent de la vie.

La figure suivante montre comment vous pouvez combiner les composants pour obtenir une valeur de prévision. Ne vous inquiétez pas, la source des composants et ce qu'ils signifient deviennent clairs au fur et à mesure que vous avancez dans l'élaboration des prévisions saisonnières.

Les effets saisonniers sont supérieurs (valeurs positives) et inférieurs (valeurs négatives) au niveau global actuel de la ligne de base.

La formule dans la cellule F5 donne le niveau de référence à partir du T4 2012. La formule est:

= MOYENNE (D2: D5)

Au début du processus de lissage, voici notre meilleure estimation de le niveau actuel de la ligne de base. Il s'agit simplement de la moyenne des quatre résultats trimestriels des revenus de 2012. Il est analogue à l'utilisation de la première observation comme première prévision dans le lissage exponentiel simple.

En examinant la formule dans la cellule H5:

= F5 + G2

vous pouvez voir que la prévision pour le premier trimestre de 2013 est la somme de deux quantités:

Le niveau de prévision du Q1 2013 au T4 2012 (voir cellule F5)

Effet d'être au 1er trimestre à partir de 2012 (voir cellule G2)

Chaque prévision dans la colonne E et la colonne H est la somme du niveau de prévision de la ligne de base et l'effet de la saison de l'année précédente. Un bon contrôle de cohérence compare les prévisions de lissage saisonnier du premier chiffre avec les prévisions de lissage ordinaires des deux figures suivantes.

• Il est clair que vous êtes mieux si vous pouvez estimer l'effet saisonnier
• avant

qu'il a lieu. C'est ce qui se passe dans le dernier chiffre, qui combine le niveau attribuable à une saison avec le niveau général de la ligne de base pour obtenir les prévisions de la saison en cours

avant la prochaine instance de la saison. C'est la raison pour mettre la prévision pour la période suivante dans la colonne H, et pour la période

actuelle dans la colonne E. Cela vous aide à vous rappeler que vous pouvez assembler les prévisions pour une période donnée à la fin de la période précédente. Notez, par exemple, que la cellule H5 a la prévision pour la période suivante, que la cellule E6 a la prévision pour la période en cours, et qu'ils sont tous deux égaux à 548, 160 $.