Приростах, для различных видов зависимостей

Показатель	Характер изменения показателей	Вид зависимости
		Примерно одинаковый	Прямая -
		Линейно изменяются	Парабола 2-й степени
		Линейно изменяются	Парабола 3-й степени
		Примерно одинаковый	Показательная кривая
		Линейно изменяются	Логарифмическая парабола
	log	То же	Модифицированная Экспонента
	log	То же	Кривая Гомперца
	log	То же	Логистическая кривая

В таблице приложения П.2.1 приводится перечень наиболее употребительных для анализа рядов видов кривых. Расчет количественных оценок приростов показателя, дополненный визуальным выбором формы взаимосвязи, уменьшает риск неправильного выбора модели для прогнозирования.

Методы экспоненциального сглаживания – предусматривает постоянное обновление модели за счёт наиболее свежих данных. Метод основывается на усреднении (сглаживании) временных рядов прошлых наблюдений в нисходящем (экспоненциально) направлении. Более поздним событиям присваивается больший вес.

, (1.15)

где - расчётное (прогнозное) значение для периода времени t+1;

- расчётное (прогнозное) значение показателя для периода времени t;

- фактическое значение для периода времени t;

- коэффициент, характеризующий вклад соотношение влияния прошлых прогнозных и фактических значение показателя, причём .

Как можно видеть по формуле 1.15 можно рассчитывать усреднённые, сглаженные значения, которые также могут использоваться как прогнозные значения показателя. Подробнее о методах прогнозирования можно узнать из следующей главы.

Выявление и измерение сезонных волн.

Под сезонными колебаниями понимаются более или менее устойчивые внутригодовые колебания уровней развития социально-экономических явлений. Они анализируются и учитываются при прогнозировании экономических показателей деятельности предприятия.

Существует ряд методов, позволяющих выявить и измерить сезонную волну (табл. 1.6).

Таблица 1.6