Каким бы видом бизнеса вы ни занимались, вам приходится планировать предпри нимательскую деятельность на будущий период. При составлении как краткосроч ных, так и долгосрочных планов менеджеры вынуждены прогнозировать будущие значения таких важнейших показателей, как, например, объем продаж, ставки процента, издержки и т.д. В этой главе мы рассмотрим возможности применения в целях прогнозирования фактических данных за прошлые промежутки времени.
В предыдущей главе при характеристике регрессионных методов колебания зависимой переменной объяснялись на основе изучения соответствующих значений независимой переменной. В данной главе мы будем использовать аналогичный подход, причем в качестве независимой будет выступать переменная времени. К примеру, мы хотим объяснить колебания объемов продаж только через изменение значений этого показателя во времени, без учета каких-либо других факторов. Если удается выявить определенную тенденцию изменения фактических значений, то ее можно использовать для прогнозирования будущих значений данного показателя. Множество данных, в которых время является независимой переменной, называется временным рядом.
|
|
Модель, построенную по ретроспективным данным, не всегда можно использовать в прогнозировании отдельных показателей. Например, план некоторой компании может коренным образом измениться, если эта компания несет убытки. Кроме того, существует множество внешних факторов, которые могут полностью изменить тенденцию, существовавшую ранее. К таким факторам можно отнести существенные изменения цен на сырье, резкое увеличение уровня инфляции в мире в целом или стихийные бедствия, которые непредсказуемым образом могут повлиять на предпринимательскую деятельность.
В разделе 9.2 мы рассмотрим временные ряды, которые содержат такие Элементы, как собственно тренд, сезонная вариация и циклическая вариация. Эти •лементы можно объединять с помощью нескольких способов. Остановимся на Двух типах моделей: модели с аддитивной компонентой и модели с мультипли-Капшной компонентой. Как следует из их названий, элементы в этих моделях либо складываются друг с другом, либо перемножаются. Каждой из моделей СОответствуют различные методы расчета компоненты тренда. Мы будем исполь-•овать сочетание методов скользящего среднего и линейной регрессии.