Маркетинг в вопросах и решениях. Захарова И.В - 187 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

187
Задача 13.5 Прогноз объемов продаж
В табице представлена динамика продаж предприятия за последние
5 месяцев. Необходимо сделать прогноз продаж на июнь. Так как товар не
сезонный, то можно воспользоваться простым методом прогнозирования –
экстраполяцией скользящей средней.
Месяц январь
февраль
март апрель
май
Объем продаж товара, тыс. шт. 125 123 130 119 126
ПРИМЕР РЕШЕНИЯ:
При прогнозировании объема продаж на основе экстраполяции
простой скользящей средней исходят из предположения, что следующий
во времени показатель по своей величине будет равен средней,
рассчитанной за последний интервал времени. Прогноз объема продаж на
июнь:
(125 + 123 + 130 +119 +126 ) / 5 = 124,6
тыс. шт.
Более точный прогноз объема продаж может быть получен при
помощи экстраполяции взвешенной скользящей средней. В этом случае мы
придаем объему продаж за последний месяц пятикратный вес, за
предпоследний – четырехкратный и т.д., а потом делим сумму всех
произведений на сумму добавленного веса. Прогноз объема продаж на
июнь:
(125
×
1+ 123
×
2 + 130
×
3 + 119
×
4 + 126
×
5) / (1 + 2 + 3 + 4 + 5) =
= (125 + 246 + 390 + 476+630) / 15 = 124,5 тыс. шт.
Другим приемом сглаживания динамического ряда с учетом
«устаревания» является расчет специальных показателей, получивших
название экспоненциальных средних, которые широко применяются в
краткосрочном прогнозировании. Основная идея метода состоит в
использовании в качестве прогноза линейной комбинации прошлых и
текущих наблюдений. Экспоненциальная средняя (Q
t
) рассчитывается по
формуле (13.2):
Q
t
= a y
t
+ (1 – a )
×
Q
t-1
, (13.2)
где Q
t
– экспоненциальная средняя (сглаженное значение уровня
ряда) на момент t, a – коэффициент, характеризующий вес текущего
наблюдения при расчете экспоненциальной средней (параметр
сглаживания), причем 0 < a < 1. В условиях стабильности диапазон
значений a находится в пределах от 0,1 до 0,4. Чем ближе а к 0, тем
меньше прогноз приспосабливается к ошибкам прогноза и тем больше
степень сглаживания. Чем ближе а к 1, тем выше чувствительность
прогноза и меньше сглаживания.
Допустим, что a = 0,2. Для выполнения прогнозных расчетов
формулу запишем в следующем виде:

Страницы