Содержание
Динамика объема продаж товара предприятия за последние 5 месяцев представлена в таблице
Вариант 1
Динамика объема продаж товара предприятия за последние 5 месяцев представлена в таблице. 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. 250 230 225 234 226
Вариант 2
Динамика объема продаж товара предприятия за последние 5 месяцев представлена в таблице. 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. 523 534 530 519 528
====
ПРИМЕР РЕШЕНИЯ:
Динамика объема продаж товара предприятия за последние 5 месяцев представлена в таблице. 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
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 равен:
(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 равен:
(125-1+123-2 +130 • 3 + 119 • 4 + 126 • 5) / (1+2+3+4+5) = 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):
где Qt - экспоненциальная средняя (сглаженное значение уровня ряда) на момент t; a - коэффициент, характеризующий вес текущего наблюдения при расчете экспоненциальной средней (параметр сглаживания), причем 0 < а < 1. В условиях стабильности диапазон значений а 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 а = 0,2. Для выполнения прогнозных расчетов формулу запишем в следующем виде: новый прогноз = а ■ последняя продажа + (1-а) ■ предыдущий прогноз
Подставляя в формулу данные о фактических продажах в феврале (при прогнозе на январь в 125 тыс. штук) получим прогноз продаж на февраль: 0,2 • 125 + (1 - 0,2) • 125 = 125 тыс. шт., отсюда: прогноз на март: 0,2 • 123 + 0,8 • 125 = 124,6 тыс. шт.; прогноз на апрель: 0,2 • 130 + 0,8 • 124,6 = 125,68 тыс. шт.; прогноз на май: 0,2 • 119 + 0,8 • 125,68 = 124,34 тыс. шт.; прогноз на июнь: 0,2 • 126 + 0,8 • 124,34 = 124,68 тыс. шт.
Таким образом, прогноз объема продаж на июнь составляет от 124,5 тыс. шт. до 124,68 тыс. шт.
Вид работы: 
