Аддитивная модель прогнозирования

На сегодняшний день наука достаточно далеко продвинулась в разработке технологий прогнозирования. Специалистам хорошо известны
методы нейросетевого прогнозирования, нечеткой логики и т.п. Разработаны соответствующие программные пакеты, но на практике они, к
сожалению, не всегда доступны рядовому пользователю, а в то же время многие из этих проблем можно достаточно успешно решать,
используя методы исследования операций, в частности имитационное моделирование, теорию игр, регрессионный и трендовый анализ,
реализуя эти алгоритмы в широко известном и распространенном пакете прикладных программ MS Excel.
В данной работе представлен один из возможных алгоритмов построения прогноза объема реализации для продуктов с сезонным характером
продаж. Сразу следует отметить, что перечень таких товаров гораздо шире, чем это кажется. Дело в том, что понятие «сезон» в
прогнозировании применимо к любым систематическим колебаниям — например, если речь идет об изучении товарооборота в течение
недели под термином «сезон» понимается один день.
В данной работе основной целью является рассмотрение вопросов, связанных с возможностью прогнозирования с помощью MS Excel.
В рамках обозначенной цели были поставлены следующие задачи:
1. рассмотреть адаптивную модель прогнозирования
2. построить алгоритм прогнозной модели
3. применить к конкретному примеру.

Практическая реализация предложенного в данной работе метода выявила следующие его особенности:
- для составления прогноза необходимо точно знать величину сезона. Исследования показывают, что множество продуктов имеют
сезонный характер; величина сезона при этом может быть различной и колебаться от одной недели до десяти лет и более;
- применение полиномиального тренда вместо линейного позволяет значительно сократить ошибку модели;
- при наличии достаточного количества данных метод дает хорошую аппроксимацию и может быть эффективно использован при
прогнозировании объема продаж в инвестиционном проектировании.
В рамках обозначенной цели были поставлены и решены следующие задачи:
1. рассмотрена адаптивная модель прогнозирования
2. построен алгоритм прогнозной модели
3. применен алгоритм к конкретному примеру.