Методи екстраполяції трендів
Методи екстраполяції трендів ґрунтуються на статистичному спостереженні динаміки певного показника, визначенні тенденції його розвитку та продовженні цієї тенденції для майбутнього періоду.
Зазвичай методи екстраполяції трендів застосовуються в короткостроковому (не більше одного року) прогнозуванні, коли кількість змін у середовищі мінімальна. Прогноз створюється для кожного конкретного об'єкта окремо та послідовно на кожний наступний момент часу. Результати прогнозування використовуються у всіх сферах внутрішньофірмового планування, включаючи загальне стратегічне планування, фінансове планування, планування виробництва та управління запасами, маркетингове планування та управління торговими потоками та торговими операціями.
Найбільш поширеними методами екстраполяції трендів є:
- метод ковзного середнього;
- метод експонентного згладжування.
Метод ковзного середнього виходить із простого припущення, що наступний у часі показник за своєю величиною дорівнює середній, розрахованій за останні три місяці.
Наприклад, якщо обсяг продажу становив.
3. у травні – 290 одиниць, то
= =
Метод експоненційного згладжування представляє прогноз показника на майбутній період у вигляді суми фактичного показника за даний період та прогнозу на даний період, зважених за допомогою спеціальних коефіцієнтів.
Уявимо, що складається прогноз продажу наступного місяця, тоді:
де
прогноз продажу на місяць i+1;
продажу у поточному місяці,
продаж за місяць i-1;
спеціальний коефіцієнт, який визначається статистичним шляхом.
Розглянемо прогнозування продажів методом експоненційного згладжування(За 2 періоди) на конкретному прикладі.
Припустимо, що
Тоді, використовуючи формулу експоненційного згладжування, можна заповнити графу "Прогноз продажу" у таблиці 1 за умови, що відомі фактичні дані про продаж.
| Місяць | Фактичний продаж | Прогноз продажів |
| Січень | 50 | - |
| Лютий | 65 | - |
| Березень | 47 | 60,5 |
| Квітень | 39 | 52,4 |
| Май | 55 | 41,4 |
| Червень | 64 | 50,2 |
| липень | 70 | 61,3 |
| Серпень | 75 | 68,2 |
| Вересень | 80 | 73,5 |
| Жовтень | 72 | 78,5 |
| Листопад | 67 | 74,4 |
| Грудень | 75 | 68,5 |
| Січень | 58 | 72,6 |
| Лютий | 62 | 63,1 |
Отримані дані можна відобразити на малюнку нижче.
Як видноз графіка, крива прогнозів є згладженою тенденцією порівняно з кривою фактичних продажів.
У прогнозуванні методи екстраполяційних трендів доповнюютьсяметодами кореляції трендів, в рамках яких досліджується взаємозв'язок між різними тенденціями вцілях встановлення їхнього взаємного впливу і, отже, підвищення якості прогнозів.
Кореляційний аналіз може дослідити взаємозв'язок між двома показниками (парна кореляція) або між багатьма показниками (множина кореляція).
Фахівцями з планування Хіггінсом та Фінном було проведено опитування щодо застосування методів прогнозування у британських фірмах. Результати опитування відображені у таблиці 2.
| Методи прогнозування | Відсоток компаній, які застосовують метод | Відсоток компаній, що покладаються виключно на цей метод |
| Суб'єктивні оцінки | ||
| Статистична екстраполяція | ||
| Дослідження операцій чи економічні моделі | ||
| Технологічне прогнозування |
Як видно з таблиці 2, навіть в умовах розвиненої ринкової економіки більшість компаній воліють щодо прості та традиційні методи прогнозування – суб'єктивні оцінки та екстраполяцію трендів. Корисними ці методи будуть і для українських підприємств із двох причин:
- не вимагають від ослаблених або тільки фірм, що стають на ноги, значних витрат;
- не вимагають залучення дорогих спеціалістів;
З огляду на надзвичайно високу невизначеність довкілля більшість підприємств української економіки орієнтовані, швидше, на короткострокові цілі. А методи екстраполяції виявляються найефективнішими саме в умовах короткострокового планування.