Методи за екстраполация на тенденции
Методите за екстраполация на тренда се основават на статистическо наблюдение на динамиката на определен показател, определяне на тенденцията на неговото развитие и продължаване на тази тенденция за бъдещ период.
Обикновено методите за екстраполация на тенденции се използват при краткосрочно (не повече от една година) прогнозиране, когато броят на промените в околната среда е минимален. Прогнозата се създава за всеки конкретен обект поотделно и последователно за всяка следваща времева точка. Резултатите от прогнозите се използват във всички области на вътрешното планиране, включително общо стратегическо планиране, финансово планиране, планиране на производството и запасите, маркетингово планиране и управление на търговския поток и търговия.
Най-често срещаните методи за екстраполация на тенденцията са:
- метод на пълзяща средна;
- метод на експоненциално изглаждане.
Методът на подвижната средна се основава на простото предположение, че следващият индикатор във времето е равен по стойност на средната стойност, изчислена през последните три месеца.
Например, ако обемът на продажбите е
3. през май - 290 бр., тогава
==
Методът на експоненциално изглаждане представлява прогнозата на показателя за бъдещ период като сума от действителния показател за дадения период и прогнозата за дадения период, претеглена със специални коефициенти.
Представете си, че се прави прогноза за продажбите за следващия месец, тогава:
,Където
прогноза за продажби за месец i+1;
продажби този месец
продажби за месец i-1;
специален коефициент, определен статистически.
Помислете за експоненциално изглаждане на прогнозирането на продажбите(за 2 периода) на конкретен пример.
Нека се преструваме, че
След това, като използвате формулата за експоненциално изглаждане, можете да попълните колоната „Прогноза за продажбите“ в таблица 1, при условие че действителните данни за продажбите са известни.
| месец | Реални продажби | Прогноза за продажби |
| Януари | 50 | - |
| февруари | 65 | - |
| Март | 47 | 60.5 |
| Април | 39 | 52.4 |
| май | 55 | 41.4 |
| Юни | 64 | 50.2 |
| Юли | 70 | 61.3 |
| август | 75 | 68.2 |
| септември | 80 | 73.5 |
| октомври | 72 | 78.5 |
| ноември | 67 | 74.4 |
| Декември | 75 | 68.5 |
| Януари | 58 | 72.6 |
| февруари | 62 | 63.1 |
Получените данни могат да бъдат показани на фигурата по-долу.
Както можете да видитеот графиката, кривата на прогнозата е плоска тенденция в сравнение с кривата на действителните продажби.
При прогнозирането екстраполационните трендови методи се допълватот трендови корелационни методи, в рамките на които връзката между различните тенденции вза да се установи взаимното им влияние и съответно да се подобри качеството на прогнозите.
Корелационният анализ може да изследва връзката между два индикатора (корелация по двойки) или между много индикатори (множествена корелация).
Плановиците Хигинс и Фин проведоха проучване относно използването на методи за прогнозиране в британските фирми. Резултатите от проучването са показани в таблица 2.
| Методи за прогнозиране | Процент на компаниите, използващи метода | Процент компании, които разчитат единствено на този метод |
| Субективни оценки | ||
| Статистическа екстраполация | ||
| Изследване на операции или икономически модели | ||
| Технологично прогнозиране |
Както се вижда от таблица 2, дори в условията на развита пазарна икономика повечето компании предпочитат относително прости и традиционни методи за прогнозиране - субективни оценки и екстраполация на тенденции. Тези методи ще бъдат полезни и за българските предприятия по две причини:
- не изискват значителни разходи от отслабени или току-що стъпили на крака фирми;
- не изискват участието на скъпи специалисти;
Поради изключително високата несигурност на външната среда, по-голямата част от предприятията в българската икономика са по-скоро насочени към краткосрочни цели. А екстраполационните методи са най-ефективни в условията на краткосрочно планиране.