Excel实现:时间序列分析与预测
假如要求你对公司某款产品未来一年的销售额、用户量等进行预测,且这些被预测变量要具有增长趋势的季节性波动,公司可能会根据你的预测结果,进行战略调整和布局,那么如何对季节性变量进行预测呢?可以使用季节趋势时间序列预测。
一、时间序列定义及应用场景
1.时间序列
如果用来预测的历史资料,完全是被预测变量过去发生的数值,这样的历史数据称之为时间序列,据此做出的预测就是时间序列预测。例如拿今年的销量预估明年的销量。
2.时间因素
时间序列中的时间因素,可以是小时、天、周、月、年,或任何固定的时间间隔,依据具体的业务场景而定。
3.时间序列类型
时间序列有多种形式,为了识别可能存在的模式,有效的做法是先绘制时间序列曲线图。这里只写较常见的类型:周期性变化且有趋势的时间序列
二、具体分析实例
1、案例介绍
如产品销售额绘制曲线趋势图后,时间序列表现出明显特征:
①季节性波动,多年的季节趋势基本一致;
②整体是稳定增长趋势;
业务稳定情况下,如何根据4年历史销售额数据,预测未来1~5年的销售额。案例趋势图如下:
2.1 建模过程:季节因素
预测模型中季节性趋势,通过引入虚拟变量解决,建立季节、时间t与销售额的多元回归方程。如果是季度维度,则有4个季度需引入3个虚拟变量,如果是月份维度,则有12个月需引入11个虚拟变量。以季度为例:
多元回归模型中,Y为预测值,b0为截距、b1为第一季度影响系数、b2为第二季度影响系数、b3为第三季度影响系数。Q1、Q2、Q3只有0或1两种值,当三个季度虚拟变量都取0时,便是第四季度的预测结果。
2.2 建模过程:增长趋势因素
如果不考虑季节因素,仅考虑随着时间推移的线性增长趋势,则回归方程为:
综合考虑季节性和线性增长趋势,则时间序列回归模型为:
三、Excel实现
1、数据整理:为了求解回归方程,需要对原始数据进行适当编排
2、Excel时间序列预测操作步骤
Excel中“数据”→数据分析→回归分析→确定
销售额列数据放入"Y值输入区域",时间t、Q1,Q2,Q3列数据放入"X值输入区域",置信度我选择95%,确定。
3、回归结果:
可决系数R方为97.6%,预测方程可解释97.6%的信息,预测效果较好。
发生的概率(P值)小于0.05,预测模型成立可用。
最终时间序列模型公式:
Y=6.07 -1.36*Q1 -2.03*Q2 -0.30*Q3 + 0.15*t
4、预测结果
19年销售额预测结果:
Q1为7.26,Q2为6.74,Q3为8.62,Q4为9.07
预测未来5年的结果图如下:
总结:
时间序列预测法其实是一种回归预测方法,属于定量预测。
基本原理是:一方面承认事物发展的延续性,运用过去时间序列的数据进行统计分析,推测出事物的发展趋势;另一方面充分考虑到偶然因素影响而产生的随机性,为了消除随机波动的影响,利用历史数据进行统计分析,并对数据进行适当处理,进行趋势预测。