Hvordan bruke Excel FORECAST.ETS-funksjonen

Innholdsfortegnelse

Sammendrag

Excel FORECAST.ETS-funksjonen forutsier en verdi basert på eksisterende verdier som følger en sesongmessig trend. FORECAST.ETS kan brukes til å forutsi numeriske verdier som salg, lager, utgifter, etc. med sesongmønster.

Hensikt

Forutsi verdi med en sesongmessig trend

Returverdi

Forutsagt verdi

Syntaks

= FORECAST.ETS (måldato, verdier, tidslinje, (sesongmessighet), (datakomplettering), (aggregering))

Argumenter

  • target_date - Tiden eller perioden for prediksjon (x-verdi).
  • verdier - Eksisterende eller historiske verdier (y-verdier).
  • tidslinje - Numeriske tidslinjeverdier (x-verdier).
  • sesongmessighet - (valgfritt) Sesongberegning (0 = ingen sesongmessighet, 1 = automatisk, n = sesonglengde i tidslinjeenheter).
  • data_completion - (valgfritt) Manglende databehandling (0 = behandle som null, 1 = gjennomsnitt). Standard er 1.
  • aggregering - (valgfritt) Aggregeringsatferd. Standard er 1 (GJENNOMSNITT). Se andre alternativer nedenfor.

Versjon

Excel 2016

Bruksanvisninger

FORECAST.ETS-funksjonen forutsier en verdi basert på eksisterende verdier som følger en sesongmessig trend. FORECAST.ETS kan brukes til å forutsi numeriske verdier som salg, lager, utgifter, etc. med sesongmønster.

For å beregne forventede verdier bruker FORECAST.ETS noe som kalles trippel eksponensiell utjevning. Dette er en algoritme som bruker generell utjevning, trendutjevning og sesongutjevning.

Eksempel

I eksemplet vist ovenfor er formelen i celle D13:

=FORECAST.ETS(B13,sales,periods,4)

der salg (C5: C12) og perioder (B5: B12) er kalt områder. Med disse inngangene returnerer FORECAST.ETS-funksjonen 618,29 i celle D13. Når formelen er kopiert nedover i tabellen, returnerer FORECAST.ETS forutsagte verdier i D13: D16, ved hjelp av verdier i kolonne B for måldato.

Diagrammet til høyre viser disse dataene plottet i et spredningsdiagram.

Merk: Celle D12 er satt lik C12 for å koble de eksisterende verdiene til de forutsagte verdiene i diagrammet.

Argumentnotater

Argumentet target_date representerer punktet på tidslinjen som en prediksjon skal beregnes.

Verdiargumentet inneholder den avhengige matrisen eller dataområdet, også kalt y-verdier. Dette er eksisterende historiske verdier som en prediksjon vil bli beregnet fra.

Tidslinjeargumentet er det uavhengige matrisen eller verdiområdet, også kalt x-verdier. Tidslinjen må bestå av numeriske verdier med et konstant trinnintervall. Tidslinjen kan for eksempel være årlig, kvartalsvis, månedlig, daglig osv. Tidslinjen kan også være en enkel liste over numeriske perioder, som i eksemplet vist.

Sesongalitetsargumentet er valgfritt og representerer lengden på sesongmønsteret uttrykt i tidslinjeenheter. For eksempel, i eksemplet som er vist, er data kvartalsvis, så sesongmessigheten er gitt som 4, siden det er 4 kvartaler i året, og sesongmønsteret er 1 år. Tillatte verdier er 0 (ingen sesongmessighet, bruk lineær algoritme), 1 (beregne sesongmønster automatisk) og n (manuell sesonglengde, et tall mellom 2 og 8784, inkludert). Tallet 8784 = 366 x 24, antall timer i et skuddår.

Argumentet data_completion er valgfritt og spesifiserer hvordan FORECAST.ETS skal håndtere manglende datapunkter. Alternativene er 1 (standard) og null. FORECAST.ETS vil som standard gi manglende datapunkter ved å beregne tilgrensende datapunkter. Hvis null er oppgitt, vil FORECAST.ETS behandle manglende datapunkter som null.

Aggregasjonsargumentet er valgfritt, og styrer hvilken funksjon som brukes til å samle datapunkter når tidslinjen inneholder dupliserte verdier. Standard er 1, som spesifiserer GJENNOMSNITT. Andre alternativer er gitt i tabellen nedenfor.

Merk: Det er bedre å utføre aggregering før du bruker FORECAST.ETS for å gjøre prognoser så nøyaktige som mulig.

Verdi Oppførsel
1 (eller utelatt) GJENNOMSNITT
2 TELLE
3 COUNTA
4 MAX
5 MEDIAN
6 MIN
7 SUM

Feil

FORECAST.ETS-funksjonen vil returnere feil som vist nedenfor.

Feil Årsaken
#VERDI!
  • måldato er ikke numerisk
  • sesongmessighet er ikke numerisk
  • data_completion er ikke numerisk
  • aggregering er ikke numerisk
# N / A
  • verdier og tidslinje er ikke like store
#NUM
  • Konsekvent trinn kan ikke bestemmes i tidslinjen
  • Alle tidslinjeverdier er de samme
  • Verdien for sesongmessighet er ikke innenfor 0-8784
  • Verdien for data_completion er ikke 0 eller 1
  • Verdien for aggregering er ikke innenfor 1-7

Interessante artikler...