Sådan bruges Excel FORECAST.ETS-funktionen

Resumé

Funktionen Excel FORECAST.ETS forudsiger en værdi baseret på eksisterende værdier, der følger en sæsonbestemt tendens. FORECAST.ETS kan bruges til at forudsige numeriske værdier som salg, lager, udgifter osv. Med et sæsonbestemt mønster.

Formål

Forudsig værdi med en sæsonbestemt tendens

Returneringsværdi

Forudsagt værdi

Syntaks

= FORECAST.ETS (target_date, values, timeline, (seasonality), (data_completion), (aggregation))

Argumenter

  • target_date - Tid eller periode for forudsigelsen (x-værdi).
  • værdier - Eksisterende eller historiske værdier (y-værdier).
  • tidslinje - Numeriske tidslinjeværdier (x-værdier).
  • sæsonbestemthed - (valgfrit) Beregning af sæsonbetingelser (0 = ingen sæsonbestemthed, 1 = automatisk, n = sæsonlængde i tidslinjenheder).
  • data_completion - (valgfrit) Manglende databehandling (0 = behandle som nul, 1 = gennemsnit). Standard er 1.
  • aggregering - (valgfrit) Aggregeringsadfærd. Standard er 1 (GENNEMSNIT). Se andre muligheder nedenfor.

Version

Excel 2016

Brugsanvisninger

Funktionen FORECAST.ETS forudsiger en værdi baseret på eksisterende værdier, der følger en sæsonbestemt tendens. FORECAST.ETS kan bruges til at forudsige numeriske værdier som salg, lager, udgifter osv. Med et sæsonbestemt mønster.

For at beregne forudsagte værdier bruger FORECAST.ETS noget, der kaldes tredobbelt eksponentiel udjævning. Dette er en algoritme, der anvender generel udjævning, trendudjævning og sæsonbestemt udjævning.

Eksempel

I eksemplet vist ovenfor er formlen i celle D13:

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

hvor salg (C5: C12) og perioder (B5: B12) er navngivet intervaller. Med disse indgange returnerer FORECAST.ETS-funktionen 618,29 i celle D13. Da formlen kopieres ned i tabellen, returnerer FORECAST.ETS forudsagte værdier i D13: D16 ved hjælp af værdier i kolonne B til måldato.

Diagrammet til højre viser disse data plottet i et spredningsdiagram.

Bemærk: Celle D12 er indstillet lig C12 for at forbinde de eksisterende værdier med de forudsagte værdier i diagrammet.

Argument noter

Argumentet target_date repræsenterer det punkt på tidslinjen, at en forudsigelse skal beregnes.

Værdierargumentet indeholder det afhængige array eller dataområde, også kaldet y-værdier. Dette er eksisterende historiske værdier, hvorfra en forudsigelse beregnes.

Tidslinjeargumentet er det uafhængige array eller række af værdier, også kaldet x-værdier. Tidslinjen skal bestå af numeriske værdier med et konstant trininterval. For eksempel kan tidslinjen være årligt, kvartalsvis, månedligt, dagligt osv. Tidslinjen kan også være en simpel liste over numeriske perioder som i det viste eksempel.

Sæsonargumentet er valgfrit og repræsenterer længden af ​​det sæsonmæssige mønster udtrykt i tidslinjenheder. I det viste eksempel er data for eksempel kvartalsvis, så sæsonbestemmelsen er angivet som 4, da der er 4 kvartaler om året, og sæsonmønsteret er 1 år. Tilladte værdier er 0 (ingen sæsonbestemthed, brug lineær algoritme), 1 (beregne automatisk sæsonmønster) og n (manuel sæsonlængde, et tal mellem 2 og 8784 inklusive). Tallet 8784 = 366 x 24, antallet af timer i et skudår.

Argumentet data_completion er valgfrit og specificerer, hvordan FORECAST.ETS skal håndtere manglende datapunkter. Indstillingerne er 1 (standard) og nul. FORECAST.ETS leverer som standard manglende datapunkter ved at beregne et gennemsnit af nærliggende datapunkter. Hvis der er angivet nul, behandler FORECAST.ETS manglende datapunkter som nul.

Aggregationsargumentet er valgfrit og styrer, hvilken funktion der bruges til at samle datapunkter, når tidslinjen indeholder duplikerede værdier. Standard er 1, som specificerer GEMIDDEL. Andre muligheder er angivet i nedenstående tabel.

Bemærk: Det er bedre at udføre aggregering, før du bruger FORECAST.ETS for at gøre prognoser så nøjagtige som muligt.

Værdi Opførsel
1 (eller udeladt) GENNEMSNIT
2 TÆLLE
3 COUNTA
4 MAX
5 MEDIAN
6 MIN
7 SUM

Fejl

FORECAST.ETS-funktionen returnerer fejl som vist nedenfor.

Fejl årsag
#VÆRDI!
  • target_date er ikke numerisk
  • sæsonbestemthed er ikke numerisk
  • data_completion er ikke numerisk
  • aggregering er ikke numerisk
# Ikke relevant
  • værdier og tidslinje er ikke af samme størrelse
#NUM
  • Konsistent trin kan ikke bestemmes i tidslinjen
  • Alle tidslinjeværdier er de samme
  • Værdien for sæsonbestemthed er ikke inden for 0-8784
  • Værdien for data_completion er ikke 0 eller 1
  • Værdien for aggregering er ikke inden for 1-7

Interessante artikler...