Hur du använder Excel FORECAST.ETS-funktionen -

Innehållsförteckning

Sammanfattning

Excel FORECAST.ETS-funktionen förutsäger ett värde baserat på befintliga värden som följer en säsongsmässig trend. FORECAST.ETS kan användas för att förutsäga numeriska värden som försäljning, lager, kostnader etc. med säsongsmönster.

Ändamål

Förutsäg värde med en säsongsmässig trend

Returvärde

Förutsett värde

Syntax

= FORECAST.ETS (target_date, värden, tidslinje, (säsongsmässighet), (data_completion), (aggregering))

Argument

  • target_date - Tiden eller perioden för förutsägelsen (x-värde).
  • värden - Befintliga eller historiska värden (y-värden).
  • tidslinje - Numeriska tidslinjevärden (x-värden).
  • säsong - (valfritt) Beräkning av säsong (0 = ingen säsong, 1 = automatisk, n = säsongslängd i tidslinjenheter).
  • data_completion - (valfritt) Databehandling saknas (0 = behandla som noll, 1 = genomsnitt). Standard är 1.
  • aggregering - (valfritt) Aggregeringsbeteende. Standard är 1 (GENOMSNITT). Se andra alternativ nedan.

Version

Excel 2016

Användningsanmärkningar

Funktionen FORECAST.ETS förutsäger ett värde baserat på befintliga värden som följer en säsongsbetonad trend. FORECAST.ETS kan användas för att förutsäga numeriska värden som försäljning, lager, kostnader etc. med säsongsmönster.

För att beräkna förutsagda värden använder FORECAST.ETS något som kallas trippel exponentiell utjämning. Detta är en algoritm som tillämpar övergripande utjämning, trendutjämning och säsongsutjämning.

Exempel

I exemplet som visas ovan är formeln i cell D13:

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

där försäljning (C5: C12) och perioder (B5: B12) heter intervall. Med dessa ingångar returnerar FORECAST.ETS-funktionen 618,29 i cell D13. Eftersom formeln kopieras ner i tabellen returnerar FORECAST.ETS förutsagda värden i D13: D16 med hjälp av värden i kolumn B för måldatum.

Diagrammet till höger visar dessa data i ett spridningsdiagram.

Obs: Cell D12 är inställd lika med C12 för att ansluta befintliga värden till de förutsagda värdena i diagrammet.

Argumentanteckningar

Argumentet target_date representerar punkten på tidslinjen som en förutsägelse ska beräknas.

Värdena argumentet innehåller den beroende matrisen eller dataområdet, även kallat y-värden. Dessa är befintliga historiska värden från vilka en förutsägelse kommer att beräknas.

Tidslinjeargumentet är den oberoende matrisen eller intervallet av värden, även kallat x-värden. Tidslinjen måste bestå av numeriska värden med ett konstant stegintervall. Till exempel kan tidslinjen vara årlig, kvartalsvis, månadsvis, dagligen etc. Tidslinjen kan också vara en enkel lista med numeriska perioder, som i exemplet som visas.

Säsongsargumentet är valfritt och representerar längden på säsongsmönstret uttryckt i tidslinjenheter. Till exempel, i exemplet som visas är data kvartalsvis, så säsongsvariationen ges som 4, eftersom det finns fyra kvartal på ett år och säsongsmönstret är 1 år. Tillåtna värden är 0 (ingen säsongsvariation, använd linjär algoritm), 1 (beräkna säsongsmönster automatiskt) och n (manuell säsongslängd, ett tal mellan 2 och 8784, inklusive). Siffran 8784 = 366 x 24, antalet timmar under ett skottår.

Argumentet data_completion är valfritt och anger hur FORECAST.ETS ska hantera saknade datapunkter. Alternativen är 1 (standard) och noll. Som standard tillhandahåller FORECAST.ETS saknade datapunkter genom medelvärdet av närliggande datapunkter. Om noll anges, kommer FORECAST.ETS att behandla saknade datapunkter som noll.

Aggregationsargumentet är valfritt och styr vilken funktion som används för att aggregera datapunkter när tidslinjen innehåller dubbla värden. Standardvärdet är 1, vilket anger medelvärde. Andra alternativ ges i tabellen nedan.

Obs! Det är bättre att utföra aggregering innan du använder FORECAST.ETS för att göra prognoser så exakta som möjligt.

Värde Beteende
1 (eller utelämnad) GENOMSNITT
2 RÄKNA
3 COUNTA
4 MAX
5 MEDIAN
6 MIN
7 BELOPP

Fel

FORECAST.ETS-funktionen returnerar fel enligt nedan.

Fel Orsak
#VÄRDE!
  • måldatum är inte numeriskt
  • säsongsmässighet är inte numerisk
  • data_completion är inte numeriskt
  • aggregering är inte numeriskt
# Ej tillämpligt
  • värden och tidslinjen är inte lika stora
#NUM
  • Konsekvent steg kan inte bestämmas i tidslinjen
  • Alla tidslinjevärden är desamma
  • Värdet för säsongsmässighet ligger inte inom 0-8784
  • Värdet för data_completion är inte 0 eller 1
  • Värdet för aggregering ligger inte inom 1-7

Intressanta artiklar...