تابع FORECAST.ETS

تابع FORECAST.ETS اکسل

تابع FORECAST.ETS برای انجام پیش‌بینی‌های هموارسازی نمایی بر اساس یک سری مقادیر موجود استفاده می‌شود.

به طور دقیق‌تر، این تابع یک مقدار آینده را بر اساس نسخه AAA الگوریتم هموارسازی سه‌گانه‌ی نمایی (Exponential Triple Smoothing ETS) پیش‌بینی می‌کند، و نام تابع هم همین را نشان می‌دهد. این الگوریتم با تشخیص الگوهای فصلی و فواصل اطمینان، انحرافات ناچیز در روند داده را کاهش می‌دهد. “AAA” مخفف additive error (خطای افزودنی)، additive trend (روند افزودنی) و additive seasonality (فصلی افزودنی) است.

تابع FORECAST.ETS در اکسل برای آفیس ۳۶۵، اکسل ۲۰۱۹ و اکسل ۲۰۱۶ موجود است.

سینتکس اکسل FORECAST.ETS به شرح زیر است:

FORECAST.ETS.CONFINT(target_date, values, timeline, [seasonality], [data completion], [aggregation])

که درآن:

• Target_date (ضروری) – نقطه‌ای از داده‌ها برای پیش‌بینی یک مقدار. می‌توان آن را با تاریخ/زمان یا عدد نشان داد.
• Values (ضروری) – مجموعه‌ای از داده‌های تاریخی که می‌خواهید مقادیر آتی را برای آن‌ها پیش‌بینی کنید.
• Timeline (ضروری) – مجموعه‌ای از تاریخ‌ها/زمان‌ها یا داده‌های عددی مستقل با یک گام ثابت بین آن‌ها.
• Seasonality (اختیاری) – عددی که طول الگوی فصلی را نشان می‌دهد:
  • 1 یا حذف‌شده (پیش‌فرض) – اکسل با استفاده از اعداد مثبت و کامل، مقدار را به طور خودکار تشخیص می‌دهد.
  • 0 – بدون Seasonality، یعنی یک پیش‌بینی خطی.

  حداکثر Seasonality مجاز 8,760 است که تعداد ساعات در سال است. تعداد فصلی بالاتر منجر به خطای #NUM! خواهد شد!

• Data completion (اختیاری) – نقاط ازدست‌رفته را حساب می‌کند.
  • 1 یا حذف شده (پیش‌فرض) – نقاط ازدست‌رفته را به صورت میانگین امتیازات همسایه (عدم تلاطم خطی) پر کند.
  • 0 – نقاط ازدست‌رفته را مانند صفر در نظر بگیرد.
• Aggregation (اختیاری) – نحوه‌ی جمع‌آوری چندین مقدار داده با همان مهر زمان را مشخص می‌کند.
  • 1 یا حذف شده (پیش‌فرض) – تابع AVERAGE برای جمع‌آوری استفاده می‌شود.
  • گزینه‌های دیگر شما عبارتند از: 2 – COUNT, 3 – COUNTA, 4 – MAX, 5 – MEDIAN, 6 – MIN و 7 – SUM

5 چیز که باید درباره‌ی FORECAST.ETS بدانید

1. برای کارکرد صحیح تابع FORECAST.ETS، جدول زمانی باید دارای یک بازه‌ی منظم – ساعتی، روزانه، ماهانه، سه ماهه، سالانه و غیره باشد.
2. این تابع برای مجموعه داده‌های غیرخطی با الگوی تکراری فصلی یا سایر مدل‌ها مناسب است.
3. هنگامی که اکسل نمی‌تواند الگویی را تشخیص دهد، تابع به پیش‌بینی خطی برمی‌گردد.
4. این تابع می‌تواند با مجموعه داده‌های ناقص که در آن 30% نقاط داده‌ها وجود ندارد، کار کند. نقاط گمشده مطابق مقدار آرگومان data completion مورد بررسی قرار می‌گیرند.
5. اگرچه یک جدول زمانی با یک گام پیوسته مورد نیاز است، اما ممکن است مقادیر تکراری در سری تاریخ/زمان وجود داشته باشد. مقادیر با همان مهر زمانی همان‌طور که توسط آرگومان aggregation تعریف می‌شوند، محاسبه می‌شوند.

تابع FORECAST.ETS کار نمی‌کند:

اگر فرمول شما خطایی ایجاد کند، احتمالاً یکی از موارد زیر است:

1. #N/A در صورتی رخ می‌دهد که value و آرایه‌های timeline دارای طول‌های مختلف باشند.
2. #VALUE! در صورتی رخ می‌دهد که آرگومان‌های seasonality، data completion یا aggregation غیر عددی باشند
3. #NUM! خطا ممکن است به دلایل زیر برگردانده شود:
   • اندازه‌ی گام پیوسته در timeline قابل تشخیص نیست.
   • مقدار seasonality خارج از محدوده‌ی پشتیبانی‌شده است (0 – 8,760).
   • مقدار data completion غیر از 0 یا 1 است.
   • مقدار aggregation خارج از محدوده‌ی معتبر است (1 – 7).

نحوه‌ی استفاده از تابع FORECAST.ETS در Excel – مثال فرمول

برای این‌که ببینیم چگونه مقادیر آینده‌ی محاسبه‌شده با هموارسازی نمایی با پیش‌بینی رگرسیون خطی متفاوت است، بیایید یک فرمول FORECAST.ETS برای همان مجموعه داده‌هایی که در مثال قبلی از آن استفاده کرده‌ایم، تهیه کنیم:

=FORECAST.ETS(A23, $B$2:$B$22, $A$2:$A$22)

که در آن:

• A23 تاریخ هدف است
• $B$2:$B$22 داده‌های تاریخی (value) هستند
• $A$2:$A$22 تاریخ‌ها هستند (timeline)

با حذف سه آرگومان اخیر (seasonality، data completion یا aggregation) ما به پیش‌فرض‌های اکسل اعتماد می‌کنیم؛ و اکسل روند را کاملاً پیش‌بینی می‌کند:

[visualizer id=”8956″ class=””]