【问题标题】:Excel Timeseries Forecasting with Seasonality具有季节性的 Excel 时间序列预测
【发布时间】:2018-06-01 18:48:38
【问题描述】:

我正在尝试使用虚构公司的营销费用的每月时间序列数据集创建预测。数据看起来像这样:

使用线性回归来预测未来的销售额,我得到以下结果:

我的问题在于营销费用的季节性(例如夏季月份较高)。理想情况下,我想计算未来几个月的预测值,包括季节性。我在某处读过有关 ARIMA 预测的文章,但我确实在寻找一些关于如何完成任务的最佳想法。

明确地说,我只需要图表和趋势线,但也需要数据来支持它。

任何帮助将不胜感激!

【问题讨论】:

  • 要正确执行此操作,您需要足够的历史数据,并且需要确保已正确清理数据(例如处理异常值、缺失值.....等...2016 有一些内置选项,例如插值)——仅仅拥有工具而不知道如何创建可用的数据集是没有意义的。此外,您需要确定时间序列的周期性(尽管内置的 2016 将提供自动检测此选项的选项)。内置的 Excel 工具可以输出一些度量来支持预测,例如 MAE(本质上是预测与实际之间的误差度量)。
  • ARIMA 更复杂,因为在确定模型设置的参数时,您需要开始了解自相关(解释 ACF 和 PACF 图)等。不过,我会用 Python 或 R 来做类似的事情。

标签: excel time-series data-analysis finance forecasting


【解决方案1】:

您可以使用 Excel (2016) 预测工具轻松做到这一点,方法是首先选择您的数据,然后点击:

数据 -> 预测表 -> 选项 -> 手动设置(在季节性下)

您也可以使用这些选项。单击“创建”后,Excel 将生成一个图表和一个包含相关数据的表格。

或者,您还可以为每个季节创建一个二元变量,并计算控制时间的营销费用的多元回归,以及除一个以外的季节的每个二元变量(即参考组)。您可以使用 excel 分析工具或任何其他统计软件。

【讨论】:

  • 应该提到有一个FORECAST.ETS Excel函数使用。例如。如果费用值在B2:B28,月份在A2:A28,并且2014年1月的第一个新月份在A29,那么=FORECAST.ETS(A29,$B$2:$B$28,$A$2:$A$28,12,1)也可以用作公式。 12 个州代表 12 个月的季节性。
猜你喜欢
  • 2016-07-26
  • 2019-01-16
  • 2019-05-20
  • 2021-10-25
  • 1970-01-01
  • 1970-01-01
  • 2019-11-18
  • 2014-07-03
  • 1970-01-01
相关资源
最近更新 更多