指数平滑法による予測

FORECAST.ETS.SEASONALITY 指数平滑法を利用して予測を行うときの季節変動の長さを求める

対応バージョン:2016

[タイムライン]を元に[値]の予測を行うときの、季節変動の長さを求めます。元のデータに欠測値がある場合には[補間]の指定ができます。また、元のデータに同じ期の値が複数ある場合には[集計]の指定もできます。予測にはETS(三重指数平滑法)アルゴリズムのAAAバージョンと呼ばれる方法が使われます。

入力方法と引数

FORECAST.ETS.SEASONALITY フォーキャスト・イーティーエス・シーズナリティ (, タイムライン, 補間, 集計)

タイムラインに対応する値(予測に使う元の値)を指定します。
タイムライン 年度や日付など、[値]が得られた期を指定します。
補間 欠測値がある場合に1を指定すれば自動的に補間されます。0を指定すると欠測値を0とします。省略すると1が指定されたものと見なされます。全体の30%までは欠測値の補間が行われます。
集計 タイムラインに同じ期がある場合、[値]を集計します。以下の方法が指定でき、( )内に記述した関数と同じ方法で集計を行います。省略した場合は集計を行いません。
1平均(AVERAGE)
2数値の個数(COUNT)
3データの個数(COUNTA)
4最大値(MAX)
5中央値(MEDIAN)
6最小値(MIN)
7合計(SUM)

使用例四半期ごとの売上高を元に予測を行う場合の、季節変動の長さを求める

=FORECAST.ETS.SEASONALITY(D3:D14,A3:A14)

FORECAST.ETS.SEASONALITY関数の使用例

上記はセルF7に入力されている数式です。セルD3~D14に入力されている[値]が売上高で、それに対する[タイムライン]がセルA3~A14に入力されています。この例では季節変動の長さは4となります。

活用のポイント

  • 三重指数平滑法とは、過去のいくつかの値の平均から次の値を予測する方法です。このとき、最近の値のほうに指数関数的に大きなウェイトを与え、古い値の影響を少なくします。FORECAST.ETS.SEASONALITY関数では、季節による変動の長さが求められます。
  • [タイムライン]には日付や「期」を表す値を指定します。[値]と[タイムライン]のサイズが異なる場合、[#N/A]エラーとなります。
  • [タイムライン]は並べ替えられている必要はありません。
  • 季節変動とは、同じパターンが現れる周期のことです。この例では、四半期ごとに同じパターンで売上高が変化するので、長さは4となります(第1四半期と第2四半期の売上に比べて第3四半期の売上が落ち込み、第4四半期で売上が増えるというパターンを繰り返している)。この例では、データを見ただけでも季節変動がある程度分かりますが、ひと目見ただけでは分かりにくい季節変動も抽出できます。
  • 欠測値がある場合には[補間]に1を指定するか省略します。[補間]に0を指定すると、欠測値が0と見なされます。
  • 予測の方法や引数の詳細については、FORECAST.ETS関数の記事を参照してください。

関連記事

関連まとめ記事