Шаблон Множественного Регрессионного анализа (анализа множественной регрессии) и прогнозирования обеспечивает твердое основание для идентифицирования факторов стоимости и прогнозирования данных о временном ряде. В то время как шаблон использует диапазон обычных статистических мер для проверки правдивости анализа, полученные результаты в итоге обобщаются для простоты использования. Как только отношения и связи системы были идентифицированы, прогнозирование может быть выполнено основываясь на диапазоне доступных методологий. Интуитивное поэтапное использование позволяет вам разрабатывать качественные прогнозы для своих проектов своевременно.   

Анализ построен таким образом, что при введении данных по ежеквартальным объёмам продаж за 5 лет рассчитывается обоснованный прогноз объёма продаж на следующие два года. Результаты прогноза представлен в числовом варианте в таблице №3 и на графике динамики объёма продаж, изменяющимся автоматически при введении достоверных данных.

Расчеты в Excel и составление диаграмм на основе полученных данных для проведения анализа сезонности и прогнозирования объемов реализации напитков. Диаграмма 1 – исходные данные. Диаграмма 2 – сезонность. Диаграмма 3 – тренд. Диаграмма 4 – прогнозирование.

Существует множество различных кривых роста, наиболее популярные из них это:

1. Линейные тренды
2. Экспоненциальные тренды
3. Логарифмические тренды
4. Степенные тренды
5. Полиномиальные тренды

В данной статье разберем прогнозирование с помощью модели квадратичной регрессии, эта модель так же называется полиноминальная модель второго порядка и  является одной из простейших криволинейных моделей. И общая формула, которой следующая:

Y- значение модели;
α,β,γ- параметры модели квадратичной регрессии.
Для примера с прогнозируем котировки акций МосЭнерго (MSNG), торгуемых на фондовой бирже ММВБ. Данные по котировкам можно экспортировать с сайта finam.ru. Экспортируем недельные котировки за год. Получилось 51 значение.

Скользящее среднее или просто МА (Moving Average), является среднеарифметическим ценового ряда.  Общая формула скользящего среднего следующая:

где:
МА – скользящее среднее;
n- период усреднения;
Х – значения цены акции.

Для прогнозирования цены акции на несколько периодов вперед воспользуемся формулой. Прогноз цены в следующем период будет равнять значения скользящего среднему в предыдущем периоде.

Спрогнозируем с помощью модели скользящего среднего стоимость акций компании Аэрофлот (AFLT). Для этого экспортируем котировки акции с сайта finam.ru за  половину 2009 года. Всего будет 20 значений.

При помощи показателя рентабельности можно проследить изменения прибыли  и использовать его для её прогнозирования.

Разберем  пример прогнозирования курса акций Лукойла с помощью авторегрессионной модели. Эта модель так же называется AR (AutoRegressive ).  Эта модель используется во многих финансовых отраслях, где необходимо прогнозировать различные  данные.  AR относится к классу регрессионных методов. Рассмотрим авторегрессию  первого порядка AR(1), которая характеризует тесноту связи между соседними значениями ценового или иного ряда.

Авторегрессионная модель первого порядка имеет следующую формулу:

Y_i=α+β*Y_i-1+ε

β,α – коэффициенты авторегрессии;
ε– белый шум, независимая случайная величина;
Y_i-1 – предыдущее значение временного ряда;
Y_i – текущее значения временного ряда.