Loading...

카테고리 없음 / / 2024. 3. 20. 15:13

excel FORECAST.ETS

1.FORECAST.ETS 정의 란?

FORECAST.ETS 함수는 Excel의 데이터 분석 도구 중 하나로, 지수 평활법을 사용하여 시계열 데이터의 예측값을 생성하는 데 사용됩니다. "ETS"는 "Error, Trend, Seasonality"의 약어로, 이 함수는 시계열 데이터에서 발생하는 오차, 추세 및 계절성을 모델링하여 미래 값을 예측합니다.

이 함수는 지수 평활법의 변형 중 하나인 Triple Exponential Smoothing(3중 지수 평활법)을 기반으로 합니다. 이 기술은 이동 평균을 사용하여 데이터의 추세 및 계절성을 예측하고, 최근 데이터에 더 많은 가중치를 부여하여 예측의 정확도를 향상시킵니다.

FORECAST.ETS 함수는 Excel 2016부터 도입되었으며, Excel의 "Data Analysis ToolPak" 추가 기능을 활성화하면 사용할 수 있습니다. 이 함수를 사용하면 시계열 데이터에서 미래 값을 예측하고 트렌드 및 계절성을 고려할 수 있습니다.

2.예시

여기에 FORECAST.ETS 함수를 사용하는 예시가 있습니다.

가정 우리가 다음과 같은 시계열 데이터가 있다고 가정해 봅시다. 이 데이터는 월별 판매량을 나타냅니다.

sqlCopy code
| Month | Sales | |---------|-------| | Jan-20 | 100 | | Feb-20 | 120 | | Mar-20 | 130 | | Apr-20 | 140 | | May-20 | 150 | | Jun-20 | 160 | | Jul-20 | 170 | | Aug-20 | 180 | | Sep-20 | 190 | | Oct-20 | 200 | | Nov-20 | 210 | | Dec-20 | 220 |

이제, FORECAST.ETS 함수를 사용하여 다음 달(2021년 1월)의 판매량을 예측해 보겠습니다.

lessCopy code
=FORECAST.ETS(A13, B2:B13, A2:A13)

여기서:

  • A13은 예측할 시기를 나타내는 셀입니다. 예를 들어, "2021년 1월"이라고 가정합니다.
  • B2:B13는 시계열 데이터의 판매량을 나타내는 범위입니다.
  • A2:A13는 시계열 데이터의 시기(월)를 나타내는 범위입니다.

위의 함수를 실행하면 다음 달(2021년 1월)의 예상 판매량이 반환됩니다.

이러한 방식으로 FORECAST.ETS 함수를 사용하여 시계열 데이터에서 미래 값을 예측할 수 있습니다.

 
 
 
 

3.사용방법

FORECAST.ETS 함수를 사용하여 시계열 데이터에서 미래 값을 예측하는 방법은 다음과 같습니다.

  1. 시계열 데이터 설정: 먼저 예측하려는 시계열 데이터를 설정해야 합니다. 일반적으로 시계열 데이터는 시간에 따라 정렬된 값들의 집합으로 구성됩니다.
  2. FORECAST.ETS 함수 입력: 예측 값을 계산할 셀에 FORECAST.ETS 함수를 입력합니다. 함수는 다음과 같은 구문을 가집니다:여기서:
    • target_date: 예측할 시기를 나타내는 값입니다.
    • known_y's: 예측에 사용할 시계열 데이터(종속 변수)를 나타내는 범위입니다.
    • known_x's: 예측에 사용할 추가 설명 변수(선택적)를 나타내는 범위입니다.
    • [seasonality], [data_completion], [aggregation_method], [auto_seasonal], [fcst_method], [confidence_level]: 선택적인 매개변수로, 예측을 조정하고 세부 사항을 설정합니다.
  3. cssCopy code
    =FORECAST.ETS(target_date, known_y's, known_x's, [seasonality], [data_completion], [aggregation_method], [auto_seasonal], [fcst_method], [confidence_level])
  4. 매개변수 입력: FORECAST.ETS 함수에 필요한 매개변수를 입력합니다. 주요 매개변수는 target_date, known_y's, known_x's입니다. 필요에 따라 선택적인 매개변수도 설정할 수 있습니다.
  5. 함수 실행: 입력한 함수를 실행하여 예측 값을 계산합니다. 함수를 실행하면 지정된 target_date에 해당하는 예측 값이 반환됩니다.

예를 들어, 시계열 데이터가 A2:A13에 있고, 해당 값들에 대응하는 종속 변수가 B2:B13에 있다고 가정해보겠습니다. 그리고 2021년 1월을 예측하고자 한다면, 다음과 같이 FORECAST.ETS 함수를 사용할 수 있습니다.

lessCopy code
=FORECAST.ETS("2021-01", B2:B13, A2:A13)

위의 예시에서 "2021-01"은 예측하려는 시기를 나타내고, B2:B13는 종속 변수(시계열 데이터), A2:A13는 독립 변수(시간)를 나타냅니다.

이렇게 하면 FORECAST.ETS 함수를 사용하여 시계열 데이터에서 미래 값을 예측할 수 있습니다.

 
 
 

4.함수 사용팁

FORECAST.ETS 함수를 사용할 때 유용한 몇 가지 팁은 다음과 같습니다.

  1. 데이터의 품질: 예측을 위해 사용하는 데이터의 품질을 향상시키세요. 불규칙한 패턴이나 이상치가 있을 경우 정확한 예측을 방해할 수 있습니다.
  2. 추세 및 계절성 고려: FORECAST.ETS 함수는 시계열 데이터에서 추세 및 계절성을 고려하여 예측합니다. 따라서 가능하면 데이터에서 발생하는 추세와 계절성을 이해하고 이를 함수에 반영하세요.
  3. 추가 설명 변수 활용: 필요에 따라 FORECAST.ETS 함수에 추가 설명 변수를 제공하여 예측을 더욱 개선할 수 있습니다. 예를 들어, 시간 외의 요인(예: 마케팅 지출)이 판매량에 영향을 미칠 경우 해당 변수를 추가로 고려할 수 있습니다.
  4. 모델 튜닝: 필요에 따라 선택적인 매개변수를 조정하여 모델을 튜닝하세요. 이러한 매개변수는 계절성, 데이터 완결성, 자동 계절성 감지 등을 설정할 수 있습니다.
  5. 신뢰 구간 설정: 예측 결과에 대한 신뢰 구간을 설정하여 예측의 정확성을 평가하세요. 신뢰 구간은 예측값의 변동성을 나타내며, 예측의 신뢰도를 확인하는 데 도움이 됩니다.
  6. 시뮬레이션 및 검증: 예측 모델을 구축한 후에는 이전 데이터를 사용하여 모델을 시뮬레이션하고 검증하여 예측의 정확성을 확인하세요. 이는 모델의 신뢰성을 평가하는 데 도움이 됩니다.
  7. 자동 계절성 감지 사용: 함수의 선택적 매개변수 중 하나인 auto_seasonal을 TRUE로 설정하여 자동 계절성 감지를 활용할 수 있습니다. 이를 통해 함수가 데이터의 계절성을 자동으로 감지하고 이를 반영하여 예측할 수 있습니다.
  8. 문서화: 사용한 매개변수와 모델에 대한 정보를 문서화하여 나중에 재현 가능하도록 합니다. 이는 예측 결과를 해석하고 수정할 때 유용합니다.

이러한 팁을 활용하여 FORECAST.ETS 함수를 더 효과적으로 사용하여 시계열 데이터에서 미래 값을 예측할 수 있습니다.

 
 
 

5.주의사항

FORECAST.ETS 함수를 사용할 때 주의해야 할 몇 가지 사항은 다음과 같습니다.

  1. 데이터 품질: 예측을 위해 사용되는 시계열 데이터의 품질을 검토하세요. 데이터가 불완전하거나 불규칙한 패턴을 가지고 있다면 정확한 예측을 방해할 수 있습니다.
  2. 계절성 판별: 데이터에 계절성이 있는지 확인하세요. FORECAST.ETS 함수는 계절성을 고려하여 예측을 수행하지만, 정확한 계절성을 감지하지 못하면 부정확한 예측을 할 수 있습니다.
  3. 추세 변동성: 데이터의 추세가 불안정하거나 예측 범위 밖에서 크게 변동하는 경우 예측이 어려울 수 있습니다. 추세가 불안정하다면 다른 예측 모델을 고려할 필요가 있습니다.
  4. 테스트 및 검증: 예측 모델을 개발한 후에는 이전 데이터를 사용하여 모델을 테스트하고 검증하세요. 이는 모델의 정확성을 확인하고 예측의 신뢰성을 평가하는 데 도움이 됩니다.
  5. 매개변수 조정: 필요에 따라 FORECAST.ETS 함수의 매개변수를 조정하여 예측을 개선할 수 있습니다. 예를 들어, 계절성 감지, 자동 계절성 감지, 신뢰 수준 등을 조정하여 모델을 튜닝하세요.
  6. 다른 예측 모델 고려: FORECAST.ETS 함수가 항상 최적의 예측 모델을 제공하지는 않습니다. 데이터의 특성에 따라 다른 예측 모델을 고려하여 더 정확한 예측을 수행할 수 있습니다.

이러한 주의사항을 고려하여 FORECAST.ETS 함수를 사용하면 더 신뢰할 수 있는 예측을 얻을 수 있습니다.