Excel在经济管理中的应用 第三章.ppt

第3章 Excel在财务管理与分析中的应用 3.2 Excel在财务预测中的应用 预测技术是指科学预测过程中所运用的方法和手段的总称。预测技术水平的高低直接影响预测水平，影响决策的成效。在我国，现有的预测技术一般分为定性预测和定量预测两大类。在计算机帮助下，可以很方便地进行定量分析，本节主要介绍几种主要的定量预测方法。 3.2.1利用数据分析工具解决预测问题 1．移动平均法 移动平均法是一种改良的算术平均法，是一种最简单的自适应预测模型。它根据近期数据对预测值影响较大，而远期数据对预测值影响较小的事实，把平均数逐期移动。移动期数的大小视具体情况而定，移动期数少，能快速地反映变化，但不能反映变化趋势；移动期数多，能反映变化趋势，但预测值带有明显的滞后偏差。 3.2Excel在财务预测中的应用 【例15】某化妆品2001—2008年销售量如图3—26所示，试利用移动平均法预测2009年化妆品销售量（单位：万元）。 预测步骤如下： （1）从“工具”菜单中选择“加载宏”命令，打开“加载宏”对话框，在其中选择“分析工具库”选项，单击“确定”，如图3—27所示。 （2）从“工具”菜单中选择“数据分析”命令，打开“数据分析”对话框，在其中选择“移动平均”选项，如图3—28所示，单击“确定”，打开“移动平均”对话框。 （3）在“移动平均”对话框中，在“输入区域”框中输入“$B$3:$B$10”，“间隔”框中输入“3”表明是进行3期移动平均，“输出区域”框中输入“$C$4”，同时勾选“图表输出”选项，如图3—29所示。 （4）单击“确定”，则运算结果就显示在单元格区域C6:C11中，同时图表也显示出来，如图3—30所示。其中，单元格C11中的预测数据415万元即为2009年的预测销售量。 3.2Excel在财务预测中的应用 2．指数平滑法 指数平滑法是一种改良的加权平均法，它根据最近时期的实际数据和预测数据，并借助于平滑系数进行预测。计算公式为： Ft=α·Dt-1+(1-α)·Ft-1或Ft=(1-β)·Dt-1+β·Ft-1 参数说明： Ft-1—上一期预测数; Ft—新一期（计划期）的预测数; Dt-1—上期的实际数据; α—平滑系数（0≤α≤1）; β—阻尼系数（0≤β≤1），β=1-α。 Excel中的指数平滑法需要使用阻尼系数，阻尼系数越小，近期实际数对预测结果的影响越大，反之，阻尼系数越大，近期实际数对预测结果的影响越小。 3.2Excel在财务预测中的应用 【例16】现有某汽车零配件公司2008年12个月的销售数据，如图3—31所示，假定阻尼系数为0.9，试利用指数平滑法预测2009年1月的销售量。 预测步骤如下： （1）从“工具”菜单中选择“数据分析”命令，打开“数据分析”对话框，如图3—32所示，在其中选择“指数平滑”选项，单击“确定”，打开“指数平滑”对话框。 （2）在“指数平滑”对话框中，在“输入区域”框中输入“$B$3:$B$14”，“阻尼系数”框中输入“0.9”，“输出区域”框中输入“$C$4”，同时勾选“图表输出”选项，如图3—33所示。 （3）单击“确定”，则运算结果就显示在单元格区域C5:C15中，同时图表也显示出来，如图3—34所示。其中，单元格C15中的预测数据132万件即为2009年1月的预测销售量。 3.2Excel在财务预测中的应用 3．回归法 利用公式法进行回归分析是非常有用的一种预测方法，它既可以对一元线性或多元线形问题进行回归预测分析，也可以对某些可以转化为线性的非线性问题进行回归分析，避免了图表法仅能解决一元线性或非线性回归问题的局限。 回归分析（regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。 此外，在SPSS的结果输出里，还可以汇报R2，F检验值和T检验值。R2又称为方程的确定性系数（coefficient of determination），表示方程中变量X对Y的解释程度。R2取值在0到1之间，越接近1，表明方程中X对Y的解释能力越强。通常将R2乘以100%来表示回归方程解释Y变化的百分比。F检验是通过方差分析表输出的，通过显著性水平（significant level）检验回归方程的线性关系是否显著。一般来说，显著性水平在0.05以下，均有意义。 （1）线性趋势情况下