- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
《excel在财务管理中高级运用》第7节
第1单元 预测模型设计-分析工具 财务预测,是指对企业未来的收入、成本、利润、现金流量及融资需求等财务指标所作的估计和推测。财务预测是编制投资和融资计划的基础,是公司制订成长战略的基本要素。 Excel的数据分析工具库提供了3种统计观测分析工具,它们是移动平均法、指数平滑法和回归分析法。 ⒈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。 移动平均法根据预测时使用的各元素的权重不同,可以分为:简单移动平均和加权移动平均。 ⒉指数平滑法 指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法,它是通过计算指数平滑值,配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。 ⒊回归分析预测法 回归分析预测法是通过研究两组或两组以上变量之间的关系,建立相应的回归预测模型,对变量进行预测的一种预测方法。 第2单元 预测模型设计-函数法 Excel提供了关于估计线性模型和指数模型参数的几个预测函数。线性模型和指数模型的数学表达式如下: 线性模型:y = mx + b 或 y = m1x1 + m2x2 + …+ b 指数模型: 式中,y为因变量;x是自变量;m、m1、...、mn-1、mn、b分别为预测模型的待估计参数。 Excel提供的预测函数主要有LINEST函数、LOGEST函数、TREND函数、FORECAST函数、SLOPE函数和INTERCEPT函数,它们所使用的参数都基本相同,如表7-1、7-2、7-3所示。 表7-1 预测函数的参数及含义 表7-2 回归统计值返回的顺序 知识点讲解 ⒈LINEST函数 LINEST函数是常用的统计函数之一,它是使用最小二乘法对已知数据进行最佳直线拟合,并返回描述此直线的数组。因为此函数返回数值数组,所以必须以数组公式的形式输入。 函数语法: LINEST(known_ys,known_xs,const,stats) Known_ys 是关系表达式 y = ax + b 中已知的 y 值集合。 ?如果数组 known_ys 在单独一列中,则 known_xs 的每一列被视为一个独立的变量。 ?如果数组 known-ys 在单独一行中,则 known-xs 的每一行被视为一个独立的变量。 Known_xs是关系表达式 y = ax + b 中已知的可选 x 值集合。 数组 known_xs 可以包含一组或多组变量。如果只用到一个变量,只要 known_ys 和 known_xs 维数相同,它们可以是任何形状的区域。如果用到多个变量,则 known_ys 必须为向量(即必须为一行或一列)。 ?如果省略 known_xs,则假设该数组为 {1,2,3,...},其大小与 known_ys 相同。 Const 为一逻辑值,用于指定是否将常量 b 强制设为 0。 ?如果 const 为 TRUE 或省略,b 将按正常计算。 ?如果 const 为 FALSE,b 将被设为 0,并同时调整 m 值使 y = mx。 Stats 为一逻辑值,指定是否返回附加回归统计值。 ?如果 stats 为 TRUE,则 LINEST 函数返回附加回归统计值,这时返回的数组为 {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}。 ?如果 stats 为 FALSE 或省略,LINEST 函数只返回系数 m 和常量 b。 函数说明: 可以使用斜率和 y 轴截距描述任何直线: 斜率 (a):通常记为 a,如果需要计算斜率,则选取直线上的两点,(x1,y1) 和 (x2,y2);斜率等于 (y2 - y1)/(x2 - x1)。 Y 轴截距 (b): 通常记为 b,直线的 y 轴的截距为直线通过 y 轴时与 y 轴交点的数值。 直线的公式为 y = ax + b。如果知道了 a 和 b 的值,将 y 或 x 的值代入公式就可计算出直线上的任意一点。还可以使用 TREND 函数。 当只有一个自变量 x 时,可直接利用下面公式得到斜率和 y 轴截距值: 斜率:=INDEX(LINEST(known_ys,known_xs),1) Y 轴截距:=INDEX(L
原创力文档


文档评论(0)