Excel FORECAST.ETS 函數教學
FORECAST.ETS 函數的用途
FORECAST.ETS 函數是 Excel 中一個基於 指數平滑法（Exponential Smoothing）進行預測的函數。它專門用來進行 時間序列預測，並且能夠處理季節性數據，這使得它非常適合用來預測具有周期性變化的數據，例如銷售數據、氣候數據等。
這個函數能夠基於過去的數據（時間序列）預測未來的數據點，並且會自動考慮數據中的季節性變化趨勢。
語法
FORECAST.ETS(target_date, values, timeline, [seasonality], [data_completion], [aggregation])
| 參數 | 說明 |
|---|---|
| target_date | 預測的日期，這是你希望預測的未來時間點。 |
| values | 已知的數值（例如銷售額、需求量等）對應於每個時間點。 |
| timeline | 與 values 參數對應的時間序列數據，通常是日期或時間。 |
| seasonality | （選擇性）季節性週期的長度，表示數據中周期性變化的頻率。通常是 1、4、12 等，對應季節、季度、月度等。 |
| data_completion | （選擇性）是否自動填補缺失數據。選擇 1 或 TRUE 來自動填補缺失數據，選擇 0 或 FALSE 來不填補。 |
| aggregation | （選擇性）如何聚合重複的時間戳數據。默認是求和，你也可以選擇其他方式（如求平均）。 |
範例 1：基本預測
假設你有一組月度銷售數據，並希望使用 FORECAST.ETS 函數來預測下一個月的銷售量。已知的數據如下：
| 月份 | 銷售量 |
|---|---|
| 1 | 100 |
| 2 | 120 |
| 3 | 130 |
| 4 | 140 |
| 5 | 150 |
| 6 | 160 |
你希望預測第 7 個月的銷售量。公式如下：
=FORECAST.ETS(7, B2:B7, A2:A7)
? 結果：這個公式會返回預測的第 7 個月銷售量。
解釋：該函數根據已知的銷售數據，使用指數平滑法和時間序列分析來計算預測值。
範例 2：使用季節性參數
假設你有一組季度銷售數據，你希望預測下一個季度的銷售量，並且已知數據呈現季節性變化（例如，每四個季度的銷售量有固定的模式）。數據如下：
| 季度 | 銷售量 |
|---|---|
| Q1 | 500 |
| Q2 | 600 |
| Q3 | 700 |
| Q4 | 800 |
你希望預測下一個季度的銷售量。公式如下：
=FORECAST.ETS("Q5", B2:B5, A2:A5, 4)
? 結果：這個公式會返回預測的 Q5 銷售量，並假設每 4 季度為一個季節性周期。
解釋：這裡 4 表示季節性週期是 4，這告訴 Excel 使用季度為單位來考慮季節性變化。
範例 3：填補缺失數據
假設你有一組月份銷售數據，其中某些月份的數據缺失，你希望 Excel 自動填補這些缺失值並預測未來數據。
已知的數據如下：
| 月份 | 銷售量 |
|---|---|
| 1 | 100 |
| 2 | 120 |
| 3 | |
| 4 | 140 |
| 5 | 150 |
公式如下：
=FORECAST.ETS(6, B2:B6, A2:A6, 1, 1)
? 結果：這個公式會返回預測的第 6 個月銷售量，並且會根據數據中的缺失值進行填補。
解釋：1 表示 Excel 自動填補缺失的數據。
注意事項
- 季節性參數：
seasonality參數的選擇對結果影響很大。如果你的數據有明顯的周期性變化，應該選擇適當的季節性週期。季節性週期可以根據數據的模式來選擇（例如：1表示無季節性、12表示每年、4表示每季度等）。
- 數據格式：
timeline必須是時間類型（例如，日期或月份），並且要按順序排列。values必須是對應的數值。
- 數據完整性：
- 若
data_completion設為 1 或 TRUE，Excel 會嘗試自動填補缺失的數據，但如果數據缺失較多，可能會影響預測準確性。
- 若
- 預測準確性：
- 由於
FORECAST.ETS函數基於過去數據的模式來進行預測，預測結果的準確性會受到數據的質量和季節性設定的影響。如果數據中存在顯著的非線性趨勢或外部因素影響，預測結果可能不準確。
- 由於
應用場景
✅ 銷售預測：根據過去的銷售數據，預測未來某個時間點的銷售量，並考慮季節性影響。
✅ 需求預測：用於預測產品的需求量，尤其在具有明顯季節性變化的行業中（如零售業、旅遊業）。
✅ 金融分析：根據歷史股價或其他金融數據進行未來價格的預測，並考慮市場的季節性波動。