Forecasting techniques (예측기법) 2탄

 

오늘은 지난 시간에 이어 Forecasting techniques 2탄 Seasonal index에 대해서 알아보겠습니다. 

 

* Seasonal index (계절성 지수)

시계열 예측에서 Seasonal Index(계절성 지수)는 특정 시기에 반복되는 패턴을 분석해서

해당 시기의 예측값을 계산하는 데 사용되는 기법입니다.

계절성 지수는 각 계절에서의 평균값을 일반적인 평균값으로 나눈 것으로, 일반적으로 1년을 기준으로 합니다.

수식으로 표현하면 아래와 같습니다. 

계절성 지수를 사용하여 예측을 수행하는 방법은 다음과 같은 순서로 진행됩니다. 

1. 데이터에서 계절성 패턴을 분석합니다.
    이를 위해 일정한 주기(예: 1년, 1분기, 1월)마다 데이터를 그룹화하고, 그룹별 평균을 계산합니다.

2. 계절성 지수를 계산합니다.
    계절성 지수는 각 계절에서의 평균값을 일반적인 평균값으로 나눈 것입니다. 

3. 계절성 지수를 사용하여 예측을 수행합니다. 
    예측을 수행할 때는, 현재 계절성 지수와 이전의 계절성 지수를 사용하여 예측값을 계산합니다

 

간단하게 예를 들어보겠습니다. 

계절성 지수를 이용한 예측 방법은 시계열 데이터에 따라 달라질 수 있습니다.

아래 예제는 계절성이 4분기로 구성된 데이터를 가정하여 계절성 지수를 계산하고 예측하는 방법을 보여줍니다.

 

예를 들어 보겠습니다. 

 

한 회사의 매출 데이터(판매량)가 다음과 같습니다. 

계절성 지수를 이용하여 Year 2 Q1의 판매량을 예측해 볼까요? 

먼저 데이터에서 계절성 패턴을 분석합니다. 

Year 1 각 분기의 평균값은 105,000 입니다.

▶ (120,000 + 100,000 + 90,000 + 110,000) ÷ 4 = 105,000

 

다음으로 계절성 지수를 계산합니다. 

각 분기의 값을 전체 평균값(105,000)으로 나누어 주면 됩니다. 

 

Year 1 Q1의 계절성 지수 : 1.14 (120,000 ÷ 105,000)

Year 1 Q2의 계절성 지수: 0.95 (100,000 ÷ 105,000)

Year 1 Q3의 계절성 지수: 0.86 (90,000 ÷ 105,000)

Year 1 Q4의 계절성 지수: 1.05 (110,000 ÷ 105,000)

 

마지막 단계로 Year 2 Q1의 예측값을 계산합니다. 

다음 분기 계절성 지수 = Year 1 Q1 계절성 지수 = 1.14

다음 분기 판매량 예측 = 평균 판매량 X 계절성 지수 = 105,000 X 1.14 = 119,700

 

따라서 Seasonal index를 감안하여 Forecasting한 Year 2 Q1의 판매 예측량은 119,700이 됩니다. 

 

이와 같은 방법으로 계절성 지수를 계산하고 예측을 수행할 수 있습니다.

이해 되시나요? 

 

다음 편엔 Deseasonalized demand에 관해서 간략히 알아보도록 하겠습니다. 

감사합니다. 

 

 

Education is not the filling of a pail, but the lighting of a fire.
- William Butler Yeats