Sales Forecast

📐 工作原理與說明

Sales Forecast: computes and outputs results from the input parameters.

歷史銷售資料（每行一個數值，按時間順序，至少 3 期）

預測方法

移動平均期數 N

預測期數

置信區間：基於歷史殘差標準差的近似 95% 置信區間（預測值 ± 1.96σ）。僅作參考，實際預測誤差受多種因素影響。

📚 深度解析：銷售預測

舉例：序列 [100,120,110,130,140]，移動平均 N=3 預測 2 期

第1期預測 = 最近3期均值 (110+130+140)/3 = 126.67；將該值加入序列後再預測第2期 = (130+140+126.67)/3 ≈ 132.22。若用線性迴歸，則擬合趨勢後外推第6、7期（x=6,7），對單調趨勢更貼合；季節性模式會按「去年同期→今年同期」的增長率遞推。

四種預測方法怎麼選？: 平穩序列用 MA/WMA；明顯線性趨勢用線性迴歸；強週期（如雙11、暑季）用季節性；EMA 適合流式更新。方法無絕對優劣，建議多法對照並看置信區間（±1.96σ）。
置信區間怎麼理解？: 工具以歷史標準差 σ 給出 ±1.96σ 區間，表示約 95% 可能落在該範圍。σ 越大、歷史越波動，區間越寬，預測越不可靠，需結合業務判斷。