使用指数平滑法预测未来值（FORECAST.ETS函数）：
FORECAST.ETS函数使用指数平滑算法基于现有(历史)值来预测未来某个日期（或时间）的值。
指数平滑法是生产预测中常用的一种方法，实际上是一种特殊的加权移动平均法。运用指数平滑法，可以选择不同的平滑常数来调节时间序列观察值的均匀程度(即趋势变化的平稳程度)。
指数平滑法是在移动平均法基础上建立的一种时间序列分析预测法，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。
语法是：“=FORECAST.ETS( target_date, values, timeline, [seasonality], [datacompletion], [aggregation] )”。
参数：target_date是一个需要预测与之对应的值的目标日期（或时间）。
values是一组根据其预测未来值的历史值。
timeline与历史值相对应的一组日期（或时间）序列。
seasonality是指示数据的季节性质的一个参数。0表示数据无季节性质，使用线性算法预测；1或省略时自动计算数据的季节性，并使用正整数步长作为季节长度；大于等于2正整数时使用该数字作为季节长度。
data completion是日期（或时间）序列中遗漏数据的补充方式的参数。 0 将指示算法将缺失点视为零。 默认值1将计算缺少的点，即将其完成为相邻点的平均值。
aggregation是具有相同日期（或时间）的数据的计算方式。1或省略：计算所有值的平均值；2：对所有数值计数；3：对所有数值、字符串和逻辑值计数；4：使用最大值；5：使用中位数；6：使用最小值；7：对所有值求和。
例：根据前6个月的销量，预测9月份的销量。
在C4的单元格插入函数：“=FORECAST.ETS(C2,B2:B7,A2:A7)”，按【Enter】键确认。
使用指数平滑法预测未来值
八十九、计算预测值的置信区间（FORECAST.ETS.CONFINT函数）：
FORECAST.ETS.CONFINT函数用于计算FORECAST.ETS函数预测值的置信区间。
语法是：“=FORECAST.ETS.CONFINT( target_date, values, timeline,[confidence_level], [seasonality], [data completion], [aggregation] )”。
参数：target_date是一个需要预测与之对应的值的目标日期（或时间）。
values是一组根据其预测未来值的历史值。
timeline与历史值相对应的一组日期（或时间）序列。
confidence_level是置信区间的置信度，其值在0-1之间的一个数字。如果省略，默认值为95%。
seasonality是指示数据的季节性质的一个参数。
data completion是日期（或时间）序列中遗漏数据的补充方式的参数。
aggregation是具有相同日期（或时间）的数据的计算方式。
例：计算表中参数的预测值的置信区间。
在C4的单元格插入函数：“=FORECAST.ETS.CONFINT(C2,B2:B7,A2:A7)”，按【Enter】键确认。
计算预测值的置信区间
九十、计算指定时间序列上检测到的重复模式的长度（FORECAST.ETS.SEASONALITY 函数）：
FORECAST.ETS.SEASONALITY 函数返回已知数据季节性规律在时间轴上的长度。
语法是：“=FORECAST.ETS.SEASONALITY( values, timeline, [data completion],[aggregation] )”。
参数：values是一组已知的历史值。
timeline与历史值相对应的一组日期（或时间）序列。
data completion是日期（或时间）序列中遗漏数据的补充方式的参数。
aggregation是具有相同日期（或时间）的数据的计算方式。
例：计算表中参数的预测值的置信区间。
在E2的单元格插入函数：“=FORECAST.ETS.SEASONALITY(C2:D7,A2:B7)”，按【Enter】键确认。
计算指定时间序列上检测到的重复模式的长度
九十一、返回预测结果的统计信息（FORECAST.ETS.STAT函数）：
FORECAST.ETS.STAT函数用于返回时间序列上的预测结果的统计信息
语法是：“=FORECAST.ETS.STAT( values, timeline, statistic_type, [seasonality],[data completion], [aggregation] )”。
参数：values是一组已知的历史值。
timeline与历史值相对应的一组日期（或时间）序列。
statistic_type是要求的统计值类型。
1：ETS算法的Alpha参数，值越高，最近的数据点权重越高；
2：ETS算法的Beta参数，值越高，最近趋势的权重越高；
3：ETS算法的Gamma参数，值越高，最近的季节性周期的权重越高；
4：MASE指标，平均绝对标度误差指标——预测准确性的度量值；
5：SMAPE指标，对称平均值绝对百分比错误指标——基于百分比误差的准确性度量值；
6：MAE指标，绝对平均误差指标，衡量预测与最终结果有多接近；
7：RMSE指标，均方根误差指标，衡量预测值和观察值之间的差异的一种指标；
8：检测到的步长，在提供的日期（或时间）系列中的检测到的步长。
seasonality是指示数据的季节性质的一个参数。
data completion是日期（或时间）序列中遗漏数据的补充方式的参数。
aggregation是具有相同日期（或时间）的数据的计算方式。
例：计算表中参数的预测值的统计信息。
1）在E2的单元格插入函数：“=FORECAST.ETS.STAT(C2:D7,A2:B7,2)”，按【Enter】键确认；
2）在E3的单元格插入函数：“=FORECAST.ETS.STAT(C2:D7,A2:B7,4)”，按【Enter】键确认；
3）在E4的单元格插入函数：“=FORECAST.ETS.STAT(C2:D7,A2:B7,5)”，按【Enter】键确认；
4）在E5的单元格插入函数：“=FORECAST.ETS.STAT(C2:D7,A2:B7,6)”，按【Enter】键确认；
5）在E6的单元格插入函数：“=FORECAST.ETS.STAT(C2:D7,A2:B7,7)”，按【Enter】键确认；
6）在E7的单元格插入函数：“=FORECAST.ETS.STAT(C2:D7,A2:B7,8)”，按【Enter】键确认。
返回预测结果的统计信息
九十二、使用线性回归法预测未来值（FORECAST.LINEAR函数）：
FORECAST.LINEAR函数用于根据根据现在值产生的等差序列（线性回归法）来计算或预测未来值。
语法是：“=FORECAST.LINEAR( x, known_y’s, known_x’s )”。
参数：x是要预测未来值的数据。
known_y’s是相依的数组或数据区域。
known_x’s是独立的数组或数据区域。方差不能为0。
例：计算表中参数的预测值。
在C4的单元格插入函数：“=FORECAST.LINEAR(C2,A2:A7,B2:B7)”，按【Enter】键确认。
