Методы прогнозування обсягів продаж

Міністерство науку й освіти Украины.

Запорізький державний университет.

Кафедра економічної кибернетики.

КУРСОВА РОБОТА.

на тему.

МЕТОДИ ПРОГНОЗИРОВАНИЯ.

ОБЪЕМОВ ПРОДАЖ.

Виконала Студентка групи 5120−1 4-го курсу факультету экономического.

Малєва Світлана Викторовна.

/Ф.И.О./.

Прийняла Науковий керівник доцент кафедры.

економічної кибернетики.

Максишко Наталя Константиновна.

/Ф.И.О., вчений ступінь і звание/.

Реєстраційний номер_________.

Дата_________.

Подпись_________.

р. Запорожье.

РЕФЕРАТ.

Курсова робота: 31 сторінок, 5 таблиці, 3 малюнка, 10 источников.

Об'єкт дослідження — методи прогнозування обсягів продаж.

Мета цієї роботи — викласти в систематизованому вигляді методи прогнозування обсягу продажу, найбільш уживані у економічній практиці. Головне увагу роботі звернуто на прикладне значення аналізованих методів, економічний тлумачення та інтерпретування отриманих результатів, а чи не пояснення математико-статистического апарату, який докладно висвітлюється у спеціальній литературе.

Метод дослідження — описовий, сравнительный.

У виконання даної праці були розглянуті основні методи прогнозування обсягів продажу, їх класифікація, етапи проведення та анализа.

ПРОГНОЗ, ТРЕНД, ЦИКЛІЧНІ КОЛИВАННЯ, СЕЗОННІ КОЛИВАННЯ, КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛІЗ, ЩО ВЕДУТЬ ИНДИКАТОРЫ.

ЗАПРОВАДЖЕННЯ 3.

1 КЛАСИФІКАЦІЯ МЕТОДІВ ПРОГНОЗУВАННЯ ПРОДАЖІВ 3.

2 МЕТОДИ ЕКСПЕРТНИХ ОЦІНОК 3.

3 АНАЛІЗ ТИМЧАСОВИХ РЯДІВ 3.

4 СЕЗОННІ КОЛИВАННЯ 3.

5 ЦИКЛІЧНІ КОЛИВАННЯ 3.

6 КАЗУАЛЬНЫЕ МЕТОДИ ПРОГНОЗУВАННЯ 3.

ВИСНОВКИ 3.

СПИСОК ВИКОРИСТОВУВАНИХ ИСТОЧНИКОВ 3.

Процес управління підприємством є безперервну розробку управлінських рішень та застосування практично. Від ефективності розробки цих рішень на значною мірою залежить успіх справи. І як починати якесь справа, необхідно визначити мета своїх дій. У процесі виробництва керівникам підприємства дуже найчастіше доводиться мати справу з критичними проблемами, і зажадав від того скільки оптимально своє рішення, залежатиме кінцевий фінансовий результат діяльності предприятия.

Потреба рішенні виникає лише за наявності проблеми, що у загальному, вигляді характеризується двома станами — заданим (бажаним) і фактичним (прогнозованим), що саме прогнозування буде відправною точкою у процесі управлінського рішення. Неузгодженість між цими станами зумовлює необхідність вироблення — управлінського рішення й контролю над його реализацией.

Мета цієї роботи — викласти в систематизованому вигляді методи прогнозування обсягу продажу, найбільш уживані у економічній практиці. Головне увагу роботі звернуто на прикладне значення аналізованих методів, економічний тлумачення та інтерпретування отриманих результатів, а чи не пояснення математико-статистического апарату, який докладно висвітлюється у спеціальній литературе.

Щоб прогнозування було б найбільш ефективним, мети повинні прагнути бути конкретними і вимірними. Тобто кожної мети має існувати критерії, яка б оцінити рівень досягнення цієї мети. Без цих критеріїв неможлива реалізація однією з основних функцій управління — контролю. Виходячи з цього, можна дійти невтішного висновку, що мета, ступінь досягнення яких можна кількісно виміряти, завжди буде краще мети, сформульованої лише словесно (вербально).

Прогнозування — це свого роду вміння передбачити, аналіз ситуації та очікуваного ходу неї і зміни у майбутньому. Оскільки кожне рішення — це проекція у майбутнє, а майбутнє - містить елемент невизначеності, те важливо вірно знайти ступінь ризиків, з якими пов’язана реалізація прийнятих решений.

1 КЛАСИФІКАЦІЯ МЕТОДІВ ПРОГНОЗУВАННЯ ПРОДАЖ.

Найпростіший спосіб прогнозування ринкової ситуації є екстраполяція, тобто. поширення тенденцій, сформованих у минулому, на майбутнє. Сформовані об'єктивні тенденції зміни економічних показників певною мірою визначають їхньої величини у майбутньому. До до того ж багато до ринкових процесів мають деякою инерционностью. Особливо виявляється в короткостроковому прогнозуванні. У той самий час прогноз на віддалений період повинен максимально брати до уваги ймовірність зміни умов, у яких функціонуватиме рынок.

Методи прогнозування обсягу продажу можна розділити втричі основні группы:

— методи експертних оценок;

— методи аналізу та прогнозування тимчасових рядов;

— казуальные (причинно-наслідкові) методы.

Методи експертні оцінки грунтуються на суб'єктивної оцінці поточного моменту і перспективи розвитку. Ці методи доцільно використовуватиме кон’юнктурних оцінок, особливо у випадках, коли неможливо отримати безпосередню інформацію якесь явище чи процессе.

Друга й третя групи методів засновані на аналізі кількісних показників, але де вони істотно відрізняється друг від друга.

Методи аналізу та прогнозування динамічних рядів пов’язані з дослідженням ізольованих друг від друга показників, кожен із яких і двох елементів: з прогнозу детермінованою компоненти і прогнозу випадкової компоненти. Розробка першого прогнозу технічно нескладне значних труднощів, якщо визначено основну тенденція розвитку та можлива її подальша екстраполяція. Прогноз випадкової компоненти складніше, оскільки її появу можна оцінити лише із певною вероятностью.

У основі казуальних методів лежить спроба знайти чинники, що визначають поведінка прогнозованого показника. Пошук цих факторів наводить власне до экономико-математическому моделювання — побудові моделі поведінки економічного об'єкта, котра враховує розвиток взаємозалежних явищ і процесів. Слід зазначити, що «застосування багаточинникового прогнозування вимагає розв’язання складної проблеми вибору чинників, яка може бути вирішена суто статистичним шляхом, а пов’язана з необхідністю глибокого вивчення економічного змісту аналізованого явища чи процесу. І тут важливо наголосити примат економічного аналізу перед суто статистичними методами вивчення процесса.

Кожна з розглянутих груп методів має певними достоїнствами й недоліками. Їх застосування ефективніше в короткостроковому прогнозуванні, оскільки вони у певною мірою спрощують реальні процеси та не за рамки уявлень сьогодні. Слід забезпечувати одночасне використання кількісних і якісних методів прогнозирования.

Розглянемо докладніше сутність деяких методів прогнозування обсягу продажів, можливості їх використання їх у маркетинговому аналізі, і навіть необхідні вихідні дані і тимчасові ограничения.

2 МЕТОДИ ЕКСПЕРТНИХ ОЦЕНОК.

Прогнози обсягу продажу з допомогою експертів можна отримати лише у із трьох форм:

1) точечної прогноза;

2) интервального прогноза;

3) прогнозу розподілу вероятностей.

Точковий прогноз обсягу продажу — це прогноз конкретної цифри. Він є найпростішим із усіх прогнозів, оскільки містить найменший обсяг інформації. Зазвичай, заздалегідь передбачається, що точковий прогноз то, можливо помилковим, але методикою не передбачено розрахунок помилки прогнозу чи ймовірності точного прогнозу. Тому на згадуваній практиці частіше застосовуються два інших методу прогнозування: интервальный і вероятностный.

Интервальный прогноз обсягу продажу передбачає встановлення кордонів, всередині яких перебувати прогнозоване значення показника з заданим рівнем значимості. Прикладом є затвердження типу: «У майбутньому року обсяг продажу становитиме від 11 до 12,4 млн. грн.».

Прогноз розподілу ймовірностей пов’язані з визначенням ймовірності влучення фактичного значення показника до однієї з кількох груп з встановленими інтервалами. Прикладом може бути прогноз типа:

|Объём продажів |Можливість | |компанії, млн. | | |грн. | | |1,35 — 1,5 |0,25 | |1,51 — 1,7 |0,5 | |1,71 — 2,01 |0,25 |.

Хоча за складанні прогнозу існує певна ймовірність, що фактичний обсяг продажу не потрапить у зазначений інтервал, але прогнозисти вірять, що вона настільки мале, що може свідчити ігноруватися при планировании.

Інтервали, враховують низький, середній і високий рівень продажів, іноді називають песимістичними, найбільш імовірними і оптимістичними. Звісно, розподіл ймовірностей то, можливо представлено великим кількістю груп, та найчастіше використовуються три зазначених групи интервалов.

Для виявлення спільної думки експертів необхідно одержати даних про прогнозних значеннях від кожної експерта, та був зробити розрахунки, використовуючи систему зважування індивідуальних значень по якомусь критерію. Відомі чотири методу зважування різних мнений:

1) використання рівних терезів, якщо експерти, як вважають дослідники, мають однакові компетентности;

2) використання терезів, пропорційних ступеня «важливості» експертів, відповідної їх компетентності, популярності в науковому світі, досвіду у певній галузі діяльності і т.п.;

3) використання терезів, пропорційних самооценкам экспертов.

Є свідчення наявності прямого зв’язку між рівнем самооцінки компетентності експертів і точністю експертних оценок;

4) використання терезів, пропорційних відносної точності останніх прогнозів конкретного эксперта.

Вибір методу залишається поза дослідником і від конкретної ситуації. Жоден їх може бути рекомендований від використання в будь-який ситуации.

Уникнути проблеми зважування індивідуальних прогнозів експертів і спотворює впливу відзначених небажаних чинників дозволяє Дельфіметод. Його основу становить робота з зближенню точок зору експертів. Усіх експертів ознайомлять із оцінками і обгрунтуваннями інших експертів і дають можливість покращити своє оценку.

3 АНАЛІЗ ТИМЧАСОВИХ РЯДОВ.

Друга ж група методів прогнозування полягає в аналізі тимчасових рядов.

Таб. 1 представляє тимчасової ряд за показником споживання безалкогольного напою «Тархун» в декалітрах (дав) у одному з регіонів починаючи з 1993 р. Аналіз часових рядів можна проводити як по річним чи місячним даним, але й можна використовувати щоквартальні, тижневі чи щоденні дані обсяги продажів. Для розрахунків був використаний програмний продукт Statistica 5.0 for Windows.

Таблиця 1.

Щомісячне споживання безалкогольного напою «Тархун».

в 1993—1999 рр. (тис. дал).

|Месяц |1993 г.|1994 г.|1995 г.|1996 г.|1997 г.|1998 г.|1999 р. | |Січень |6,702 |7,206 |7,722 |7,925 |8,401 |8,485 |8,848 | |Лютий |6,631 |6,934 |7,287 |7,374 |7,797 |8,382 |8,753 | |Березень |8,457 |9,099 |8,744 |8,940 |10,238 |10,563 |11,155 | |Квітень |8,456 |9,110 |9,334 |9,769 |10,406 |10,937 |10,898 | |Травень |9,100 |10,038 |10,162 |10,126 |11,217 |10,998 |11,917 | |Червень |10,586 |10,491 |10,270 |9,772 |11,891 |12,587 |12,955 | |Липень |10,593 |9,830 |11,482 |11,371 |11,971 |12,557 |12,131 | |Август |10,479 |10,392 |10,987 |11,896 |11,057 |11,976 |12,752 | |Вересень |9,044 |8,947 |9,313 |10,511 |10,490 |10,906 |11,016 | |Жовтень |7,837 |8,312 |9,171 |9,944 |9,701 |9,720 |10,493 | |У листопаді |7,855 |8,096 |8,264 |8,853 |8,794 |9,560 |9,832 | |Грудень |8,115 |8,331 |8,312 |9,312 |9,638 |9,745 |9,355 | |Разом |103,853|106,786|111,049|115,793|121,601|126,416|130,106 |.

За даними таб. 1 побудуємо графік споживання напою «Тархун» в 1993 — 1999 рр. (рис. 1), де на кількох осі абсцис представлені дати спостереження, на осі ординат — обсяги споживання напитка.

Рис. 1: Щомісячне споживання напою «Тархун».

в 1993—1999 рр. (тис. дол.).

Прогнозування з урахуванням аналізу часових рядів передбачає, що які відбуваються зміни у обсягах продажів можна використовувати для визначення цього у наступні періоди часу. Тимчасові ряди, як ті, що наведені у таблиці 1, зазвичай служать до розрахунку чотирьох різних типів змін — у показниках: трендовых, сезонних, циклічних і случайных.

Тренд — це й зміна, що б загальне напрям розвитку, основну тенденцію часових рядів. Виявлення основний тенденції розвитку (тренду) називається вирівнюванням тимчасового низки, а методи виявлення основний тенденції - методами выравнивания.

Одне з найпростіших прийомів виявлення загальну тенденцію розвитку явища — укрупнення інтервалу динамічного низки. Сенс цієї прийому у тому, що початковий ряд динаміки перетвориться і замінюється іншим, рівні якого ставляться до великим за тривалістю періодам часу. Приміром, місячні дані таб. 1 може бути перетворені на ряд річних даних. Графік щорічного споживання напою «Тархун», наведений на рис. 2, показує, споживання зростає з кожним роком протягом досліджуваного періоду. Тренд в споживанні є характеристикою щодо стабільного темпу зростання показника за период.

Рис. 2. Щорічне споживання напою «Тархун» в 1993—1999 гг.

(тис. дал).

Виявлення основний тенденції можна також методом ковзної середньої. Для визначення ковзної середньої формуються укрупнені інтервали, які з однакового числа рівнів. Кожен наступний інтервал отримуємо, поступово пересуваючись від початкового рівня динамічного низки одне значення. По сформованим укрупненим даним розраховуємо що сковзають середні, які належать до середині укрупненного интервала.

Порядок розрахунку що ковзають середніх споживанням напою «Тархун» в 1993 р. приведено у таб. 2. Аналогічний розрахунок може відбутися з урахуванням всіх даних за 1993—1999 гг.

Таблиця 2.

Розрахунок що ковзають середніх за даними за 1993 р. |Місяць |Обсяг споживання (тис. |Що Сковзають суми |Що Сковзають середні| | |дав) | | | |Січень |6,702 |- |- | |Лютий |6,631 |21,790 |7,263 | |Березень |8,457 |23,755 |7,848 | |Квітень |8,456 |26,013 |8,671 | |Травень |9,100 |28,142 |9,381 | |Червень |10,586 |30,279 |10,093 | |Липень |10,593 |31,658 |10,553 | |Август |10,479 |30,116 |10,039 | |Вересень |9,044 |27,360 |9,120 | |Жовтень |7,837 |24,736 |8,245 | |У листопаді |7,855 |23,807 |7,935 | |Грудень |8,115 |- |- |.

У разі розрахунок ковзної середньої дозволяє зробити висновок про сталу тенденцію в споживанні напою «Тархун», оскільки у неї впливає внутригодовое сезонне коливання, що може бути усунуто лише при розрахунку що ковзають середніх за год.

Вивчення основний тенденції розвитку методом ковзної середньої є емпіричним прийомом попереднього аналізу. Щоб дати кількісну модель змін динамічного низки, використовується метод аналітичного вирівнювання. І тут фактичні рівні низки замінюються теоретичними, розрахованими за визначеною кривою, що відбиває загальної тенденції зміни показників у часі. Отже, рівні динамічного низки розглядаються як функція времени:

[pic][pic].

Найчастіше можна використовувати такі функции:

1) при рівномірному розвитку — лінійна функція: [pic];

2) у разі зростання з прискоренням: a) парабола другого порядку: [pic]; b) кубічна парабола: [pic];

3) за постійних темпи зростання — показова функція: [pic];

4) за незначного зниження з уповільненням — гіперболічна функція: [pic].

Проте аналітичне вирівнювання містить у собі ряд умовностей: розвиток явищ зумовлено як тим, скільки часу відбулося з відправного моменту, чи тим, які сили впливали в розвитку, що не напрямку і з яким інтенсивністю. Розвиток явищ у часі виступає як зовнішнє вираз цих сил.

Оцінки параметрів [pic] перебувають методом найменших квадратів, сутність якої є знаходженні таких параметрів, у яких сума квадратів відхилень розрахункових значень рівнів, вирахуваних по шуканої формулі, від своїх фактичних значень було б минимальной.

Для згладжування економічних часових рядів недоцільно використовувати функції, містять дуже багато параметрів, оскільки отримані в такий спосіб рівняння тренду (особливо в малому числі спостережень) відображатимуть випадкові коливання, а чи не основну тенденцію розвитку явления.

Підбір виду функції, яка описує тренд, параметри якої визначаються методом найменших квадратів, виробляється у вона найчастіше емпірично, через побудову низки функцій і порівняння їхніх між собою по величині среднеквадратической ошибки.

Різниця між фактичними значеннями низки динаміки та її выровненными значеннями [pic] характеризує випадкові коливання (іноді їх називають залишкові коливання чи статистичні перешкоди). У деяких випадках останні поєднують тренд, циклічні вагання і сезонні колебания.

Среднеквадратическая помилка, розрахована за річним даним споживання напою «Тархун» для рівняння прямий (рис. 1), становила 1,028 тис. дав. З среднеквадратической помилки можна розрахувати граничну помилку прогнозу. Щоб гарантувати результат з ймовірністю 95%, використовується коефіцієнт, рівний 2; а ймовірності 99% цей коефіцієнт збільшиться до 3. Отже, ми можемо гарантувати з ймовірністю 95%, що міра споживання 2000 р. становитиме 134,882 тис. дав. плюс (мінус) 2,056 тис. дал.

Розрахунки за підбором функцій, що описують обсяг споживання напою «Тархун» в окремі місяці з 1993 р. по 1999 р., показали, що жодне з перелічених рівнянь не адресований прогнозування цей показник. В усіх випадках пояснена варіація не перевищила 28,8%.

4 СЕЗОННІ КОЛЕБАНИЯ.

Сезонні коливання — повторювані рік у рік зміни показника у визначені часові відтинки. Спостерігаючи їх протягом кілька років для кожного місяці (чи кварталу), можна визначити відповідні середні, чи медіани, затверджені за характеристики сезонних колебаний.

Під час перевірки щомісячних даних із таб. 1 можна знайти, що пік споживання напою посідає літні місяці. Обсяг внутрішнього продажу дитячому взутті в період до початку учбового року, споживання свіжих овочів і фруктів відбувається восени, підвищення обсягів будівельних робіт — влітку, збільшення закупівельних і роздрібних ціни сільськогосподарські продукти — в зимовий період, і т.п. Періодичні коливання у торгівлі можна знайти й протягом тижня (наприклад, перед вихідними днями збільшується продаж окремих продуктів харчування), і протягом будь-якої тижня місяці. Однак значні сезонні коливання спостерігаються у визначені місяці року. При аналізі сезонних коливань зазвичай розраховується індекс сезонності, який використовується для прогнозування досліджуваного показателя.

У самій простий формі індекс сезонності розраховується як ставлення середній рівень за відповідний місяць до спільного середньому значенням показника протягом року (у відсотках). Всі інші відомі методи розрахунку сезонності різняться за способом розрахунку вирівняної середньої. Найчастіше використовуються або ковзна середня, або аналітична модель прояви сезонних колебаний.

Більшість методів припускає використання комп’ютера. Щодо простим методом розрахунку індексу сезонності є метод центрированной ковзної середньої. Щоб його проілюструвати, припустимо, що спочатку 1999 р. ми хотіли розрахувати індекс сезонності для споживання напою «Тархун» у червні 1999 р. Використовуючи метод ковзної середньої, ми мала б послідовно здійснити такі этапы:

1) вирішити, дані почому років мають стояти до уваги. Можна також використовувати дані протягом року, але для більшої достовірності розрахунків краще використовувати дані про крайнього заходу два роки, і якщо сезонні коливання значні, — на більш. Використовуємо в прикладі дані двох лет;

2) розрахувати середній обсяг продажу протягом місяця за даними 13 місяців, котрим червень 1998 р. лежать у середині низки. Використання 13 місяців дозволяє центрировать місяць, котрій здійснюються розрахунки. У прикладі середня розраховуватиметься за такою формулою середньої хронологічної за такими даним (з грудня 1996 р. до грудня 1997 г.):

[pic].

3) розрахувати індекс сезонності для червня 1997 р. як ставлення обсягу продажу у червні 1997 р. саме до середнього обсягу протягом місяця протягом досліджуваного периода:

[pic].

4) повторити етапи 2 і трьох для червня 1998 р. Розрахунковий індекс при цьому місяці дорівнюватиме 119,5;

5) визначити середній індекс у червні за даними за 1997 р. і 1998 р. за такою формулою простий арифметической:

[pic].

6) розрахувати відповідні індекси всім месяцев;

7) узагальнити даних про силі колеблемости показників динамічного низки через їх сезонного характеру. У цьому використовується середнє квадратическое відхилення індексів сезонності (у відсотках) от.

100%:

[pic].

Порівняння середніх квадратических відхилень, вирахуваних за різні періоди часу, показує зрушення в сезонності (зростання свідчить про збільшенні сезонності споживання напою «Тархун»).

Іншим методом розрахунку індексів сезонності, часто які у різноманітних економічних дослідженнях, є метод сезонної коригування, відомий у комп’ютерних програмах як засіб перепису (Census Method II). Він є свого роду модифікацією методу що ковзають середніх. Спеціальна комп’ютерна програма елімінує трендовую і циклічну компоненти, використовуючи ціле пасмо що ковзають середніх. Крім з середніх сезонних індексів віддалені і випадкові коливання, оскільки під медичним наглядом перебувають крайні значення признаков.

Розрахунок індексів сезонності є першою етапом у складанні прогнозу. Зазвичай цей розрахунок проводиться разом із оцінкою тренду і випадкових коливань і дозволяє коригувати прогнозні значення показників, отриманих по тренду. У цьому необхідно враховувати, що сезонні компоненти може бути аддитивными і мультипликативными. Наприклад, кожен рік у літні місяці продаж безалкогольних напоїв поповнюється 2000 дав, в такий спосіб, у ці місяці до існуючим прогнозам необхідно додавати 2000 дав, щоб врахувати сезонні коливання. І тут сезонність аддитивна. Проте впродовж літніх місяців продаж безалкогольних напоїв може збільшуватися на 30%, тобто коефіцієнт дорівнює 1,3. І тут сезонність носить мультиплікативний характер, чи інакше кажучи, мультиплікативний сезонний компонент дорівнює 1,3.

У таб. 3 наведено розрахунки індексів і внутрішніх чинників сезонності методами перепису і центрированной ковзної средней.

Таблиця 3.

Індекси сезонності обсягу продажу напою «Тархун», розраховані за даними за 1993—1999 рр. |Місяці |Індекси | |Чинники | | | |сезонності| |сезонності| | | |(мультипли| |(аддитивна| | | |кативная | |я модель),| | | |модель), | |рассчитанн| | | |рассчитанн| |ые | | | |ые | | | | | |По центр. |За методом |По центр. |За методом | | |скользящей|переписи |скользящей|переписи | | |середньої |(Census |середньої |(Census | | | |Method II)| |Method II)| |Січень |82,81 |82,46 |-1,647 |-1,691 | |Лютий |79,26 |78,93 |-2,017 |-2,033 | |Березень |99,81 |99,37 |-0,011 |-0,062 | |Квітень |102,16 |101,62 |0,242 |0,151 | |Травень |108,74 |108,18 |0,878 |0,784 | |Червень |115,99 |115,10 |1,440 |1,467 | |Липень |118,74 |116,89 |1,754 |1,636 | |Август |116,54 |115,96 |1,555 |1,551 | |Вересень |101,89 |101,91 |0,259 |0,191 | |Жовтень |93,98 |94,22 |-0,531 |-0,560 | |У листопаді |88,60 |88,33 |-1,112 |-1,152 | |Грудень |91,49 |90,36 |-0,809 |-0,959 |.

Дані таб. 3 характеризують природу сезонності споживання напою «Тархун»: в літні місяці обсяг споживання зростає, а зимові - падає. Причому дані обох методів — перепису і центрированной ковзної середньої - дають практично однакові результати. Вибір методу визначається залежно від помилки прогнозу, яку згадувалося выше.

Отже, індекси, чи чинники, сезонності можуть бути враховані при прогнозуванні обсягів продажу через коригування трендового значення прогнозованого показника. Наприклад, припустимо, що було зроблено прогноз на червень 1999 р. методом ковзної середній і він становив 10,480 тис дав. Індекс сезонності у червні (методом перепису) дорівнює 115,1. Отже, остаточний прогноз для червня 1999 р. составит:

[pic] тис. дал.

Якби досліджуваному інтервалі часу коефіцієнти рівняння регресії, яке описує тренд, залишалися б незмінними, то тут для побудови прогнозу вистачило б використовувати метод найменших квадратів. Проте впродовж досліджуваного періоду коефіцієнти можуть змінюватися. Природно, що у такі випадки пізніші спостереження несуть велику інформаційну цінність проти більш ранніми спостереженнями, отже, їм потрібне привласнити найбільший вагу. Саме такою принципам й відповідає метод експоненційного згладжування, що може бути використаний короткострокового прогнозування обсягу продажу. Розрахунок здійснюється з допомогою экспоненциально-взвешенных що ковзають средних:

[pic][pic] де Z — згладжений (експонентний) обсяг продажу; t — період времени;

[pic] - константа сглаживания;

[pic] - фактичний обсяг продаж.

Послідовно використовуючи цієї формули, експонентний обсяг продажу [pic] можна сформулювати через фактичні значення обсягу продажу Y:

[pic] де SO — початкова значення експоненційною средней.

При побудові прогнозів з допомогою методу експоненційного згладжування однією з основних проблем є вибір оптимального значення параметра згладжування a. Зрозуміло, що з різних значеннях a результати прогнозу будуть різними. Якщо a близька до одиниці, це призводить до обліку у передбаченні переважно впливу лише останніх спостережень; якщо a близька до нулю, то ваги, якими зважуються обсяги продажу в часі ряду, убувають повільно, тобто. за прогнозу враховуються все (чи вводити майже все) спостереження. Якщо ні достатньої впевненості у виборі початкових умов прогнозування, можна використовувати ітеративний спосіб обчислення a в інтервалі [0;1]. Існують спеціальні комп’ютерні програми для визначення цієї константи. Результати підрахунків обсягу продажу напою «Тархун» методом експоненційного згладжування наведено на рис. 3.

На графіці видно, що вирівняний ряд досить точно відтворює фактичні дані обсягу продажу. У цьому за прогнозу враховуються дані всіх попередніх спостережень, ваги, якими зважуються рівні тимчасового низки, убувають повільно, a=0,032.

Кількісні значення прогнозних показників обсягу продажу напою «Тархун» 2000 р., отримані з допомогою методу експоненційного згладжування, наведені у таб. 4.

(фактичний ряд) (выравненный ряд) (залишковий ряд).

Рис. 3. Графік результатів експоненційного сглаживания.

Таблиця 4.

Прогнозований обсяг продажу напою «Тархун» 2000 р. |Місяць |Прогноз, |Місяць |Прогноз,|Месяц |Прогноз, | | |тис. дав | | | |тис. дав | | | | |тыс.дал | | | |Січень |9,380 |Квітень |11,369 |Липень |12,898 | |Лютий |9,046 |Травень |12,030 |Август |12,799 | |Березень |11,080 |Червень |12,617 |Вересень |11,537 |.

У таб. 4 наведено в повному обсязі прогнозні дані за 2000 р., що зумовлено залежністю між кількістю вихідних даних, і можливим кількістю прогнозованих данных.

Узагальнюючи результати прогнозування з допомогою методів часових рядів, необхідно оцінити точність розрахунків, виходячи з яких можна зробити висновок про апроксимуючої здібності моделей. Щоб продемонструвати можливості всіх методів прогнозування часових рядів розглянемо, наскільки точно були передбачені обсяги продажів 1999 р., і порівняємо розрахункові дані з фактично отриманими. Відповідні розрахунки наведені у таб. 5.

Дані таб. 5 показують, що це методи прогнозування дають приблизно однакові результати з помилкою, яка перевищує 5%. Отже, кожній із цих методів можна використовувати для прогнозування обсягу продажу фірми в будущем.

Таблиця 5.

Результати прогнозування обсягу продажу напою «Тархун» 2000 р. |Місяць |Факти-|Центри| | | |Метод | |Экспоненци| | | |ческие|рованн| | | |перепи| |альное | | | |данные|ая | | | |сі | |сглаживани| | | | |скольз| | | |(Мульт| |е | | | | |ящая | | | |иплика| | | | | | |средня| | | |тивная| | | | | | |я | | | |модель| | | | | | | | | | |) | | | | | | |Мульти| |Аддити| | | | | | | | |пликат| |вная | | | | | | | | |ивная | |модель| | | | | | | | |модель| | | | | | | | | | |прогно|% |прогно|% |прогно|% |прогноз |% | | | |із |ошибок|з |ошибок|з |ошибок|(аддитивна|ошибки| | | | | | | | | |я модель) | | |Січень |8,848 |8,962 |1,29 |9,016 |1,90 |8,80 |0,36 |9,018 |1,92 | |Лютий |8,753 |8,646 |-1,22 |8,743 |-0,11 |8,567 |-2,12 |8,678 |-0,85 | |Березень |11,155|10,934|-1,98 |10,864|-2,61 |10,818|-3,02 |10,714 |3,95 | |Квітень |10,898|11,179|2,57 |11,205|2,82 |11,119|2,03 |11,017 |1,09 | |Травень |11,917|11,834|-0,7 |11,878|-0,33 |11,766|-1,27 |11,674 |-2,04 | |Червень |12,955|12,562|-3,03 |12,466|-3,77 |12,509|-3,44 |12,270 |-5,29 | |Липень |12,131|12,750|5,10 |12,682|-2,11 |12,633|4,14 |12,572 |-2,96 | |Август |12,752|12,589|-1,28 |12,488|-2,07 |12,597|-1,22 |12,459 |2,70 | |Сентябрь|11,016|11,090|0,67 |11,152|1,23 |11,091|0,68 |11,207 |1,73 | |Жовтень |10,493|10,283|-2,00 |10,340|-1,46 |10,131|-3,45 |10,439 |-0,51 | |У листопаді |9,832 |9,594 |-2,42 |9,599 |-2,37 |9,869 |3,76 |9,894 |0,63 | |Грудень |9,354 |9,855 |5,36 |9,822 |5,00 |9,238 |-1,24 |10,222 |9,28 | |Разом |130,10|130,29|+2,73 |130,25|+2,51 |129,21|+2,6 |130,16 |3,64 |.

Статистичні таблиці, що характеризують сезонність споживання напою «Тархун», можуть дополниться графіками, що дозволяє підкреслити сезонний характер вихідних даних, і провести сравнение.

5 ЦИКЛІЧНІ КОЛЕБАНИЯ.

Обсяги продажів більшості компаній показують значно більші коливання, ніж, що представлені у таб. 1. Вони й зростають падають в залежність від загальної ситуації у бізнесі, рівня попиту продукти, вироблені компаніями, діяльності від конкурентів і інших чинників. Коливання, відбивають кон’юнктурні цикли переходу з більш більш-менш сприятливою ринкової ситуації до кризи, депресії, пожвавленню і знову до сприятливою ситуації, називаються циклічними коливаннями. Існують різні класифікації циклів, їх послідовність і тривалості. Наприклад, виділяються двадцятирічні цикли, зумовлені зрушеннями в воспроизводственной структурі сфери виробництва; цикли Джанглера (7 — 10 років), виявляються як підсумок взаємодії грошово-кредитних чинників; цикли Катчина (3 — 5 років), зумовлені динамікою оборотності запасів; приватні господарські цикли (від 1 до 12 років), зумовлені коливаннями інвестиційної активности.

Методика виявлення циклічності ось у чому. Відбираються ринкові показники, виявляють найбільші коливання, і будуються їх динамічні ряди за максимально термін. У кожному їх виключається тренд, і навіть сезонні коливання. Залишкові ряди, відбивають лише кон’юнктурні або суто випадкові коливання, стандартизируются, тобто. наводяться одного знаменника. Потім розраховуються коефіцієнти кореляції, що характеризують взаємозв'язок показників. Багатовимірні зв’язку розбиваються на однорідні кластерні групи. Завдані на графік кластерні оцінки повинні показати послідовність зміни основних ринкових процесів і рух по фазам кон’юнктурних циклов.

6 КАЗУАЛЬНЫЕ МЕТОДИ ПРОГНОЗИРОВАНИЯ.

Казуальные методи прогнозування обсягу продажу включають розробку й використання прогнозних моделей, у яких зміни у рівні продажів результат зміни однієї й більш переменных.

Казуальные методи прогнозування вимагають визначення факторних ознак, оцінки їхньої змін встановлення залежності з-поміж них і обсягом продажів. З усіх казуальних методів прогнозування розглянемо ті, що з найбільшим ефектом можна використовувати для прогнозування обсягу продажу. До таких методам относятся:

1) корреляционно-регрессионный анализ;

2) метод провідних индикаторов;

3) метод обстеження намірів споживачів і др.

До найширше використовуваних казуальних методів належить корреляционно-регрессионный аналіз. Техніка цього аналізу досить докладно розглянута переважають у всіх статистичних довідниках і підручниках. Розглянемо лише можливості цього стосовно прогнозуванню обсягу продаж.

Можливо побудована регрессионная модель, у якій як факторних ознак може бути обрані такі перемінні, і рівень доходів споживачів, на продукти конкурентів, Витрати рекламу і ін. Рівняння множинної регресії має вид:

[pic] де Y — прогнозований (результативний) показник; у разі - обсяг продаж;

[pic] - чинники (незалежні перемінні); у разі - рівень доходів споживачів, на продукти від конкурентів і т.д.; n — кількість незалежних переменных;

[pic] - вільний член рівняння регрессии;

[pic] - коефіцієнти регресії, котрі вимірюють відхилення результативного ознаки з його середнього розміру при відхиленні факторного ознаки на одиницю його измерения.

Послідовність розробки регресійної моделі для прогнозування обсягу продажу входять такі этапы:

1) попередній відбір незалежних чинників, котрі за переконання дослідника визначають обсяг продажу. Ці чинники мають бути або відомі (наприклад, при прогнозуванні обсягу продажу кольорових телевізорів (результативний показник) як факторного ознаки може бути число кольорових телевізорів, що у експлуатацію у час); або легко обумовлені (наприклад, співвідношення ціни на всі досліджуваний продукт фірми з цінами конкурентов);

2) збір даних із незалежним змінним. У цьому будується тимчасової ряд в кожному чиннику або збираються дані про деякою сукупності (наприклад, сукупності підприємств). Інакше кажучи, необхідно, щоб кожна незалежна змінна була представлена.

20 і більше наблюдениями;

3) визначення зв’язок між кожної незалежної перемінної і результативним ознакою. У принципі так, зв’язок між ознаками мусить бути лінійної, інакше виробляють линеаризацию рівняння шляхом заміни чи перетворення величини факторного признака;

4) проведення регресійного аналізу, тобто. розрахунок рівняння і коефіцієнтів регресії, і перевірка їх значимости;

5) повтор етапів 1 — 4 до того часу, поки що не отримана задовільна модель. Як критерію задовільності моделі може бути її здатність відтворювати фактичні дані із заданої ступенем точности;

6) порівняння ролі різних чинників у формуванні моделируемого показника. Порівняйте можна розрахувати приватні коефіцієнти еластичності, які показують, наскільки відсотків на середньому зміниться обсяг продажу за зміни чинника Xj однією відсоток при фіксованому становищі інших чинників. Коефіцієнт еластичності визначається по формуле.

[pic] де bj — коефіцієнт регресії при j-м факторе.

Регресивні моделі можна використовувати при прогнозуванні попиту на споживчі товари та засоби виробництва. У результаті проведення корреляционно-регрессионного аналізу обсягу продажу напою «Тархун» була отримана модель:

[pic] де Yt+1 — прогнозований обсяг продажу місяці (t+1);

At — видатки рекламу поточного місяця t;

Yt — обсяг продажу поточному місяці t.

Можлива наступна інтерпретація рівняння многофакторной регресії: величина обсягу продажу напою загалом збільшувалася на 2,021 тис. дав, зі збільшенням витрат за рекламу на 1 крб. обсяг продажу середньому збільшувався на 0,743 тис. дав., зі збільшенням обсягу продажу попереднього місяці 1 тис. дав обсяг продажу наступному місяці збільшувався на 0,856 тис. дал.

Провідні індикатори — це показники, изменяющиеся у тому напрямі, як і досліджуваний показник, але випереджаючі його у часі. Наприклад, зміна життя населення тягне зміну попиту деякі товари, отже, вивчаючи динаміку показників рівня життя, можна дійти висновків можливій зміні попиту ці товари. Відомо, що у розвинених країн зі збільшенням доходів зростають потреби у послугах, а країнах — в товарах тривалого пользования.

Метод провідних індикаторів частіше використовується для прогнозування змін — у бізнесі загалом, ніж для прогнозування обсягу продажу окремих компаній. Хоча можна заперечувати, що справжній рівень обсягу продажу більшості компаній залежить загальної ринкової ситуації, яка склалася регіонах та країні загалом. Тому перед прогнозуванням власного обсягу продажу фірмам це часто буває необхідно оцінити загальний рівень економічної активності у регионе.

Істотним обгрунтуванням прогнозу обсягу продажу товарів споживчого призначення можуть бути дані обстежень намірів споживачів. Вони знають власних перспективних покупки більше, ніж хтось, тому багато компаній проводять періодичні обстеження думок споживачів про готової продукції і ймовірності її купівлі майбутньому. Найчастіше ці обстеження стосуються товарів та послуг, придбання яких планується потенційними покупцями заздалегідь (зазвичай, це дорогі купівлі типу автомобіля, квартири чи путешествия).

Звісно, не можна недооцінювати корисність що така обстежень, але теж не можна нехтувати, що наміри споживачів щодо якогото товару можуть змінитися, що позначиться відхиленні фактичних даних про споживанні від прогнозных.

Отже, при прогнозуванні обсягу продажу можна використовувати все розглянуті вище методи. Природно, виникає запитання про оптимальному методі прогнозування у певній ситуації. Вибір методу пов’язаний, по крайнього заходу, із трьома обмежують условиями:

1) точність прогноза;

2) наявність необхідних вихідних данных;

3) наявність часу реалізації прогнозирования.

Якщо потрібно прогноз з точністю 5%, усі методи прогнозування, щоб забезпечити точність 10%, можуть розглядатися. Якщо ні необхідних для прогнозу даних (наприклад, дані часових рядів при прогнозуванні обсягу продажу нового продукту), то дослідник змушений звернутися до казуальним методам чи експертних оцінок. Така ситуація може виникнути у зв’язку з термінової потреби у прогнозних даних. У цьому вся разі дослідник повинен керуватися часом, наявних у його розпорядженні, усвідомлюючи, що терміновість розрахунків може зашкодити їх точности.

Слід зазначити, що мірою якості прогнозу може бути коефіцієнт, що характеризує ставлення числа подтвердившихся прогнозів до загальної кількості зроблених прогнозів. Дуже важливо було здійснювати розрахунок цього коефіцієнта за закінченні прогнозованого терміну, а під час складання самого прогнозу. І тому можна використовувати метод инверсной верифікації шляхом ретроспективного прогнозування. Це означає, що правильність прогнозної моделі перевіряється її здатністю відтворювати фактичні дані у минулому. Інших формальних критеріїв, знання яких дозволило б апріорно заявити про апроксимуючої здібності прогнозної моделі, не существует.

Прогнозування обсягу продажу — невід'ємний елемент процесу прийняття рішення; це систематична перевірка ресурсів компанії, що дозволяє більш повно використовувати її переваги та своєчасно виявляти потенційні загрози. Компанія повинна постійно ознайомитися з динамікою обсягу продажу і альтернативними можливостями розвитку ринкової ситуації про те, щоб найкраще розподіляти наявні ресурси, і вибирати найбільш доцільні напрями своєї деятельности.

ВЫВОДЫ.

Із усього вищесказаного можна дійти невтішного висновку, що з сучасних умов функціонування ринкової економіки, неможливо успішно управляти комерційної фірмою, без ефективного прогнозування її діяльності. Від того скільки прогнозування буде точним і своєчасним, і навіть відповідати поставлених проблем, залежатимуть, зрештою, прибутку, одержувані предприятием.

А, щоб ефект прогнозу був максимально корисний, необхідно створення на середніх і велику промисловість про прогнозних відділів (для підприємств створення цих відділів буде нерентабельным).

Що стосується прогнозів, вони повинні бути реалістичними, то є їх ймовірність має бути досить висока, і відповідати ресурсів предприятия.

Заради покращання якості прогнозу необхідно підвищити якість інформації, необхідної за його розробці. Цю інформацію, під час першого чергу, повинна мати такими властивостями, як достовірність, повнота, своєчасність і точность.

Оскільки прогнозування є окремої наукою, то доцільно (в міру можливості) використання кількох методів прогнозування при рішенні будь-якої проблеми. Це підвищить якість прогнозу і дозволить визначити «підводні камені», які можна незамечены при використанні лише одну методу. Слід також співвідносити отриманий прогноз з прецедентами у вирішенні цієї проблеми, коли такі мали місце при схожих умов функціонування аналогічної організації (конкурента). І за певної коригуванні, відповідно до цим прецедентом, приймати решения.

СПИСОК ВИКОРИСТОВУВАНИХ ИСТОЧНИКОВ.

1. Б. П Івченко, Л. А. Мартыщенко, І.Б. Іванцов. «Інформаційна мікроекономіка». Частина 1. Методи аналізу та прогнозування, СПб.:

«Нордмед-Издат», 1997. — 160 з. 2. Романенка І.В. Соціальне і економічне прогнозування: Конспект лекцій. — СПб.: Видавництво Михайлова В. А., 2000 р. — 64 з. 3. Прогнозування та «фінансування економіки умовах ринкових відносин. — М.: Думка, 1970. — 448 з. 4. Рябушкін Б. Т. Застосування статистичних методів у економічному аналізі та прогнозуванні. — М.: Фінанси і статистика, 1987. — 75 з. 5. Статистичне моделювання та прогнозування: під ред.

О.Г. Гранберга. — М.: Фінанси і статистика, 1990. — 382 з. 6. Грисеев Ю. П. Довгострокове прогнозування економічних процесів: -.

Київ: Наукова думка, 1987 — 131 з. 7. Шибалкин О. Ю. Проблеми та методи побудови сценаріїв соціальноекономічного розвитку. — М.: Наука, 1992 — 176 з. 8. Суворов А. В. Методи побудови макроекономічних сценаріїв соціальноекономічного розвитку// Проблеми прогнозування. — 1993. — № 4 — сс. 27;

39 9. Калініна А. В. Сучасний економічний аналіз стану та прогнозування (мікроі макрорівень): Навчальний посібник // А.В. Калініна та інших., Межрегиональная.

Академія управління персоналом, 2-ге вид. -Л.: МАУП, 1998. 10. Глущенка В. В. Прогнозування -2-ге вид., Испр. і доп. -СПб: СПГУВК,.

1999. -245 з. ———————————;

[pic].

[pic].