Реферат: Методы прогнозирования объёмов продаж

Министерство науки и образования Украины

Запорожский государственный университет

Кафедраэкономической кибернетики

/>КУРСОВАЯРОБОТА

на тему
МЕТОДЫПРОГНОЗИРОВАНИЯ
ОБЪЕМОВ ПРОДАЖ

Выполнила                                                 Студенткагруппы 5120-1IV-гокурса

факультетаэкономического

Малеева Светлана Викторовна

/Ф.И.О./

Приняла                                                Научныйруководитель доцент кафедры
экономической кибернетики

Максишко Наталья Константиновна

/Ф.И.О., учёная степень и звание/

Регистрационный номер_________

Дата_________

Подпись_________

г. Запорожье
2003

/>РЕФЕРАТ

Курсова робота: 31 страниц, 5 таблицы, 3 рисунка, 10 источников.

Объект исследования –методы прогнозирования объемов продаж.

Цель даннойработы – изложить в систематизированном виде методы прогнозирования объемапродаж, наиболее часто применяемые в экономической практике. Главное внимание вработе обращено на прикладное значение рассматриваемых методов, наэкономическое истолкование и интерпретацию получаемых результатов, а не наобъяснение математико-статистического аппарата, который подробно освещается в специальнойлитературе.

Метод исследования –описательный, сравнительный.

В ходе выполненияданной работы были рассмотрены основные методы прогнозирования объемов продаж,их классификация, этапы проведения и анализа.

ПРОГНОЗ,ТРЕНД, ЦИКЛИЧЕСКИЕ КОЛЕБАНИЯ, СЕЗОННЫЕ КОЛЕБАНИЯ, КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙАНАЛИЗ, ВЕДУЩИЕ ИНДИКАТОРЫ.

/>содержание

ВВЕДЕНИЕ… 3

1КЛАССИФИКАЦИЯ МЕТОДОВ ПРОГНОЗИРОВАНИЯ ПРОДАЖ… 3

2МЕТОДЫ ЭКСПЕРТНЫХ ОЦЕНОК… 3

3АНАЛИЗ ВРЕМЕННЫХ РЯДОВ… 3

4СЕЗОННЫЕ КОЛЕБАНИЯ… 3

5ЦИКЛИЧЕСКИЕ КОЛЕБАНИЯ… 3

6КАЗУАЛЬНЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ… 3

ВЫВОДЫ… 3

СПИСОКИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ… 3

ВВЕДЕНИЕ

Процесс управленияпредприятием представляет собой непрерывную разработку управленческих решений иприменение их на практике. От эффективности разработки этих решений взначительной степени зависит успех дела. И прежде чем начинать какое-либо дело,необходимо определить цель своих действий. В процессе производстваруководителям предприятия очень часто приходится сталкиваться с критическимипроблемами, и от того, на сколько оптимально принятое решение, будет зависетьконечный финансовый результат деятельности предприятия.

Потребность врешении возникает только при наличии проблемы, которая в общем, видехарактеризуется двумя состояниями – заданным (желаемым) и фактическим(прогнозируемым), и именно прогнозирование будет отправной точкой в процессепринятия управленческого решения. Рассогласование между этими состояниямипредопределяет необходимость выработки – управленческого решения иконтроля за его реализацией.

Цель даннойработы — изложить в систематизированном виде методы прогнозированияобъема продаж, наиболее часто применяемые в экономической практике. Главноевнимание в работе обращено на прикладное значение рассматриваемых методов,на экономическое истолкование и интерпретацию получаемых результатов, а не наобъяснение математико-статистического аппарата, который подробно освещается вспециальной литературе.

Чтобыпрогнозирование было наиболее эффективным, цели должны быть конкретными иизмеримыми. То есть для каждой цели должны существовать критерии, которыепозволили бы оценить степень достижения цели. Без этих критериев не возможнареализация одной из основных функций управления – контроля. Исходя изэтого, можно сделать вывод, что цель, степень достижения которой можноколичественно измерить, будет всегда лучше цели, сформулированной лишь словесно(вербально).

Прогнозирование –это своего рода умение предвидеть, анализ ситуации и ожидаемого хода её иизменения в будущем. Так как каждое решение – это проекция в будущее, абудущее – содержит элемент неопределенности, то важно правильно определитьстепень рисков, с которыми сопряжена реализация принятых решений.

1КЛАССИФИКАЦИЯ МЕТОДОВ ПРОГНОЗИРОВАНИЯ ПРОДАЖ

Самым простымспособом прогнозирования рыночной ситуации является экстраполяция, т.е.распространение тенденций, сложившихся в прошлом, на будущее. Сложившиесяобъективные тенденции изменения экономических показателей в известной степенипредопределяют их величину в будущем. К тому же многие рыночные процессыобладают некоторой инерционностью. Особенно это проявляется в краткосрочном прогнозировании.В то же время прогноз на отдаленный период должен максимально принимать вовнимание вероятность изменения условий, в которых будет функционировать рынок.

Методыпрогнозирования объема продаж можно разделить на три основные группы:

-    методыэкспертных оценок;

-    методыанализа и прогнозирования временных рядов;

-    казуальные(причинно-следственные) методы.

Методыэкспертных оценок основываются на субъективной оценке текущего момента иперспектив развития. Эти методы целесообразно использовать для конъюнктурныхоценок, особенно в случаях, когда невозможно получить непосредственнуюинформацию о каком-либо явлении или процессе.

Вторая и третьягруппы методов основаны на анализе количественных показателей, но онисущественно отличаются друг от друга.

Методы анализаи прогнозирования динамических рядов связаны с исследованием изолированныхдруг от друга показателей, каждый из которых состоит из двух элементов: изпрогноза детерминированной компоненты и прогноза случайной компоненты.Разработка первого прогноза не представляет больших трудностей, если определенаосновная тенденция развития и возможна ее дальнейшая экстраполяция. Прогнозслучайной компоненты сложнее, так как ее появление можно оценить лишь снекоторой вероятностью.

В основе казуальныхметодов лежит попытка найти факторы, определяющие поведение прогнозируемогопоказателя. Поиск этих факторов приводит собственно к экономико-математическомумоделированию – построению модели поведения экономического объекта,учитывающей развитие взаимосвязанных явлений и процессов. Следует отметить, чтоприменение многофакторного прогнозирования требует решения сложной проблемывыбора факторов, которая не может быть решена чисто статистическим путем, асвязана с необходимостью глубокого изучения экономического содержаниярассматриваемого явления или процесса. И здесь важно подчеркнуть приматэкономического анализа перед чисто статистическими методами изучения процесса.

Каждая израссмотренных групп методов обладает определенными достоинствами инедостатками. Их применение более эффективно в краткосрочном прогнозировании,так как они в определенной мере упрощают реальные процессы и не выходят зарамки представлений сегодняшнего дня. Следует обеспечивать одновременноеиспользование количественных и качественных методов прогнозирования.

Рассмотримподробнее сущность некоторых методов прогнозирования объема продаж, возможностиих использования в маркетинговом анализе, а также необходимые исходные данные ивременные ограничения.

2МЕТОДЫ ЭКСПЕРТНЫХ ОЦЕНОК

Прогнозы объемапродаж с помощью экспертов могут быть получены в одной из трех форм:

1)  точечного прогноза;

2)  интервального прогноза;

3)  прогноза распределения вероятностей.

Точечныйпрогноз объема продаж – это прогноз конкретной цифры. Он являетсянаиболее простым из всех прогнозов, поскольку содержит наименьший объеминформации. Как правило, заранее предполагается, что точечный прогноз можетбыть ошибочным, но методикой не предусмотрен расчет ошибки прогноза иливероятности точного прогноза. Поэтому на практике чаще применяются два другихметода прогнозирования: интервальный и вероятностный.

Интервальныйпрогноз объема продаж предусматривает установление границ, внутрикоторых будет находиться прогнозируемое значение показателя с заданным уровнемзначимости. Примером является утверждение типа: “В предстоящем году объемпродаж составит от 11 до 12,4 млн. грн.”.

Прогнозраспределения вероятностей связан с определением вероятности попаданияфактического значения показателя в одну из нескольких групп с установленнымиинтервалами. Примером может служить прогноз типа:

Объём продаж
компании, млн. грн.

Вероятность

1,35 – 1,5 0,25 1,51 – 1,7 0,5 1,71 – 2,01 0,25

Хотяпри составлении прогноза существует определенная вероятность, что фактическийобъем продаж не попадет в указанный интервал, но прогнозисты верят, что онанастолько мала, что может игнорироваться при планировании.

Интервалы,учитывающие низкий, средний и высокий уровень продаж, иногда называютпессимистичными, наиболее вероятными и оптимистическими. Конечно, распределениевероятностей может быть представлено большим количеством групп, но наиболеечасто используются три указанных группы интервалов.

Для выявленияобщего мнения экспертов необходимо получить данные о прогнозных значениях откаждого эксперта, а затем произвести расчеты, используя систему взвешиванияиндивидуальных значений по какому-либо критерию. Известны четыре методавзвешивания различных мнений:

1)   использование равных весов, если эксперты, как полагают исследователи,имеют одинаковые компетентности;

2)   использование весов, пропорциональных степени “важности” экспертов,соответствующей их компетентности, известности в ученом мире, опыту вконкретной области деятельности и т.п.;

3)   использование весов, пропорциональных самооценкам экспертов. Имеютсясвидетельства наличия прямой связи между уровнем самооценки компетентностиэкспертов и точностью экспертных оценок;

4)   использование весов, пропорциональных относительной точности последнихпрогнозов конкретного эксперта.

Выбор методаостается за исследователем и зависит от конкретной ситуации. Ни один из них неможет быть рекомендован для использования в любой ситуации.

Избежать проблемывзвешивания индивидуальных прогнозов экспертов и искажающего влияния отмеченныхнежелательных факторов позволяет Дельфи-метод. Его основу составляетработа по сближению точек зрения экспертов. Всех экспертов знакомят с оценкамии обоснованиями других экспертов и предоставляют возможность изменить своюоценку.

3АНАЛИЗ ВРЕМЕННЫХ РЯДОВ

Вторая группаметодов прогнозирования основана на анализе временных рядов.

Таб. 1представляет временной ряд по показателю потребления безалкогольного напитка“Тархун” в декалитрах (дал) в одном из регионов начиная с 1993 г. Анализ временныхрядов может проводиться не только по годовым или месячным данным, но такжемогут использоваться ежеквартальные, недельные или ежедневные данные об объемахпродаж. Для расчетов был использован программный продукт Statistica 5.0 forWindows.

Таблица 1

Ежемесячное потребление безалкогольного напитка “Тархун”
в 1993—1999 гг. (тыс. дал)

Месяц

1993 г.

1994 г.

1995 г.

1996 г.

1997 г.

1998 г.

1999 г.

Январь

6,702 7,206 7,722 7,925 8,401 8,485 8,848

Февраль

6,631 6,934 7,287 7,374 7,797 8,382 8,753

Март

8,457 9,099 8,744 8,940 10,238 10,563 11,155

Апрель

8,456 9,110 9,334 9,769 10,406 10,937 10,898

Май

9,100 10,038 10,162 10,126 11,217 10,998 11,917

Июнь

10,586 10,491 10,270 9,772 11,891 12,587 12,955

Июль

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

Сентябрь

9,044 8,947 9,313 10,511 10,490 10,906 11,016

Октябрь

7,837 8,312 9,171 9,944 9,701 9,720 10,493

Ноябрь

7,855 8,096 8,264 8,853 8,794 9,560 9,832

Декабрь

8,115 8,331 8,312 9,312 9,638 9,745 9,355

Итого

103,853 106,786 111,049 115,793 121,601 126,416 130,106

Поданным таб. 1 построим график потребления напитка “Тархун” в 1993 –1999 гг. (рис. 1), где на оси абсцисс представлены даты наблюдения, на осиординат – объемы потребления напитка.

/>

Рис. 1: Ежемесячное потреблениенапитка “Тархун”
 в 1993—1999 гг. (тыс. дол.)

Прогнозирование наоснове анализа временных рядов предполагает, что происходившие изменения вобъемах продаж могут быть использованы для определения этого показателя впоследующие периоды времени. Временные ряды, подобные тем, что приведены втаблице 1, обычно служат для расчета четырех различных типов изменений впоказателях: трендовых, сезонных, циклических и случайных.

Тренд –это изменение, определяющее общее направление развития, основную тенденциювременных рядов. Выявление основной тенденции развития (тренда) называетсявыравниванием временного ряда, а методы выявления основной тенденции –методами выравнивания.

Один из наиболеепростых приемов обнаружения общей тенденции развития явления – укрупнениеинтервала динамического ряда. Смысл этого приема заключается в том, чтопервоначальный ряд динамики преобразуется и заменяется другим, уровни которогоотносятся к большим по продолжительности периодам времени. Так, например,месячные данные таб. 1 могут быть преобразованы в ряд годовых данных.График ежегодного потребления напитка “Тархун”, приведенный на рис. 2,показывает, что потребление возрастает из года в год в течение исследуемогопериода. Тренд в потреблении является характеристикой относительно стабильноготемпа роста показателя за период.

/>

Рис. 2. Ежегодное потребление напитка“Тархун” в 1993—1999 гг.
(тыс. дал)

Выявление основнойтенденции может быть осуществлено также методом скользящей средней. Дляопределения скользящей средней формируются укрупненные интервалы, состоящие изодинакового числа уровней. Каждый последующий интервал получаем, постепеннопередвигаясь от начального уровня динамического ряда на одно значение. Посформированным укрупненным данным рассчитываем скользящие средние, которыеотносятся к середине укрупненного интервала.

Порядок расчетаскользящих средних по потреблению напитка “Тархун” в 1993 г. приведен втаб. 2. Аналогичный расчет может быть проведен на основе всех данных за 1993—1999гг.

Таблица 2

Расчет скользящих средних по даннымза 1993 г.

Месяц

Объем потребления (тыс. дал)

Скользящие суммы

Скользящие средние

Январь

6,702 - -

Февраль

6,631 21,790 7,263

Март

8,457 23,755 7,848

Апрель

8,456 26,013 8,671

Май

9,100 28,142 9,381

Июнь

10,586 30,279 10,093

Июль

10,593 31,658 10,553

Август

10,479 30,116 10,039

Сентябрь

9,044 27,360 9,120

Октябрь

7,837 24,736 8,245

Ноябрь

7,855 23,807 7,935

Декабрь

8,115 - -

Вданном случае расчет скользящей средней не позволяет сделать вывод обустойчивой тенденции в потреблении напитка “Тархун”, поскольку на нее влияетвнутригодовое сезонное колебание, которое может быть устранено лишь при расчетескользящих средних за год.

Изучение основнойтенденции развития методом скользящей средней является эмпирическим приемомпредварительного анализа. Для того чтобы дать количественную модель измененийдинамического ряда, используется метод аналитического выравнивания. В этомслучае фактические уровни ряда заменяются теоретическими, рассчитанными поопределенной кривой, отражающей общую тенденцию изменения показателей вовремени. Таким образом, уровни динамического ряда рассматриваются как функциявремени:

/>/>

Наиболее частомогут использоваться следующие функции:

1)  при равномерном развитии – линейная функция: />;

2)  при росте с ускорением:

a)       парабола второго порядка: />;

b)      кубическая парабола: />;

3)  при постоянных темпах роста – показательная функция: />;

4)  при снижении с замедлением – гиперболическая функция: />.

Однакоаналитическое выравнивание содержит в себе ряд условностей: развитие явленийобусловлено не только тем, сколько времени прошло с отправного момента, а итем, какие силы влияли на развитие, в каком направлении и с какойинтенсивностью. Развитие явлений во времени выступает как внешнее выражениеэтих сил.

Оценки параметров /> находятся методомнаименьших квадратов, сущность которого состоит в отыскании таких параметров,при которых сумма квадратов отклонений расчетных значений уровней, вычисленныхпо искомой формуле, от их фактических значений была бы минимальной.

Для сглаживанияэкономических временных рядов нецелесообразно использовать функции, содержащиебольшое количество параметров, так как полученные таким образом уравнениятренда (особенно при малом числе наблюдений) будут отражать случайныеколебания, а не основную тенденцию развития явления.

Подбор видафункции, описывающей тренд, параметры которой определяются методом наименьшихквадратов, производится в большинстве случаев эмпирически, путем построенияряда функций и сравнения их между собой по величине среднеквадратическойошибки.

Разность междуфактическими значениями ряда динамики и его выровненными значениями /> характеризует случайныеколебания (иногда их называют остаточные колебания или статистические помехи).В некоторых случаях последние сочетают тренд, циклические колебания и сезонныеколебания.

Среднеквадратическаяошибка, рассчитанная по годовым данным потребления напитка “Тархун” дляуравнения прямой (рис. 1), составила 1,028 тыс. дал. На основаниисреднеквадратической ошибки можно рассчитать предельную ошибку прогноза. Длятого чтобы гарантировать результат с вероятностью 95%, используетсякоэффициент, равный 2; а для вероятности 99% этот коэффициент увеличится до 3.Итак, мы можем гарантировать с вероятностью 95%, что объем потребления в 2000г. составит 134,882 тыс. дал. плюс (минус) 2,056 тыс. дал.

Расчеты по подборуфункций, описывающих объем потребления напитка “Тархун” в отдельные месяцы с1993 г. по 1999 г., показали, что ни одно из перечисленных уравнений неподходит для прогнозирования этого показателя. Во всех случаях объясненная вариацияне превысила 28,8%.

4СЕЗОННЫЕ КОЛЕБАНИЯ

Сезонныеколебания – повторяющиеся из года в год изменения показателя вопределенные промежутки времени. Наблюдая их в течение нескольких лет длякаждого месяца (или квартала), можно вычислить соответствующие средние, илимедианы, которые принимаются за характеристики сезонных колебаний.

При проверкеежемесячных данных по таб. 1 можно обнаружить, что пик потребления напиткаприходится на летние месяцы. Объем продаж детской обуви приходится на периодперед началом учебного года, увеличение потребления свежих овощей и фруктовпроисходит осенью, повышение объемов строительных работ – летом,увеличение закупочных и розничных цен на сельскохозяйственные продукты – взимний период и т.п. Периодические колебания в розничной торговле можнообнаружить и в течение недели (например, перед выходными днями увеличиваетсяпродажа отдельных продуктов питания), и в течение какой-либо недели месяца.Однако самые значительные сезонные колебания наблюдаются в определенные месяцы года.При анализе сезонных колебаний обычно рассчитывается индекс сезонности, которыйиспользуется для прогнозирования исследуемого показателя.

В самой простойформе индекс сезонности рассчитывается как отношение среднего уровня засоответствующий месяц к общему среднему значению показателя за год (впроцентах). Все другие известные методы расчета сезонности различаются поспособу расчета выровненной средней. Чаще всего используются либо скользящаясредняя, либо аналитическая модель проявления сезонных колебаний.

Большинствометодов предполагает использование компьютера. Относительно простым методомрасчета индекса сезонности является метод центрированной скользящей средней.Для того чтобы его проиллюстрировать, предположим, что в начале 1999 г. мыхотели рассчитать индекс сезонности для потребления напитка “Тархун” в июне1999 г. Используя метод скользящей средней, мы должны были бы последовательноосуществить следующие этапы:

1)  решить, данные за сколько лет должны быть включены в расчет. Можноиспользовать данные за один год, но для большей достоверности расчетов лучшеиспользовать данные по крайней мере за два года, а если сезонные колебаниязначительны, – то и более. Используем в примере данные двух лет;

2)  рассчитать средний объем продаж за месяц по данным 13 месяцев, длякоторых июнь 1998 г. лежит в середине ряда. Использование 13 месяцев позволяетцентрировать месяц, для которого производятся расчеты. В нашем примере средняябудет рассчитываться по формуле средней хронологической по следующим данным (сдекабря 1996 г. по декабрь 1997 г.):

/>

3)  рассчитать индекс сезонности для июня 1997 г. как отношение объемапродаж в июне 1997 г. к среднему объему за месяц в течение исследуемогопериода:

/>

4)  повторить этапы 2 и 3 для июня 1998 г. Расчетный индекс для этого месяцабудет равен 119,5;

5)  определить средний индекс в июне по данным за 1997 г. и 1998 г. поформуле простой арифметической:

/>

6)  рассчитать соответствующие индексы для всех месяцев;

7)  обобщить данные о силе колеблемости показателей динамического ряда из-заих сезонного характера. При этом используется среднее квадратическое отклонениеиндексов сезонности (в процентах) от 100%:

/>

Сравнение среднихквадратических отклонений, вычисленных за разные периоды времени, показываетсдвиги в сезонности (рост свидетельствует об увеличении сезонности потреблениянапитка “Тархун”).

Другим методомрасчета индексов сезонности, часто используемым в различного рода экономическихисследованиях, является метод сезонной корректировки, известный в компьютерныхпрограммах как метод переписи (Census Method II). Он является своего родамодификацией метода скользящих средних. Специальная компьютерная программаэлиминирует трендовую и циклическую компоненты, используя целый комплексскользящих средних. Кроме того, из средних сезонных индексов удалены ислучайные колебания, поскольку под контролем находятся крайние значенияпризнаков.

Расчет индексовсезонности является первым этапом в составлении прогноза. Обычно этот расчетпроводится вместе с оценкой тренда и случайных колебаний и позволяеткорректировать прогнозные значения показателей, полученных по тренду. При этомнеобходимо учитывать, что сезонные компоненты могут быть аддитивными имультипликативными. Например, каждый год в летние месяцы продажа безалкогольныхнапитков увеличивается на 2000 дал, таким образом, в эти месяцы к существующимпрогнозам необходимо добавлять 2000 дал, чтобы учесть сезонные колебания. Вэтом случае сезонность аддитивна. Однако в течение летних месяцев продажабезалкогольных напитков может увеличиваться на 30%, то есть коэффициент равен1,3. В этом случае сезонность носит мультипликативный характер, или другимисловами, мультипликативный сезонный компонент равен 1,3.

В таб. 3приведены расчеты индексов и факторов сезонности методами переписи ицентрированной скользящей средней.

Таблица 3

Индексы сезонности объема продаж напитка“Тархун”, рассчитанные по данным за 1993—1999 гг.

Месяцы

Индексы сезонности (мультипликативная модель), рассчитанные

Факторы сезонности (аддитивная модель), рассчитанные

По центр. скользящей средней

По методу переписи (Census Method II)

По центр. скользящей средней

По методу переписи (Census Method II)

Январь

82,81 82,46 –1,647 –1,691

Февраль

79,26 78,93 –2,017 –2,033

Март

99,81 99,37 –0,011 –0,062

Апрель

102,16 101,62 0,242 0,151

Май

108,74 108,18 0,878 0,784

Июнь

115,99 115,10 1,440 1,467

Июль

118,74 116,89 1,754 1,636

Август

116,54 115,96 1,555 1,551

Сентябрь

101,89 101,91 0,259 0,191

Октябрь

93,98 94,22 –0,531 –0,560

Ноябрь

88,60 88,33 –1,112 –1,152

Декабрь

91,49 90,36 –0,809 –0,959 /> /> /> /> /> /> />

Данныетаб. 3 характеризуют природу сезонности потребления напитка “Тархун”: влетние месяцы объем потребления возрастает, а в зимние – падает. Причемданные обоих методов – переписи и центрированной скользящей средней –дают практически одинаковые результаты. Выбор метода определяется в зависимостиот ошибки прогноза, о которой упоминалось выше.

Итак, индексы, илифакторы, сезонности могут быть учтены при прогнозировании объемов продаж черезкорректировку трендового значения прогнозируемого показателя. Например,предположим, что был сделан прогноз на июнь 1999 г. методом скользящей среднейи он составил 10,480 тыс дал. Индекс сезонности в июне (по методу переписи)равен 115,1. Таким образом, окончательный прогноз для июня 1999 г. составит:

/> тыс. дал.

Если бы наизучаемом интервале времени коэффициенты уравнения регрессии, которое описываеттренд, оставались бы неизменными, то для построения прогноза достаточно было быиспользовать метод наименьших квадратов. Однако в течение исследуемого периодакоэффициенты могут меняться. Естественно, что в таких случаях более поздниенаблюдения несут большую информационную ценность по сравнению с более ранниминаблюдениями, а следовательно, им нужно присвоить наибольший вес. Именнотаким принципам и отвечает метод экспоненциального сглаживания, который можетбыть использован для краткосрочного прогнозирования объема продаж. Расчетосуществляется с помощью экспоненциально-взвешенных скользящих средних:

/>/>

где Z –сглаженный (экспоненциальный) объем продаж;

t – периодвремени;

/> – константасглаживания;

/> – фактический объемпродаж.

Последовательноиспользуя эту формулу, экспоненциальный объем продаж /> можно выразить черезфактические значения объема продаж Y:

/>

где SO —начальное значение экспоненциальной средней.

При построениипрогнозов с помощью метода экспоненциального сглаживания одной из основныхпроблем является выбор оптимального значения параметра сглаживания a.Ясно, что при разных значениях a результаты прогноза будут различными.Если a близка к единице, то это приводит к учету в прогнозе в основномвлияния лишь последних наблюдений; если a близка к нулю, то веса, покоторым взвешиваются объемы продаж во временном ряду, убывают медленно, т.е.при прогнозе учитываются все (или почти все) наблюдения. Если нет достаточнойуверенности в выборе начальных условий прогнозирования, то можно использоватьитеративный способ вычисления a в интервале [0;1]. Существуют специальные компьютерныепрограммы для определения этой константы. Результаты расчетов объема продажнапитка “Тархун” методом экспоненциального сглаживания приведены нарис. 3.

На графике видно,что выровненный ряд достаточно точно воспроизводит фактические данные объемапродаж. При этом при прогнозе учитываются данные всех прошлых наблюдений, веса,по которым взвешиваются уровни временного ряда, убывают медленно, a=0,032.

Количественныезначения прогнозных показателей объема продаж напитка “Тархун” в 2000 г.,полученные с помощью метода экспоненциального сглаживания, приведены втаб. 4.

/> <td/> />
(фактический ряд)             (выравненный ряд)           (остаточный ряд)

Рис. 3.График результатов экспоненциального сглаживания

Таблица 4

Прогнозируемый объем продаж напитка “Тархун” в 2000 г.

Месяц

Прогноз,
тыс. дал

Месяц

Прогноз,
тыс.дал

Месяц

Прогноз,
тыс. дал

Январь

9,380 Апрель 11,369 Июль 12,898

Февраль

9,046 Май 12,030 Август 12,799

Март

11,080 Июнь 12,617 Сентябрь 11,537

Втаб. 4 приведены не все прогнозные данные за 2000 г., что обусловленозависимостью между количеством исходных данных и возможным количествомпрогнозируемых данных.

Обобщая результатыпрогнозирования с помощью методов временных рядов, необходимо оценить точностьрасчетов, на основании которой можно сделать вывод об аппроксимирующейспособности моделей. Для того чтобы продемонстрировать возможности всех методовпрогнозирования временных рядов рассмотрим, насколько точно были предсказаныобъемы продаж в 1999 г., и сравним расчетные данные с фактически полученными.Соответствующие расчеты приведены в таб. 5.

Данные таб. 5показывают, что все методы прогнозирования дают примерно одинаковые результатыс ошибкой, не превышающей 5%. Следовательно, любой из этих методов может бытьиспользован для прогнозирования объема продаж фирмы в будущем.

Таблица 5

Результатыпрогнозирования объема продаж напитка “Тархун” в 2000 г.

Месяц

Факти-ческие данные

Центрированная скользящая средняя

Метод переписи (Мультипликативная модель)

Экспоненциальное
сглаживание

Мультипликативная
модель

Аддитивная модель

прогноз

% ошибок

прогноз

% ошибок

прогноз

% ошибок

прогноз (аддитивная модель)

% ошибки

Январь

8,848 8,962 1,29 9,016 1,90 8,80 0,36 9,018 1,92

Февраль

8,753 8,646 –1,22 8,743 –0,11 8,567 –2,12 8,678 –0,85

Март

11,155 10,934 –1,98 10,864 –2,61 10,818 –3,02 10,714 3,95

Апрель

10,898 11,179 2,57 11,205 2,82 11,119 2,03 11,017 1,09

Май

11,917 11,834 –0,7 11,878 –0,33 11,766 –1,27 11,674 –2,04

Июнь

12,955 12,562 –3,03 12,466 –3,77 12,509 –3,44 12,270 –5,29

Июль

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

Октябрь

10,493 10,283 –2,00 10,340 –1,46 10,131 –3,45 10,439 –0,51

Ноябрь

9,832 9,594 –2,42 9,599 –2,37 9,869 3,76 9,894 0,63

Декабрь

9,354 9,855 5,36 9,822 5,00 9,238 –1,24 10,222 9,28

Итого

130,10 130,29 +2,73 130,25 +2,51 129,21 +2,6 130,16 3,64 /> /> /> /> /> /> /> /> /> /> /> /> /> /> /> />

Статистическиетаблицы, характеризующие сезонность потребления напитка “Тархун”, могутдополниться графиками, позволяющими подчеркнуть сезонный характер исходныхданных и провести сравнение.

5ЦИКЛИЧЕСКИЕ КОЛЕБАНИЯ

Объемы продажбольшинства компаний показывают более значительные колебания, чем те, чтопредставлены в таб. 1. Они растут и падают в зависимости от общей ситуациив бизнесе, уровня спроса на продукты, производимые компаниями, деятельностиконкурентов и других факторов. Колебания, отражающие конъюнктурные циклыперехода от более или менее благоприятной рыночной ситуации к кризису,депрессии, оживлению и снова к благоприятной ситуации, называются циклическимиколебаниями. Существуют различные классификации циклов, ихпоследовательности и продолжительности. Например, выделяются двадцатилетниециклы, обусловленные сдвигами в воспроизводственной структуре сферыпроизводства;циклы Джанглера (7 – 10 лет), проявляющиесякак итог взаимодействия денежно-кредитных факторов; циклы Катчина(3 – 5 лет), обусловленные динамикой оборачиваемости запасов; частныехозяйственные циклы (от 1 до 12 лет), обусловленные колебаниямиинвестиционной активности.

Методика выявленияцикличности заключается в следующем. Отбираются рыночные показатели,проявляющие наибольшие колебания, и строятся их динамические ряды за возможноболее продолжительный срок. В каждом из них исключается тренд, а также сезонныеколебания. Остаточные ряды, отражающие только конъюнктурные или чисто случайныеколебания, стандартизируются, т.е. приводятся к одному знаменателю. Затемрассчитываются коэффициенты корреляции, характеризующие взаимосвязьпоказателей. Многомерные связи разбиваются на однородные кластерные группы.Нанесенные на график кластерные оценки должны показать последовательностьизменения основных рыночных процессов и их движение по фазам конъюнктурныхциклов.

6КАЗУАЛЬНЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ

Казуальные методыпрогнозирования объема продаж включают разработку и использование прогнозныхмоделей, в которых изменения в уровне продаж являются результатом измененияодной и более переменных.

Казуальные методыпрогнозирования требуют определения факторных признаков, оценки их изменений иустановления зависимости между ними и объемом продаж. Из всех казуальных методовпрогнозирования рассмотрим только те, которые с наибольшим эффектом могут бытьиспользованы для прогнозирования объема продаж. К таким методам относятся:

1)  корреляционно-регрессионный анализ;

2)  метод ведущих индикаторов;

3)  метод обследования намерений потребителей и др.

К числу наиболеешироко используемых казуальных методов относится корреляционно-регрессионныйанализ. Техника этого анализа достаточно подробно рассмотрена во всехстатистических справочниках и учебниках. Рассмотрим лишь возможности этого методаприменительно к прогнозированию объема продаж.

Может бытьпостроена регрессионная модель, в которой в качестве факторных признаков могутбыть выбраны такие переменные, как уровень доходов потребителей, цены напродукты конкурентов, расходы на рекламу и др. Уравнение множественнойрегрессии имеет вид:

/>

где Y –прогнозируемый (результативный) показатель; в данном случае – объемпродаж;

/> – факторы (независимыепеременные); в данном случае – уровень доходов потребителей, цены напродукты конкурентов и т.д.;

n –количество независимых переменных;

/> – свободный членуравнения регрессии;

/> – коэффициентырегрессии, измеряющие отклонение результативного признака от его среднейвеличины при отклонении факторного признака на единицу его измерения.

Последовательностьразработки регрессионной модели для прогнозирования объема продажвключает следующие этапы:

1)  предварительный отбор независимых факторов, которые по убеждению исследователяопределяют объем продаж. Эти факторы должны быть либо известны (например, припрогнозировании объема продаж цветных телевизоров (результативный показатель) вкачестве факторного признака может выступать число цветных телевизоров,находящихся в эксплуатации в настоящее время); либо легко определяемы(например, соотношение цены на исследуемый продукт фирмы с ценами конкурентов);

2)  сбор данных по независимым переменным. При этом строится временной рядпо каждому фактору либо собираются данные по некоторой совокупности (например,совокупности предприятий). Другими словами, необходимо, чтобы каждаянезависимая переменная была представлена 20 и более наблюдениями;

3)  определение связи между каждой независимой переменной и результативнымпризнаком. В принципе, связь между признаками должна быть линейной, в противномслучае производят линеаризацию уравнения путем замены или преобразованиявеличины факторного признака;

4)  проведение регрессионного анализа, т.е. расчет уравнения и коэффициентоврегрессии, и проверка их значимости;

5)  повтор этапов 1 – 4 до тех пор, пока не будет полученаудовлетворительная модель. В качестве критерия удовлетворительности моделиможет служить ее способность воспроизводить фактические данные с заданнойстепенью точности;

6)  сравнение роли различных факторов в формировании моделируемогопоказателя. Для сравнения можно рассчитать частные коэффициенты эластичности,которые показывают, на сколько процентов в среднем изменится объем продаж приизменении фактора Xj на один процент при фиксированном положении другихфакторов. Коэффициент эластичности определяется по формуле

/>

где bj – коэффициент регрессии при j-м факторе.

Регрессионныемодели могут использоваться при прогнозировании спроса на потребительскиетовары и средства производства. В результате проведениякорреляционно-регрессионного анализа объема продаж напитка “Тархун” былаполучена модель:

/>

где Yt+1 –прогнозируемый объем продаж в месяце (t+1);

At –затраты на рекламу в текущем месяце t;

Yt –объем продаж в текущем месяце t.

Возможна следующаяинтерпретация уравнения многофакторной регрессии: величина объема продажнапитка в среднем увеличивалась на 2,021 тыс. дал, при увеличении затрат нарекламу на 1 руб. объем продаж в среднем увеличивался на 0,743 тыс. дал., приувеличении объема продаж предыдущего месяца на 1 тыс. дал объем продаж впоследующем месяце увеличивался на 0,856 тыс. дал.

Ведущиеиндикаторы – это показатели, изменяющиеся в том же направлении,что и исследуемый показатель, но опережающие его во времени. Например,изменение уровня жизни населения влечет за собой изменение спроса на отдельныетовары, а следовательно, изучая динамику показателей уровня жизни, можносделать выводы о возможном изменении спроса на эти товары. Известно, что вразвитых странах по мере увеличения доходов возрастают потребности в услугах, ав развивающихся странах – в товарах длительного пользования.

Метод ведущихиндикаторов чаще используется для прогнозирования изменений в бизнесе вцелом, чем для прогнозирования объема продаж отдельных компаний. Хотя нельзяотрицать, что уровень объема продаж большинства компаний зависит от общейрыночной ситуации, сложившейся в регионах и стране в целом. Поэтому передпрогнозированием собственного объема продаж фирмам часто бывает необходимооценить общий уровень экономической активности в регионе.

Существеннымобоснованием прогноза объема продаж товаров потребительского назначения могутслужить данные обследований намерений потребителей. Они знают особственных перспективных покупках больше, чем кто-либо, поэтому многиекомпании проводят периодические обследования мнений потребителей о производимойпродукции и вероятности ее покупки в будущем. Чаще всего эти обследованиякасаются товаров и услуг, приобретение которых планируется потенциальнымипокупателями заранее (как правило, это дорогие покупки типа автомобиля,квартиры или путешествия).

Конечно, нельзянедооценивать полезность такого рода обследований, но также нельзя неучитывать, что намерения потребителей относительно какого-то товара могутизмениться, что скажется на отклонении фактических данных о потреблении отпрогнозных.

Итак, припрогнозировании объема продаж могут быть использованы все рассмотренные вышеметоды. Естественно, возникает вопрос об оптимальном методе прогнозирования вконкретной ситуации. Выбор метода связан, по крайней мере, с тремяограничивающими условиями:

1)   точность прогноза;

2)   наличие необходимых исходных данных;

3)   наличие времени для осуществленияпрогнозирования.

Если требуется прогноз с точностью5%, то все методы прогнозирования, обеспечивающие точность 10%, могут нерассматриваться. Если нет необходимых для прогноза данных (например, данныевременных рядов при прогнозировании объема продаж нового продукта), тоисследователь вынужден прибегнуть к казуальным методам или экспертным оценкам.Подобная ситуация может возникнуть в связи со срочной потребностью в прогнозныхданных. В этом случае исследователь должен руководствоваться временем,имеющимся в его распоряжении, осознавая, что срочность расчетов может сказатьсяна их точности.

Необходимо отметить, что меройкачества прогноза может служить коэффициент, характеризующийотношение числа подтвердившихся прогнозов к общему числу сделанных прогнозов.Очень важно осуществлять расчет этого коэффициента не по окончаниипрогнозируемого срока, а при составлении самого прогноза. Для этого можноиспользовать метод инверсной верификации путем ретроспективногопрогнозирования. Это означает, что правильность прогнозной модели проверяетсяее способностью воспроизводить фактические данные в прошлом. Других формальныхкритериев, знание которых позволило бы априорно заявить об аппроксимирующейспособности прогнозной модели, не существует.

Прогнозирование объема продаж –неотъемлемая часть процесса принятия решения; это систематическая проверкаресурсов компании, позволяющая более полно использовать ее преимущества исвоевременно выявлять потенциальные угрозы. Компания должна постоянно следитьза динамикой объема продаж и альтернативными возможностями развития рыночнойситуации с тем, чтобы наилучшим образом распределять имеющиеся ресурсы ивыбирать наиболее целесообразные направления своей деятельности.

ВЫВОДЫ

Из всеговышесказанного можно сделать вывод, что при современных условияхфункционирования рыночной экономики, невозможно успешно управлять коммерческойфирмой, без эффективного прогнозирования её деятельности. От того, на сколькопрогнозирование будет точным и своевременным, а также соответствоватьпоставленным проблемам, будут зависеть, в конечном счете, прибыли, получаемыепредприятием.

Для того, чтобыэффект прогноза был максимально полезен, необходимо создание на средних икрупных предприятиях так называемых прогнозных отделов (для малых предприятийсоздание этих отделов будет нерентабельным).

Что касается самихпрогнозов, то они должны быть реалистичными, то есть их вероятность должна бытьдостаточно высока и соответствовать ресурсам предприятия.

Для улучшениякачества прогноза необходимо улучшить качество информации, необходимой при егоразработке. Эта информация, в первую очередь, должна обладать такимисвойствами, как достоверность, полнота, своевременность и точность.

Так какпрогнозирование является отдельной наукой, то целесообразно (по меревозможности) использование нескольких методов прогнозирования при решениикакой-либо проблемы. Это повысит качество прогноза и позволит определить“подводные камни”, которые могут быть незамечены при использовании толькоодного метода. Также необходимо соотносить полученный прогноз с прецедентами врешении данной проблемы, если такие имели место при похожих условияхфункционирования аналогичной организации (конкурента). И при определеннойкорректировке, в соответствии с этим прецедентом, принимать решения.

СПИСОКИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ

1.  Б.П Ивченко, Л.А. Мартыщенко, И.Б. Иванцов.“Информационная микроэкономика”. Часть 1. Методы анализа ипрогнозирования, СПб.: “Нордмед-Издат”, 1997. – 160 с.

2.  Романенко И.В. Социальное и экономическое прогнозирование: Конспектлекций. – СПб.: Издательство Михайлова В.А., 2000 г. – 64 с.

3.  Прогнозирование и финансирование экономики в условиях рыночныхотношений. – М.: Мысль, 1970. – 448 с.

4.  Рябушкин Б.Т. Применение статистических методов в экономическом анализеи прогнозировании. – М.: Финансы и статистика, 1987. – 75 c.

5.  Статистическое моделирование и прогнозирование: под ред.А.Г. Гранберга. – М.: Финансы и статистика, 1990. – 382 с.

6.  Грисеев Ю.П. Долгосрочное прогнозирование экономическихпроцессов: – Киев: Наукова думка, 1987 – 131 с.

7.  Шибалкин О.Ю. Проблемы и методы построения сценариевсоциально-экономического развития. – М.: Наука, 1992 – 176 с.

8.  Суворов А.В. Методы построения макроэкономических сценариевсоциально-экономического развития// Проблемы прогнозирования. –1993. – №4 – сс. 27-39

9.  Калинина А.В. Современный экономический анализ и прогнозирование(микро- и макроуровень): Учебное пособие // А.В. Калинина и др.,Межрегиональная Академия управления персоналом, 2-е изд. –Л.: МАУП, 1998.

10.             Глущенко В.В. Прогнозирование –2-е изд., Испр. идоп. –СПб: СПГУВК, 1999. –245 с.