Анализ и прогнозирование рыночной деятельности

Прогнозирование – это процесс разработки экономических прогнозов, основанный на научных методах познания исследуемых явлений и использования методов и средств экономической прогностики. Анализ и прогнозирование рынка — важнейшая составля­ющая маркетинговых исследований, от правильности которого за­висит дальнейшая деятельность фирмы, ее успех на рынке.

Методы прогнозирования, используемые при проведении маркетинговых исследований, можно классифицировать на эвристические, при применении которых преобладают субъективные начала, и на экономико-математические, при применении которых преобладают объективные начала, к числу которых относят статистические методы.

Эвристические методы предполагают, что подходы, используемые для формирования прогноза, не изложены в явной форме и неотделимы от лица, делающего прогноз, при разработке которого доминируют интуиция, прежний опыт, творчество и воображение. К данной категории методов относятся методы социологических исследований и экспертные методы, рассмотренные ранее. Причем опрашиваемые, давая свои оценки, могут основывать свои суждения как на голой интуиции, так и используя определенные причинно-следственные связи, данные статистики. Примерами традиционных, эвристических процедур являются различные экспертизы, консилиумы, совещания.

Различают несколько видов прогнозирования: конъюнктурное (3 – 6 месяцев), краткосрочное (1 – 2 года), среднесрочное (3 – 5 лет), долгосрочное (5 – 10 лет), перспективное (более 10 лет).

Очевидно, чем короче период прогноза, тем легче предусмотреть и правильно оценить степень воздействия на развитие рынка определяющих его факторов. С удлинением периода прогноза увеличивается число вариантов модели. В соответствии с этим существуют три дополняющих друг друга способа разработки прогноза.

1. Анкетирование – выявление мнений населения, экспертов с целью получение оценок прогнозного характера. Методы, построенные на анкетировании, используются, как правило, в случаях, когда по ряду причин закономерности развития процесса не могут быть отражены формальным аппаратом, когда отсутствуют необходимые данные.

2. Экстраполирование – продолжение в будущее тенденций процессов, отражаемых в виде динамических рядов и их показателей, на основе разработанных моделей регрессивного типа. Методы экстраполяции применяются обычно в случаях, когда информация о прошлом имеется в достаточном количестве и выявлены устойчивые тенденции. Этот вариант основан на гипотезе о сохранении в будущем сложившихся ранее тенденций. Такой прогноз к прогнозированию носит название генетический и предполагает исследование эконометрических моделей.

3. Аналитическое моделирование – построение и использование модели, отражающей внутреннее и внешние взаимосвязи в ходе развития рынка. Эта группа методов используется тогда, когда информация о прошлом минимальна, но имеются некоторые гипотетические представления о рынки, которые позволяют разработать его модель и на этой базе оценивать будущее состояние рынка, воспроизвести альтернативные варианты его развития. Такой подход к прогнозированию называется целевым (нормативным).

Приведенное разделение методов в некоторой степени условно. На практике все они могут взаимно перекрещиваться и дополнять друг друга, поскольку в ряде случаев ни один из них сам по себе не может обеспечивать определенных требуемую степень достоверности и точности прогноза, но применяемые в определенных сочетаниях они оказываются весьма эффективными.

Наиболее распространенный вид прогноза сбыта - прогноз на финансовый и календарный год. Он используется в качестве основы для планирования потребностей в финансах, продукции, рабочей силе, для составления смет издержек производства. Такие прогнозы часто разбиваются на полугодовые и квартальные периоды. Продолжительность периода, на который составляется прогноз сбыта, может базироваться на сезонных потребностях в продукции или на длительности сбытового цикла торгового предприятия

Среднесрочные прогнозы охватывают период от 2 до 5 лет. Они, в сущности, экстраполируют сложившиеся тенденции сбыта на том или ином рынке на будущее с учётом воздействия предполагаемых изменений в численности и составе населения, хозяйственной конъюнктуры, действия других факторов. Такие прогнозы используются для установления сроков определённых мероприятий, в том числе и в области маркетинга, из которых складывается стратегия сбыта предприятия или сбыта. Например, предприятие начинает осваивать принципиально новое для себя изделие напольных покрытий. Рынок для данного вида продукции уже давно поделён, и конкуренция для нового производителя, так называемого аутсайдера, здесь очень сильная. Если руководство предприятия верит в новое изделие, считает, что по техническому уровню, качеству, цене оно должно найти сбыт, то для успеха на рынке составления только годового прогноза недостаточно.

При оценке возможностей предприятия в расчёт должны приниматься не только объёмы сбыта нового изделия в абсолютном выражении в текущем году, но и темпы роста объёмов реализации. Если сбыт новой продукции на начальной стадии быстро увеличивается, то при составлении среднесрочного прогноза вполне можно допустить дальнейший рост объёмов реализации, если речь идёт о фирме-аутсайдере на данном рынке. Составление среднесрочного прогноза даёт руководству предприятия информацию, без которой нельзя принять верного решения в области инвестиционной политики.

Долгосрочные прогнозы могут разрабатываться на срок от 5 до 50 лет. Значение долгосрочного прогнозирования для предприятия также во многом зависит от характера выпускаемой продукции, технологической и коммерческой спецификации. Так, предприятия, которые добывают сырьё, часто планируют разработку новых месторождений и технологического оборудования для их освоения задолго до того, как они фактически понадобятся (иногда за 20-25 лет). Такого рода прогнозы незаменимы при проведении крупномасштабных НИОКР.

Естественно, что чем короче период прогнозирования, тем точнее прогноз сбыта. При удлинении периода, на который составляется прогноз, увеличивается число переменных, которые необходимо принимать во внимание. Однозначно указать, каким образом, с помощью какого метода на том или ином предприятии наиболее целесообразно разрабатывать прогноз сбыта, нельзя. Обычно может потребоваться несколько лет, пока руководство предприятия выработает наиболее подходящую для себя формулу успешного составления прогнозов сбыта на различные периоды времени.

При составлении прогноза сбыта важно также, чтобы данные маркетинга увязывались с теми мероприятиями, проводимыми на предприятии, которые имеют непосредственное отношение к сбыту продукции. Прежде всего руководству предприятия необходимо обратить внимание на такие вопросы, как возможности изменения цен на выпускаемые изделия в будущем, предполагаемые изменения в каналах распределения и формах реализации изделий, организация программы продвижения изделий на рынке, возможности внедрения в производство новых изделий, наращивания производственных мощностей, привлечения первоклассных торговых или сбытовых посредников. Особенно важно соизмерять возможности наращивания сбыта, увеличения оборотных средств в виде отгруженной, но не оплаченной потребителями продукции, других форм кредитования сбыта с финансовым состоянием предприятия, с движением ликвидности (свободных средств).

При разработке прогноза сбыта важен комплексный подход. Существует много различных методов прогнозирования. Среди них наиболее распространенными являются:

1. Опрос группы руководителей различных служб и отделов предприятия. Предварительно эти руководители должны получить соответствующую информацию относительно рынка. В таком случае собственно прогноз сбыта представляет собой нечто “среднее” из взглядов и наметок опрашиваемой группы руководителей. Подобный метод составления прогноза наиболее подходит для новых предприятий, не имеющих достаточного опыта в использовании других методов. Этот способ применим и тогда, когда отсутствует детализированные расчеты о состоянии рынка, нет полной статистики о тенденции сбыта тех или иных видов изделий.

2. Обобщение оценок отдельных торговых агентов предприятия и руководителей её сбытовых подразделений. В этом случае анализ рынка дополняется мнением тех, кто непосредственно ощущает реакцию потребителей, острее всего чувствует малейшие колебания потребительских предпочтений. Принимается в расчёт и региональный аспект: отдельные работники или руководители сбыта могут предоставить дополнительную информацию об особенностях реализации тех или иных изделий в разных районах страны. Соответственно точность оценок при таком методе выше, чем при первом. Но организация подобной работы сопряжена с большими накладными расходами. И хотя фирмы, которые дорожат своей маркой, никогда не скупятся на них, часто требуется разработка специальных процедур контроля и бюджетирования этих расходов. В противном случае точность прогноза может негативно отразиться на финансовом положении предприятия.

3. Прогнозирование на базе прошлого оборота. В этом случае данные о сбыте за прошлый год берутся в качестве основы для предсказания вероятного сбыта в будущем. Предполагается, что оборот следующего года превысит или будет ниже оборота нынешнего года на определённую величину. Обычно берется процентное увеличение к данным за предыдущий год по так называемому принципу “от достигнутого”:

Данный метод прогнозирования пригоден для отраслей и рынков со стабильной хозяйственной конъюнктурой, слабо меняющимся ассортиментом товаров и услуг, с вялотекущим НТП, где значительные колебания товарооборота происходят крайне редко.

4. Анализ тенденции и циклов, факторов, вызывающих изменения в объёме сбыта. Прогноз сбыта основывается на выявлении с помощью анализа рынка вероятных тенденций и статистически значимых факторов, лежащих в их основе. Обычно в расчет принимаются следующие основные факторы: долгосрочные тенденции роста фирмы, циклические колебания деловой активности, сезонные изменения сбыта компании, возможные нерегулярные влияния забастовок, технических сдвигов, появление на рынке новых конкурентов. Этот метод наиболее предпочтителен при составлении долгосрочных прогнозов.

Статистические закономерности, выявленные на протяжении многих лет, тенденции и зависимости нивелируют действие случайных и второстепенных факторов.

5. Корреляционный анализ, т.е. определение статистически значимых факторов влияния на сбыт продукции предприятия. Он логически дополняет предыдущий метод, но основывается на более сложном научном инструментарии статистического анализа рынка. Обычно в рамках специальных обследований определяется теснота корреляционной связи между уровнем сбыта предприятия и различными сторонами хозяйственной деятельности, влияние на сбыт которых может быть логически доказано или обосновано. Таким образом, выявляются и ранжируются наиболее значимые факторы, от которых в будущем может зависеть объём сбыта. Следует заметить, что такой метод прогноза обязательно требует серьёзных специальных и комплексных, а значит, и достаточно дорогостоящих, но не всегда экономически оправданных исследований рынка. Тем не менее с помощью этого метода самые точные результаты могут быть получены в наиболее стабильных по хозяйственной конъюнктуре отраслях.

6. Прогнозирование на основе “доли рынка” сбыта фирмы, при котором оборот прогнозируется в виде определённого процента от доли фирмы на рынке в данной отрасли, т.е. вначале прогнозируется сбыт для всей отрасли, а затем делается расчет доли предприятия в общем объёме продаж всей отрасли. При использовании данного метода важно, во-первых, быть уверенным в точности прогноза для всей отрасли, во-вторых, не принимать в расчёт неценовую конкуренцию в ней.

7. Анализ конечного использования. Прогноз здесь основывается на предполагаемых объёмах заказов основных заказчиков предприятия. Применение данного метода требует проведения специальных исследований по основным отраслям, потребляющим продукцию данного предприятия, сбора и обработки значительного статистического и фактического материала. Наиболее предпочтителен в отраслях сырьевого и энергетического комплекса, а также на предприятиях, выпускающих комплектующие изделия и узлы.

8. Анализ ассортимента товаров, при котором прогнозы сбыта по отдельным видам изделий сводятся воедино и образуют планируемый оборот предприятия. Этот метод наиболее подходит для сильно диверсифицированных фирм, но точность общего прогноза целиком зависит от детального обследования рынка каждого вида изделий, что требует в свою очередь немалых затрат.

9. Пробный маркетинг. Быть может, это самый точный подход к составлению прогноза сбыта, при котором новый продукт или какие-либо изменения, произведённые в системе продвижения изделий на рынке, осуществляются на очень небольшом по размеру рынке. В сущности, на небольшом местном рынке предпринимается попытка смоделировать все то, что потом будет сделано в масштабе страны или более крупного региона. Составные элементы будущей программы продвижения нового изделия на рынке как бы проверяются на ограниченной группе потребителей. После обработки полученной информации об объёме и темпах роста продаж нового изделия соответствующие намётки относительно прогноза сбыта распространяются на всю страну.

Прогнозирование служит для выяснения тенденций развития фирмы в условиях постоянного изменения факторов внешней и внутренней среды и поиска рациональных маркетинговых мероприятий по поддержке устойчивости ее экономического поведения. Сфера применения методов прогнозирования в маркетинговых системах достаточно широка. Они используются для анализа и разработки концепций развития всех субъектов маркетинговой системы, например, для исследования рыночной конъюнктуры, в системе прогнозирования цен, новых продуктов и технологий, поведения покупателей на рынке. Важнейшим направлением является прогнозирование сбыта и рынков, их динамики, структуры, конъюнктуры, возможностей рынка воспроизводить предложение и спрос.

В качестве инструментария при прогнозировании используется система методов, с помощью которых анализируются причинно-следственные параметры прошлых тенденций в деятельности предприятия и по результатам анализа формируются изменения в перспективе социально-экономического развития фирмы.

Существуют различные приемы и методы прогнозирования. Чаще других в прогнозировании спроса и предложения применяются:

— аналоговые модели, когда в качестве прогноза рассматриваются благоприятные показатели рыночной ситуации в каком-либо регионе или стране;

— имитационные, когда вместо реальных данных используются построения, созданные по специальной программе с помощью ЭВМ;

— нормативные, или рационализированные, прогнозные расчеты, например проистекающие из рационального бюджета или рациональных рекомендуемых норм потребления (этот метод больше подходит для рынка средств производства, где большую роль играют производственно-технические нормативы и прочие детерминанты, чем для потребительского рынка, где потребности проявляются в форме статистических закономерностей);

— прогнозирование по экспертным оценкам (обычно Дельфи-метод);

— методы экстраполяции: технические, механические способы сглаживания динамических рядов, трендовые модели;

— методы статистического моделирования (парные и многофакторные уравнения регрессии);

— прогнозирование по коэффициентам эластичности.

Классификация методов, используемых при прогнозировании в системах маркетинга и эффективность их применения на практике показана на рис. 15.

Рис. 15. Структура методов прогнозирования

Применение формализованных методов для прогнозирования сбыта продукции и рынков позволяет: дать количественную характеристику связям между отдельными элементами и факторами окружающей среды и оценить их на состояние и динамику рынка; осуществлять альтернативный анализ полученных результатов прогнозирования.

Для прогнозирования рынка методы экспертных оценок могут быть использованы для решения следующих основных задач:

- разработки средне- и долгосрочных прогнозов спроса;

- краткосрочном прогнозировании спроса по широкому ассортименту продукции;

- оценки формирующегося спроса на новые товары;

- определение отношений потребителей к новым товарам и возможного спроса на них;

- оценки конкуренции на рынке;

- определение положения фирмы на рынке и т.д.

Достоинством экспертных методов является их относительная простота и применяемость для прогнозирования практически любых ситуаций, в том числе в условиях неполной информации. Основным недостатком этих методов является субъективизм мнений экспертов.

Среди разновидностей экспертных методов прогнозирования является метод «Дельфи». Специфика этого метода заключается в том, что обобщение результатов исследования осуществляется путем индивидуального письменного опроса экспертов в несколько туров по специально разработанной процедуре исследования. Надежность метода «Дельфи» считается высокой при прогнозировании на период как от 1 до 3 лет, так и на более отдаленные сроки. В зависимости от цели прогноза для получения экспертных оценок может привлекаться от 10 до 150 экспертов.

Достаточно распространенным методом экспертных оценок при прогнозировании является «мозговая атака» или «мозговой штурм». Основой метода является выработка решения на основе совместного обслуживания проблемы экспертами. В качестве экспертов, как правило, принимаются не только специалисты по данной проблеме, но и люди, которые являются специалистами в других областях знания. Дискуссия строится по заранее разработанному сценарию. Метод «мозговой атаки» не ставит никаких границ, это интуитивно-творческий метод. Создается атмосфера раскованности, каждый участник может использовать идеи партнеров. Так как главное в этом методе – количество идей, а не их качество, то не должно быть никакой критики. Большое количество идей должно дать возможность найти приемлемое решение

На основе «мозгового штурма» У. Гордон в 1960 г. Предложил метод синектики. Его основное отличие от мозгового штурма заключается в том, что в качестве экспертов выступает стабильная по составу группа, которая от штурма к штурму накапливает определенный опыт. Кроме того, использование метода синектики допускает критические высказывания. В группах от 2 до 6 человек один является координатором. Процесс групповой работы начинается с представления проблемы экспертом. Затем проблема точно формулируется и анализируется. Записываются любые спонтанные реакции. Далее проблему пытаются рассмотреть с другой точки зрения, привлекая при этом аналогии. Делается попытка подробно описать прямые аналогии и через проекцию описания подойти к проблеме, требующей решения. После этого можно сформулировать первый подход к решению проблемы. Можно также воспользоваться для выбора стратегии предложения методом статистической игры.

На основе исследования спроса и предложения, потребительских предпочтений, производится прогноз возможностей развития рынка (схема).

Морфологический анализ – метод прогнозирования, в основе которого положено построение матрицы характеристик рынка и их возможных значений. Далее на основе перебора характеристик рынка и их значений получают различные варианты прогноза.

Существуют и другие методы, описание которых можно найти в различной литературе и использовать для прогнозирования, однако следует иметь в виду, что выбор конкретного метода прогнозирования тесно связан с целью исследования и спецификой информации, а это требует более определенного обоснования.

В общем случае процесс прогнозирования распадается на два этапа:

-индуктивный этап - обобщение данных, наблюдаемых за достаточно продолжительный период, и представление статистических закономерностей в виде модели, которая выражается либо аналитической функцией тенденции развития, либо в виде зависимости от нескольких факторов — аргументов. Например, ситуация. Пятидесяти клиентам ресторанов быстрого питания был задан вопрос: какое новое блюдо они хотели бы видеть в ресторанах? В табл. 18 представлены результаты опроса:

Таблица 18. Пример анализа блюд

Блюдо	Количество голосов «за»	% голосов «за»
Пицца Жареные цыплята Салат «здоровье» Ржаной хлеб
Итого:

Изучив результаты опроса, владельцы ресторанов решили добавить в меню жареных цыплят и ржаной хлеб, все постоянные клиенты получили буклеты с данной информацией и с удовольствием заказывали жареных цыплят с ржаным хлебом;

- дедуктивный — собственно прогноз. На основе выявленных закономерностей определяют ожидаемые значения прогнозируемого показателя, которые должны быть критически осмысленны с содержательной точки зрения. Указанные этапы конкретизируются в определенной последовательности шагов.

Информационной базой для анализа прогноза являются динамические и временные ряды. Ряд динамики представляет собой числовые значения определенного статистического показателя, расположенные в хронологическом порядке. Числовые значения показателя составляющего ряд динамики, называют уровнем. Тенденция (закономерность) в изменении уровней ряда называется трендом.

Рассмотрим сопоставимость уровней и смыкание рядов динамики в обработке маркетинговых исследований. Одно из требований, которые предъявляют к рядам динамики, - сопоставимость уровней ряда. Если данные не сопоставимы, необходимо добить их сопоставимости.

Рассмотрим пример. В табл. 19 приведены данные смыкания рядов динамики в один ряд.

Таблица 19. Среднемесячный объем покупок сельхозпродуктов в городе N

Год
Покупки, руб: на 1 октября на конец марта	-	-		-
Сомкнутый ряд на конец марта, руб	116,4	145,5
Сомкнутый ряд относительных величин, % к 2002	72,75	90,93		112,5

Для смыкания на основе 2002 года, определенных на две даты, рассчитываем отношение между ними: 160/165= 0,97. Умножив на этот коэффициент данные за предыдущие годы делаем их сопоставимыми.

Переход к относительным величинам целесообразно осуществлять при параллельном анализе нескольких показателей. В таких случаях уровни всех рассматриваемых рядов приводятся в процентах или коэффициентах к уровню одного и того же периода. Например, имеется динамика объема продаж некоторых видов продукции (табл. 20)

Таблица 20. Динамика продаж промышленной продукции предприятия АВС

Месяц	Продукт –1, литров	Продукт –2, тонн	Продукт –3, кВт/час	Продукт –4, м^3
Январь Февраль Март Апрель Май

Для наглядности представления приведем все четыре ряда к одному основанию, для чего примем уровни января за 100% (табл. 21).

Таблица 21. Динамики продаж промышленной продукции (в % к январю)

Месяц	Продукт –1,	Продукт –2,	Продукт –3,	Продукт –4,
Январь Февраль Март Апрель Май	109,75 114,63 113,0 105,69	116,66 91,66 83,33	104,26 142,18 125,12 128,90	102,94 98,52 117,64

Данные в табл. 21 приведены к одному основанию и их легче интерпретировать. Основными показателями изменения уровней ряда являются:

- абсолютные приросты уровней;

- темпы роста;

- темпы прироста (снижения уровней).

Абсолютный прирост рассчитывается как разность между двумя уровнями ряда. В зависимости от базы сравнения абсолютные приросты могут рассчитываться как цепные и как базисные.

Вычитая из каждого уровня предыдущий (), получаем абсолютные изменения уровней ряда за отдельные периоды как цепные. Вычитая из каждого уровня начальный (), получаем накопленные итоги прироста с начала изучаемого периода, называемые как базисные.

Темп роста показывает, во сколько раз сравниваемый уровень больше уровня, с которым производится сравнение. Темп роста (цепной) определится как

Трц =100%, темп роста базисный Трб = 100 %.

Темп прироста (сокращения) показывает, на сколько процентов сравниваемый уровень больше или меньше уровня, принятого за базу сравнения, и вычисляется как отношение абсолютного прироста к абсолютному уровню, принятому за базу сравнения. Темп прироста может быть положительным, отрицательным или равным нулю, выражается он в процентах и долях единиц.

Темп прироста (цепной) Тпц = 100 %, темп прироста (базисный) Тпб = 100 %, при этом, Тп = Тр -100.

Рассмотрим пример анализа темпов роста, представленный в данных таблицы 22.

Таблица 22. Динамика продаж продукции предприятия в сопоставимых ценах, млн. руб.

Год
Среднемесячный объем продаж

Определим:

1) среднемесячный объем продаж предприятия за отчетный период;

2) абсолютные приросты продаж;

3) базисные и цепные темпы роста и прироста продаж продукции;

4) среднемесячный темп продаж и прироста продаж.

Решение:

1. Среднемесячный объем продаж, млн. руб.:

2. Абсолютные приросты, млн. руб.:

а) цепные б) базисные

;

3. Темпы роста и прироста:

а) коэффициенты роста (снижения):

цепные базисные

=

б) темпы прироста сокращения %:

цепные базисные

;

4. Среднемесячные темпы роста и прироста объемов продаж, %:

-средний темп роста

(или 91 %);

-средний темп прироста

5. Средний абсолютный прирост = .

Где N – число уровней ряда; y_i - уровни ряда. Использование показателя средней арифметической величины для характеристики процессов, представленных временными рядами с ярко выраженной тенденцией, является некорректным.

Для того чтобы дать количественную модель, выражающую основную тенденцию изменения уровней динамического ряда во времени, используется аналитическое выравнивание ряда динамики.

В практике статистического исследования и прогнозиро­вания покупательского спроса по различным видам продук­тов и услуг используются различные типы моделей, наибо­лее соответствующие характеру и закономерностям разви­тия данного рынка. Для выявления основной тенденции чаще всего используется метод наименьших квадратов, значения временного ряда x_t или y_t рассматриваются как зависимая переменная, а время t – как объясняющая:

y_t= f(x) + e_t,

где e_t –возмущения, удовлетворяющие основным предпосылкам регрессионного анализа, т.е. представляющие независимые и одинаково распределенные случайные величины, распределение которых предполагаем нормальным.

Сложность заключается в том, что развитие спроса редко бывает линейным. Чаще его закономерности выражаются криволинейными функциями. Строить смешанную многофакторную модель очень сложно. Функции, рекомендуемые для моделирования спроса представлены в табл. 23:

Таблица 23. Функции используемые при моделировании влияния факторов на покупательский спрос

Название функции	Аналитическое выражение функции
Линейная	у = а + bx
Полулогарифмическая	у = а + b Ig x
Параболы n -го порядка	у = а + b1 x + b2 х^2 +...+ bnx^n
Гиперболы
Кривая Гомперца
Логистическая
Экспонента
Степенная
Показательная
Торнквиста 1-го типа
Тбрнквиста 2-го типа
Торнквиста 3-го типа

При выборе соответствующей функции y(x) используют содержательный анализ, который может установить характер динамики процесса, визуальные наблюдения на основе графического изображения временного ряда. Из двух ближайших к соответствию функций предпочтение отдается той, при которой меньше сумма квадратов отклонений фактических данных от расчетных на основе этих функций. Этот принцип нельзя доводить до ситуации, при которой любая эмпирическая полиномиальная функция может описать полином (n-1) степени, проходящий через все точки, и соответственно с минимальной – нулевой суммой квадратов отклонений. В этом случае не следует говорить о выделении основной тенденции, учитывая случайный характер этих точек.

Выбор функции зависит от результата предварительных исследований и конкретных условий рыночной конъюн­ктуры, вида товара, сегмента рынка и т. д. В мировой практике широко используют формулы Торнквиста, причем 1-ю—для моделирования спроса на продукты питания, а 3-ю—для моделирования спроса на предметы роскоши. Спрос на ряд непродовольственных товаров аппроксимируется степенной функцией, или экспонентой (особенно на активных этапах жизненного цикла товаров). Общие закономерности спроса нередко отражаются кривой Гомперца. При изучении влияния фактора дохода на спрос может быть использована логистическая (сигмоидальная) кривая. Процесс затухания роста спроса по мере перехода к группам населения с высоким доходом удачно отражается полулогарифмической функцией.

Выравнивание по скользящей средней. Сущность метода заключается в том, что исчисляется средний уровень из определенного числа, обычно нечетного (3,5,7 и т.д.), первых по счету уровней ряда, затем – из такого же числа уровней, но начиная со второго по счету, далее – начиная с третьего и т.д.

Скользящие средние находим по формуле

,

когда m=(2p-1) – нечетное число; при m=3,p=1, т.е.

при t=2 y₂=(y₁+y₂+y₃)/3, при t=3 y₃=(y₂+y₃+y₄)/3 и т.д. Значение общего среднего уровня можно получить по формуле

,

где n – количество значений выборки.

Таким образом, средняя как бы «скользит» по ряду динамики, передвигаясь на один срок. Недостатком сглаживания ряда является «укорачивание» сглаженного ряда по сравнению с фактическим.

Например, необходимо рассчитать средний темп роста регионального рынка рекламы и прогноз его линейного роста на следующий год исходя из таблицы 24.

Таблица 24. Исходные данные рекламного рынка

Годы	Объем рекламного рынка, млн. руб.	Темп роста рекламного рынка к предшествующему периоду, %	Средний темп роста рекламы за 5 лет, %
		- 108,57 110,52 114,28 116,66	112,51

Прогноз объема рекламного рынка (2003 г.) = Объем рекламы (2002 г.)*(средний темп роста / 100) = 280(112,51/100)=. 315,03 млн. руб.

Вместе с тем с помощью этого метода трудно прогнозировать период менее 3-5 лет, поскольку слишком мала выборка, массив обрабатываемой статистической информации, а также период проявления действия циклических колебаний.

Например, рассмотрим тенденцию сбытовой деятельности предприятия по данным табл. 25.

Таблица 25. Исходные данные и результаты расчета скользящей-средней

Месяцы года	Объем сбытовой деятельности, тыс. $	Трехмесячная скользящая средняя	Индексы сезонности (Iс)
		- (85+70+83)/3=79,3 (70+83+80)/3=77,6 (83+80+75)/3=79,33 (80+75+78)/=77,66 (75+78+82)/3=78,33 (78+82+71)/3=77 (82+71+78)/3=77 (71+78+80)/3=76,33 -	- 79,3/77,82=101,90 99,71 101,94 99,79 100,65 98,94 98,94 98,08
		77,82	99,99

Таким образом, скользящая средняя представляет собой сглаженный ряд и усредненную закономерность прогнозирования будущей деятельности.

Индексы сезонности определяются по формуле

I_с = 100%.

Совокупность исчисленных для каждого интервала времени индексов сезонности характеризует сезонную волну развития изучения явления в динамике. На рис. 16 показан график сезонности для примера из табл. 25.

Рис. 16. Сезонная волна сбытовой деятельности

Выравнивание по прямой используется, как правило, в тех случаях, когда абсолютные приросты практически постоянны, т.е. когда уровни изменяются в арифметической прогрессии или близко к ней.

Простейшей моделью, выражающей тенденции развития является линейная функция тренда. Рассмотрим построение линии тренда по прямой

y = a₀ + a₁t,

где t – порядковый номер периода или момента времени; а₁ – коэффициент регрессии, определяющий направление развития тренда. Если а>0, то уровни ряда динамики равномерно возрастают, а при а<0 происходит их равномерное снижение. Этому типу динамики присущи постоянные приросты: Рассмотрим линейный прогноз развития на основании данных табл. 26.

Таблица 26. Выравнивание по прямой объема продаж

Месяц	Уровень продаж, млн. руб. – yi			yt
Январь Февраль Март Апрель Май Июнь		-5 -3 -1 -1		-60 -30 -14 -11	13,03 12,64 12,46 12,46 11,80 11,61	-1,03 -2,64 1,54 -1,46 3,2 0,39	1,06 6,96 2,37 2,13 10,24 0,152
Итого						0	22,91

Коэффициенты линейного уравнения тренда для нашего примера имеют вид:

.

Коэффициент а₁ характеризует уменьшение объема продаж на 0,143 млн. руб. в месяц. Уравнение прямой, представляющее собой трендовую модель искомой функции (тенденции изменения объема месячных продаж), будет иметь вид: у = 12,33 – 0,143t. С помощью этой зависимости можно прогнозировать ситуацию в будущих периодах. На рис. 17 графически показан рассмотренный линейный тренд.

Рис. 17. Пример линейного тренда

Вероятностные границы интервала прогнозируемого явления определятся как

,

где t_a – коэффициент доверия по распределению Стьюдента; S – остаточное среднеквадратическое отклонение от тренда:

,

где n – количество интервалов.

На основании данных табл. 6.17, при доверительной вероятности 0,95 и уровне значимости 0,05, коэффициент доверия t_a = 2306 (по таблице Стьюдента). Тогда S =

Продление в будущее тенденции, наблюдавшейся в прошлом, носит название экстраполяции. По данным табл. 6.17 можно определить ожидаемый уровень продаж в июле месяце (исходя уравнения у = 12,33 – 0,143t, при t = 7). Зная точечную оценку прогнозируемого значения объема продаж на июль месяц - У_июль = 12,33 – 0,143*7 = 11,329, определим вероятностные границы интервала продаж: 11,329-2,306*2,39 у_пр11,329+2,306*2,39, или 5,81у_пр16,84.

Следовательно с вероятностью в 0,95 можно утверждать, что объем продаж в июле месяце будет не менее 5,81 млн. руб., но и не более 16,84 млн. руб.

Прогнозирование по показательной функции используется в тех случаях, когда ряд отражает развитие в геометрической прогрессии, т.е. когда цепные коэффициенты роста практически постоянны. Для выравнивания зависимости может использоваться парабола второго порядка:

.

Значения b₀ и b₁ идентичны параметрам используемым в линейном тренде. Параметр b₂ характеризует постоянное изменение интенсивности развития (в единицу времени). При b₂>0 происходит ускорение развития, при b₂<0 идет процесс замедления роста.

Система нормальных уравнений для нахождения параметров уравнения параболы (при соблюдении принципа отсчета от условного начала) будет иметь вид:

.

Решая систему уравнений, определяют значения параметров уравнения параболы второго порядка.

Рассмотрим построение линии тренда по параболе исходя из данных табл. 27.

Таблица 27. Выравнивание по прямой объема продаж

Месяц	Уровень продаж, млн. руб. – yi			yt	yt^2	t^4
Январь Февраль Март Апрель Май Июнь		-5 -3 -1 -1		-60 -30 -14 -11
Итого						1414

По данным таблицы 27 составим систему уравнений:

6b₀ + 70b₂ = 74

70b₁ = -10

70b₀ + 1414b₂ = 850.

Решая систему уравнений, определим значения параметров уравнения:

b₀ = 12,59; b₁ = -0,142; b₂ = -0,022.

Уравнение параболы прогноза объема продаж будет записано так:

y = 12,59 – 0,142t – 0,022t².

На рис. 18 графически показан рассмотренный нелинейный и линейный тренд.

Рис. 18. Пример квадратичного тренда (парабола)

Эффективность применения того или иного метода зависит от конкретных условий и специфики хозяйственной деятельности предприятия и может быть определена только в системе общих мероприятий по маркетингу. Отражает ли эта модель закономерность изменения исследуемого показателя, иными словами можно ли полученные значения у(t)рассматривать как тенденцию? Для ответа на этот вопрос необходимо производить оценку качества модели, или ее адекватность исследуемому процессу. Последняя характеризуется выполнением определенных статистических свойств и точностью, т. е. степенью близости к фактическим данным.

Модель считается хорошей со статистической точки зрения, если она адекватна и достаточно точна. Модель является адекватной, если математическое ожидание значений остаточного ряда близко или равно нулю, и если значения остаточного ряда случайны, независимы и подчинены нормальному закону распределения. Если построенная модель адекватна, то с выбранной пользовате­лем вероятностью можно утверждать, что при сохранении сложивших­ся закономерностей развития, прогнозируемая величина попадает в интервал, образованный нижней и верхней границами.

Важным моментом прогнозирования является проверка надежности и точности прогноза (верификация), т.е. его отклонение от фактического уровня. Обычно считается, что прогноз составлен правильно, если разница между предполагаемым и фактическим сбытом не превышает 5%.

Мерой качества прогноза может выступать показатель

,

где р –число подтвердившихся прогнозов;

q – число не подтвердившихся прогнозов.

Существует метод Тейла, который позволяет оценить ошибку прогноза до наступления прогнозного срока. Расчет ведется по формуле

,

где p_t – прогноз изучаемого показателя;

A_t – фактическое изменение того же показателя;

V – показатель надежности прогноза.

Сравнение осуществляется на любой достижимой точке траектории прогноза: при V =0 прогноз будет абсолютно точным; если V=1, то это означает, что он вырождается в простую экстраполяцию; если V>1 – прогноз даст ненадежный результат.

Дата добавления: 2014-01-15