Введение 3
Постановка задачи 5
Обзор литературы 7
Глава 1. Анализ рынка контейнерных перевозок в России 17
1.1 Формализация предметной области 17
1.2 Принцип соотношения спроса и предложения 19
1.3 Выделение сущностей и построение информационно-логической
модели рынка 22
Глава 2. Анализ данных и построение математической модели
формирования спроса 25
2.1 Сбор и обработка данных о факторах 25
2.2 Агрегирование и анализ данных 26
2.3 Построение математической модели 28
Глава 3. Математическое моделирование и прогнозирование спроса 31
3.1 Определение источников данных 35
3.2 Интеллектуальный анализ данных и прогнозирование 37
3.3 Анализ полученных результатов моделирования 52
Выводы 54
Заключение 56
Приложение А 61
В современном мире ни одно промышленное или торговое предприятие не обходится без услуг железнодорожных транспортных компаний. Любое производство или розничная торговля в масштабах города, региона, страны или международного масштаба включает в себя транспортировку грузов и различных товаров. В последнее время особенную популярность набирают контейнерные железнодорожные грузоперевозки, за счет универсальности тары, удобства погрузки контейнеров на железнодорожные платформы и преимущества железнодорожного вида транспорта в целом. Из множества макроэкономических факторов складывается потребность в тех или иных услугах перевозок, а от их эффективности, скорости и актуальности зависит как свежесть продуктов питания в магазинах, так и своевременность начала производственного цикла на фабрике. Также важно отметить, что несмотря на достаточно молодой рынок железнодорожных контейнерных перевозок, в России он стремительно развивается конкурентно. Поэтому руководству транспортных компаний следует соответствовать стремительным течениям в области управления бизнесом грузоперевозок для укрепления своих позиций на рынке. История развития данного рынка в России берет свое начало с относительно недавнего времени.
Начиная с 2000-х годов в России железные дороги эксплуатируются условно тремя группами компаний. В первую очередь это группа компаний ОАО «РЖД», владеющих всей сетью железных дорог. Вторая группа — независимые или формально независимые от ОАО «РЖД» железнодорожные операторы. Примечательно, что вся инфраструктура железных дорог России монополизирована данными государственными или около государственными компаниями. Наконец, третья группа компаний состоит из перевозчиков, которые владеют только своим или арендованным подвижным составом и пользуются государственной собственностью - сетью железных дорог и услугами локомотивной тяги. К таким компаниям можно отнести, например, следующие: транспортная группа FESCO, ПАО «ТрансКонтейнер», АО «Евросиб СПб-транспортные системы» и другие. В рамках программы структурной реформы 2011-2017 гг. на железнодорожном транспорте в Российской Федерации в целом были достигнуты положительные изменения. В частности, произошло положительное изменение конъюнктуры рынка грузовых железнодорожных операторов, рынок стал более конкурентным:
1) завершено формирование конкурентного сегмента рынка оперирования грузовыми вагонами и их предоставления под перевозку;
2) привлечены существенные инвестиции в обновление парка грузовых вагонов, значительно уменьшен износ подвижного состава (вагонов), работающего на сети;
3) ускорены темпы обновления и развития железнодорожной инфраструктуры, а также другие трансформации [1].
Благодаря проведенным изменениям было достигнуто увеличение конкуренции в железнодорожной отрасли, которое поспособствовало возникновению и развитию множества частных грузовых перевозчиков. Помимо структурных реформ немаловажное значение играют естественная непрерывная трансформация рынка (создание альянсов и коалиций), изменение его конъюнктуры, политические и экономические потрясения, пандемии и другие фундаментальные факторы, которые воздействуют на логистические связи в частности и форму ведения бизнеса в целом.
Таким образом, вышеперечисленные факторы непосредственным образом влияют на будущий спрос на услуги контейнерных перевозок. Все это стимулирует руководства транспортных компаний-перевозчиков применять новейшие техники в управлении своим бизнесом, особенно включая математический и экономический анализы. В свою очередь использование данных приемов позволяет компаниям строить прогнозные модели потребности в перевозках в будущем и на основе этих данных принимать оптимальные решения в менеджменте.
Фундаментальный и технический анализы вместе являются мощным инструментом, который помогает оценить ситуацию на рынке железнодорожной отрасли. Большая конкуренция в этой сфере вынуждает компании - частных железнодорожных грузовых перевозчиков применять передовые технологии и приемы в управлении своим бизнесом для увеличения своей конкурентоспособности. Ответственное лицо, принимающее решение в данных вопросах должно владеть глубинными знаниями экономики железнодорожной транспортной системы и понимать взаимосвязи влияния макроэкономических показателей на данную отрасль.
В ходе выполнения выпускной квалификационной работы достигнута цель: составлен прогноз объема спроса в отрасли железнодорожных контейнерных перевозок в России путем выявления значимых макроэкономических показателей за счет применения фундаментального и технического анализа.
Для достижения этой цели, выполнены все поставленные задачи:
1. Выполнен обзор литературы по теме исследования, изучена предметная область и ее экономический анализ. Выявлены сущности предметной области и построена информационно-логической модель.
2. Проведен сбор и обработка данных. Проведен качественный и количественный анализ макроэкономических показателей. Построена математическая модель.
3. Проведен вероятностно-статистического анализ. Произведено прогнозирование и сценарное имитационное моделирование.
Сбор данных осуществлен из открытых источников и проведена их обработка. Большую значимость имеют предоставленные данные компанией об объемах перевозок грузов. Количественный анализ данных проводился с использованием языка программирования Python с библиотеками pandas, scikit- learn, numpy, statsmodels и другими, языка программирования R для статистической обработки данных и работы с графикой, а также посредством программных продуктов MS Excel и Erwin Data Modeler.
Посредством интеллектуального анализа данных и применения математической модели составлен прогноз объема спроса на перевозки грузов лесопромышленного комплекса. Построенная регрессионная модель является достаточно качественной, и она соответствует данным. Беря во внимание анализ транспортной компании, приведенной в данной работе, можно заключить, что она имеет достаточное преимущество к удовлетворению спроса на такие перевозки, покрыв его своим предложением. С учетом внешних макроэкономических факторов аналогичные прогнозы можно составить для других видов грузов.
Полученная в данной работе модель может быть использована руководством транспортных компаний для анализа своей деятельности и прогнозирования объема спроса на контейнерные перевозки. Принимая во внимание полученные результаты, ЛПР может принимать решения для удовлетворения спроса предоставлением соответствующего предложения на перевозки. В дальнейшем, выполненный технический анализ может быть автоматизирован в виде программного продукта.
1. Институт исследования проблем железнодорожного транспорта. Целевая модель рынка грузовых железнодорожных перевозок на период до 2025 года. Москва: 2018.
2. Транспорт в России. Статистический сборник // Федеральная служба
государственной статистики. 2020. URL:
https://rosstat.gov.ru/storage/mediabank/UbzIvBZj/Transport_2020.pdf (дата обращения: 28.04.2022).
3. Кокорев В.А. Экономические провалы. Москва: Общество купцов и промышленников России, 2005. 336 с.
4. Терёшина Н.П., Галабурда В.Г., Токарев В.А. Экономика железнодорожного транспорта: Учеб. для вузов ж.-д. транспорта. Москва: УМЦ ЖДТ, 2008. 996 с.
5. Терёшина Н.П., Галабурда В.Г., Трихунков М.Ф. Экономика
железнодорожного транспорта: учебник для вузов ж.-д. трнаспорта. Москва: УМЦ ЖДТ, 2006. 801 с.
6. Быченко О.Г., Сыцко А.Ф. Экономика железнодорожного транспорта: учебное пособие. Гомель: Белоруский государственный университет транспорта, 2017. 223 с.
7. Мачерет Д. Динамика железнодорожных перевозок грузов как макроэкономических индикаторов // Экономическая политика, Т. 10, № 2,
2015. С. 133-150.
8. Мачерет Д. О чем свидетельствует столетняя динамика показателей крупнейших железнодорожных систем // Экономическая политика. 2016. Т. 11. № 6. С. 138-169.
9. АО "Кодекс". Об утверждении Методики классификации и специализации железнодорожных линий ОАО "РЖД" // Электронный фонд правовых и нормативно-технических документов. 2020. URL: https://docs.cntd.ru/ document/564286419 (дата обращения: 28.04.2022).
10. Jianguo Z., Gang Q. International conference on computer science and service system // Application of BP neural network forecast model based on principal component analysis in railways freight forecas. 2012. pp. 2201-2204.
11. Ziyadin S., Sousa R.D., Suieubayeva S., Yergobek D., Serikbekuly A. The 1st International Conference on Business Technology for a Sustainable Environmental System // Differentiation of logistics services on the basis ABC analysis. 2020. Vol. 159. pp. 1-8.
12. Перминова А.А. Прогнозирование спроса и оценка
конкурентоспособности контейнерных перевозок на железных дорогах России. Москва. 2016. 139 с. Диссертация на соискание ученой степени кандидата экономических наук.
13. Milenkovic M., Bojovic N. Railway demand forecasting // IGI Global. Jun
2016. No. 5. pp. 100-129.
14. Трухаев Р.И., Горшков И.С. Факторный анализ в организационных системах. Москва: "Радио и связь", 1985. 184 с.
15. Kulshreshtha M., Nag B., Kulshrestha M. A multivariate cointegrating vector auto regressive model of freight transport demand: evidence from Indian railways // Transportation Research. Jul 2001. Vol. Part A. No. 35. pp. 29-45.....26