АННОТАЦИЯ 3
Введение 6
1 Постановка задачи и возможные варианты решения 7
1.1 Постановка задачи 7
1.2 Проблемы, возникающие при решении задачи прогнозирования спроса 8
1.3 Обоснование применения модели и выбора группы методов 11
1.4 Отличительные особенности адаптивных методов 11
2 Адаптивные методы построения моделей прогнозирования спроса 12
2.1 Модель Брауна 13
2.2 Модель Хольта 16
2.3 Модели авторегрессии 19
3 Реализация моделей 27
3.1 Исходные данные и алгоритм реализации моделей 27
3.2 Анализ и предварительная обработка исходных данных 29
3.3 Построение модели исходного ряда и прогноза 33
3.4 Визуализация результатов моделирования 41
3.5 Проверка адекватности модели 50
3.6 Анализ полученных результатов и выбор наилучшей модели 58
Заключение 63
Литература 64
В настоящее время одной из основных задач маркетинга является анализ рынка и прогнозирование будущей величины спроса на продукцию. Именно от этой величины зависит и величина запасов, которые необходимо иметь компании. Однако зачастую многие продавцы (в особенности из сегмента малого и среднего бизнеса) отказываются от проведения маркетинговых исследований в виду высокой стоимости таких исследований, некомпетентности руководителей, плохой организации информационной системы или по каким-либо другим причинам. В таком случае объём запасов рассчитывают «вслепую», и это приводит к тому, что у компании либо образуются нераспроданные излишки, либо наблюдается нехватка запасов. Первая ситуация приводит к образованию неликвидных активов и локальному денежному дефициту, а вторая - к упущенным выгодам и недополученной прибыли.
Разработка решения данной проблемы ведется уже несколько десятков лет. Все началось с изучения закономерностей рынка и применения элементарных математических моделей, но уже сегодня инструментарий подобных исследований чрезвычайно богат. Однако, до сих пор остро стоит проблема применения полученных результатов на практике. На рынке прикладных программ для бизнеса встречаются лишь единичные универсальные решения, доступные большинству сфер и размеров бизнеса.
Целью данной работы является разработка алгоритма анализа и прогнозирования спроса на продукцию с использованием адаптивных моделей и практическая реализация данного алгоритма на доступных платформах.
Задачами работы являются:
1. Поиск информации об имеющихся адаптивных методах построения моделей прогнозирования спроса на продукцию.
2. Отбор наиболее подходящих методов, углубленное изучение и описание механизма их работы.
3. Разработка алгоритма прогнозирования спроса на основе рассмотренных методов.
4. Поиск исходных данных для практической реализации исследования.
5. Изучение рынка программных продуктов для реализации исследования.
6. Реализация алгоритма на базе рассмотренных ранее программных продуктов.
7. Анализ полученных результатов.
Объектом исследования является экономика предприятия, а предметом исследования -динамика спроса на продукцию предприятия.
Используемые методы: анализ, синтез, сравнение, измерение эксперимент, математическое моделирование, методы математического анализа, статистики и теории вероятностей, эконометрические методы.
В ходе работы мною были отобраны и детально изучены теоретические аспекты построения моделей прогнозирования будущего спроса на товар. Рассмотрены как простые модели, так и более сложные. Наиболее простыми являются модели Брауна. Их отличает ясность концепции, достаточная гибкость, универсальность и простота расчетов. Такие модели отлично подходят для более гибкого выравнивания рядов, очищения их от случайных наслоений. Однако точность получаемых по ним прогнозов не всегда удовлетворительна, и адекватность модели подтверждается не во всех случаях. Более строгим является метод, основывающийся на теории, разработанной Хольтом - метод построения моделей, включающих экспоненциально-сглаженный ряд и линейный тренд. Был рассмотрен и другой подход, основанный на исследовании авторегрессионных моделей временных рядов, преимуществом которого является получение высококачественной модели с адекватным прогнозом при минимуме затрат вычислительных мощностей. В ходе практической реализации была также рассмотрена комбинированная модель, которая показала наиболее высокие показатели точности.
Еще одним важным результатом исследования является разработка алгоритма прогнозирования спроса с использованием адаптивных моделей. Был получен прототип решения на основе доступных программных средств, таких как MS Excel и Loginom, который может послужить основой для полноценного программного продукта.
Адаптивное моделирование - это актуальное и быстроразвивающееся направление. Сфера применения адаптивных моделей временного ряда довольно обширна. Они могут быть использованы для прогнозирования спроса и предложения, конъюнктурных колебаний финансового рынка, отдельных экономических и технико-экономических показателей, уровня запасов в системах материально-технического снабжения, для прогнозирования структурных и технологических сдвигов, для определения траекторий некоторых глобальных показателей. Многие методы сравнительно новые, и поэтому еще не накоплен достаточный практический опыт работы с ними. В условиях рыночной экономики адаптивные методы прогнозирования экономических показателей являются наиболее эффективными.
