АННОТАЦИЯ 2
ВВЕДЕНИЕ 7
1 РЫНОК АВТОМОБИЛЕЙ, КАК ВАЖНАЯ КОМПОНЕНТА РАЗВИТИЯ
СТРАНЫ 10
1.1 Развитие рынка транспортных средств 10
1.2 Обзор работ посвященных прогнозированию рынков 13
1.3 Постановка задачи 16
2 РАЗРАБОТКА МЕТОДОЛОГИИ ПРОГНОЗИРОВНАИЯ РЫНКА
ПРОДАЖ АВТОМОБИЛЕЙ 18
2.1 Регрессионные модели 19
2.2 Авторегресионные модели 20
2.3 Метрика качества эконометрических моделей 21
3 ИССЛЕДОВАНИЕ ОБЪЕКА С ПОМОЩЬЮ РАЗРАБОТАННОЙ
МОДЕЛИ 24
3.1 Подготовка данных 24
3.2 Проверка на стационарность 27
3.3 Модель ARIMA 35
4 КОММЕРЦИАЛИЗАЦИЯ 47
4.1 Дорожная карта 47
4.2 Планирование стратегии 48
4.3 Оценка потенциальных возможностей интернета для своего бизнеса 49
4.4 SWOT-анализ 50
4.5 Создание сайта - эффективного инструмента маркетинга 51
4.6 Структура сайта 52
4.7 Информационное наполнение сайта 53
4.8 Инструменты работы с аудиторией сайта 56
4.9 Продвижение и ценовая политика 58
ЗАКЛЮЧЕНИЕ 61
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 62
Автомобили на сегодняшний день являются одним из популярных и комфортных вариантов перемещения. Однако, несмотря на огромное количество преимуществ, они имеют целый ряд недостатков. Один из самых главных недостатков заключается в том, что автотранспорт наносит большой ущерб окружающей среде. Также бензиновые автомобили являются довольно дорогим видом транспорта. Последнее время нефтепродукты стремительно дорожают. Эти факты привели к тому, что развитые страны стали разрабатывать и выпускать менее расточительные и более экологичные автомобили.
Основная проблема, стоящая перед автосалонами и сопутствующими организациями, является повышение точности оценки и прогнозирования количества продаваемых тех или иных машин, для составления более точного плана развития компании и городского ресурса в целом.
Задача «Opplysningsradet for Veitrafikken» («OFV»). «OFV» - это политически независимая членская организация, которая работает над тем, чтобы заставить политиков и власти строить более безопасные и эффективные дороги в Норвегии. Организация насчитывает около 60 членов, представляющих различные типы участников дорожного движения. Участники являются ведущими игроками в области безопасности дорожного движения, ассоциациями автовладельцев, компаниями общественного транспорта, грузоотправителями, автодилерами, нефтяными компаниями, банковскими, финансовыми и страховыми компаниями, дорожными строителями и генеральными подрядчиками. Этот конкурс предоставляет подробные наборы данных по продажам автомобилей.
Актуальность темы. В настоящее время задача прогнозирования временных рядов актуальна и является неотъемлемой частью ежедневной работы многих организаций, в том числе «OFV». Для данной организации выгодно знать будущее количество проданных машин, что будет помогать заставлять политиков и власть строить безопасные дороги.
Многие компании накапливают значения экономических и физических показателей в базах данных, что помогает осуществлению более точного прогноза. Вместе с тем, развитие компьютерных технологий помогает реализовывать различные алгоритмы прогнозирования. Кроме того, современные подходы к экономическому и техническому управлению предъявляют все более жесткие требования к точности прогнозирования. Таким образом, задача прогнозирования временных рядов усложняется вместе с развитием информационных технологий.
Задача прогнозирования временного ряда решается на основе создания модели прогнозирования, адекватно описывающей исследуемый процесс.
Целью работы является прогнозирования рынка продаж новых машин.
Для достижения этой цели были поставлены и решены следующие задачи.
1. обзор методов прогнозирования рынка;
2. разработка методологии прогнозировании рынка продаж автомобилей на основе метода ARIMA;
3. исследование точности и достоверности математических моделей прогнозирования рынка продаж автомобилей на примере Норвегии;
4. разработка программного обеспечения на языке Python.
Объектом исследования является рынок продажи автомобилей.
Предметом методы прогнозирования продаж машин.
Информационной базой исследования являются книги по эконометрике Бородич С.А. и Кремер Н.Ш., по прогнозированию Петров А.А., учебное пособие Федяшина Г.И. по анализу временных рядов.
Научная новизна исользование регресионного анализа с учетом сезонности для прогноза продаж новых автомобилей.
Практическая значимость построеная модель может быть использования, не только для прогнозирования продаж новых автомобилей для улучшения потока автомобилей на производстве, но и для влияния на государственные органы с целью развития региона, а именно способствовать увеличению парковочных мест, заправок и строительсва новых развязок.
Работа состоит из введения, 4 разделов, заключения, библиографического списка. Объем работы составляет 65 страниц, объем библиографии - 42 источников.
Первая глава описывает рынок продаж новых машин в Норвегии, так же в ней произведенно иследования материалов по ARIMA (p, d, q) моделям.
Во второй главе идет описание выбранной модели и метода прогнозирования, так же дается описание оценки качества выбранного метода.
В третьей глава были произведены все расчеты и была написанна программа на Pythone для расчета и прогнозирвоания по выбранной модели.
Четвертая глава показывает сбособ коммерциализации моего проекта.
Использование математических методов при анализе, оценке и прогнозирвоании на рынках продаж предоставляет широкий спектр возможностей для компании и государсва в целом.
В данной работе были рассмотрены основные подходы к оценке ряда количесва продаж новых машин. На основе оценке моделей авторегресии проинтегрированного скользящего среднего был построен прогноз продаж новых машин в Норвегии.
Для решения поставленной цели, а именно прогнозирование количесва будущих продаж новых автомобилей, были выполнены следующие задачи:
1. проведен обзор модели авторегресии проинтегрированного скользящего среднего;
2. разработана методология прогнозировании рынка продаж автомобилей на основе модели авторегресии проинтегрированного скользящего среднего;
3. исследована точность и достоверность математических моделей прогнозирования рынка продаж автомобилей напримере Норвегии;
4. разработана программного реализующая выбор и анализ модели на языке Python.
В заключение еще раз хотелось бы подчеркнуть актуальность прогнозирования временных рядов. Ведь потребность в прогнозирование этих данных растет с каждым днем так же, как и объем накапливаемой информации помогающей более точно делать прогнозы.
В результате сравнение различных ARIMA (p, d, q) моделей, с помощи ошибки MAPE, лучший результат показала модель ARIMA (2, 1, 0) и составила она 11,4%.
Далее был построен и визуализирован прогноз продаж новых машин в Норвегии.
