Введение 4
Глава 1. Теоретические основы прогнозирования конъюнктуры рынка железнодорожных перевозок в РФ 7
1.1 Сущность и особенности прогнозирования 7
1.2 Прогнозирование временных рядов с помощью модели ARIMA 14
1.3 Прогнозирование временных рядов методом экспоненциального
сглаживания 27
1.4 Прогнозирование временных рядов методом сезонной декомпозиции 35
Глава 2. Анализ рынка железнодорожных перевозок в РФ 39
2.1 Понятие конъюнктуры рынка 39
2.2 Рынок железнодорожных перевозок в Российской Федерации 41
2.3Статистические показатели динамики объема погрузки на железнодорожном транспорте в Российской Федерации 48
2.4 Перспективы развития рынка железнодорожного транспорта в Российской
Федерации 57
Глава 3. Прогнозирование конъюнктуры рынка железнодорожных перевозок в Российской Федерации с помощью программного продукта STATISTICA 64
3.1 Обоснование выбора программной среды 64
3.2 Прогнозирование объема погрузки нефти и нефтепродуктов методом
АРПСС 66
3.3 Прогнозирование объема погрузки нефти и нефтепродуктов методом
экспоненциального сглаживания 76
3.4 Прогнозирование объема погрузки нефти и нефтепродуктов методом
сезонной декомпозиции 83
Заключение 101
Список использованных источников 104
Приложение
В период нестабильности экономики важную роль играет прогнозирование, так как от прогноза зависит эффективность деятельность предприятий, организаций. Обоснованные предположения о будущем более ценны для руководителей и менеджеров, чем необоснованные. На основании точных предположений происходит поиск наиболее эффективных путей решения проблем отрасли [1].
Грузоперевозки железнодорожным транспортом занимают второе место в
России после трубопроводов. Это самый удобный и экономичный способ перевозки нефти и нефтепродуктов. Одной из главных задач развития экономики
данной сферы транспортной отрасли является создание полноправного конкурентного рынка для участников процесса транспортировки [1; 2].
Железнодорожный транспорт важен для России, т.к. он способствует созданию условий для модернизации страны, росту и развитию национальной
экономики, а также переходу на новый инновационный путь развития. Обстановка на рынке транспорта также влияет на положение Российской Федерации
в мире и обеспечивает лидерские позиции в экономике.
Работа железнодорожного транспорта влияет на многие важные социальные и экономические аспекты деятельности государства. От качества и состояния данной отрасли зависят перспективы развития страны, а также выполнение
важнейших функций государства, таких как безопасность страны, защита национального суверенитета, обеспечение условий для комфортной перевозки пассажиров и потребности в перевозке граждан. Железнодорожный транспорт
также служит инструментом выравнивания развития различных регионов России в социально-экономическом плане [3].
Железнодорожный транспорт занимает около 40% обеспечения пассажирских и грузоперевозок от всего транспорта России и является ведущим ви5
дом транспорта. По итогам работы в 2015 году погрузка грузов на железнодорожном транспорте составила 251390 тысяч тонн.
Анализ временных рядов является важной областью статистики, целью
которой является определение природы ряда и прогнозирование. Современные
статистические методы позволяют с высокой точностью спрогнозировать любые показатели. Существует множество аналитических инструментов для построения точных прогнозов и определения вероятностной модели будущего. В
работе рассмотрены 3 статистических метода прогнозирования ля определения
наиболее подходящего метода прогнозирования объема погрузки нефти и
нефтепродуктов на железнодорожном транспорте.
Объектом исследования выпускной квалификационной работы является
рынок железнодорожных перевозок в Российской Федерации.
Предметом исследования данной работы являются рыночные закономерности и зависимости, а так же методы анализа и прогнозирования объема погрузки нефти и нефтепродуктов на железнодорожном транспорте.
Целью выпускной квалификационной работы является анализ конъюнктуры рынка железнодорожных перевозок в Российской Федерации и прогнозирование объема погрузки нефти и нефтепродуктов на железнодорожном транспорте различными статистическими методами.
Для достижения данной цели необходимо выполнить ряд задач:
1. Рассмотреть теоретические основы прогнозирования, изучить методы
прогнозирования временных рядов.
2. Изучить понятие конъюнктуры рынка.
3. Проанализировать рынок железнодорожных перевозок России, определить основные показатели конъюнктуры рынка данной отрасли.
4. Применяя различные статистические методы, составить прогноз объема погрузки нефти и нефтепродуктов на железнодорожном транспорте.
5. Получить навыки работы с программным пакетом STATISTICA.
Железнодорожный транспорт является важной сферой России. Он обеспечивает важнейшие функции: создание условий для модернизации страны,
способствование росту и развитию национальной экономики, а также переходу
на новый инновационный путь развития. Обстановка на рынке транспорта также влияет на положение Российской Федерации в мире и обеспечивает лидерские позиции в экономике.
В ходе выполнения работы были рассмотрены теоретические основы прогнозирования конъюнктуры рынка, изучены понятия методов прогнозирования,
временных рядов, конъюнктуры рынка.
Был проведен анализ рынка железнодорожных перевозок в Российской
Федерации. Для этого рассмотрели динамику объема погрузки нефти и нефтепродуктов на железнодорожном транспорте за период с января 2008 года по
март 2016 года. По итогам работы в 2015 году погрузка составила 251390 тысяч
тонн, что ниже уровня 2014 годы на 1,97%. Данное снижение обусловлено состоянием экономики России, в частности, ростом инфляции, падением индекса
промышленного производства, сокращением объемов строительства и другими
проявлениями экономического кризиса.
Было выявлено, что в 2015 году наблюдалась тенденция к снижению объема погрузки нефти и нефтепродуктов на железнодорожном транспорте. Это
связано со строительством трубопроводов, которые постепенно заменяют железные дороги в перевозке нефти, а также с проводимой налоговой политикой.
Также был проведен сравнительный анализ следующих статистических
методов анализа и прогнозирования временных рядов в программном пакете
STATISTICA: метод авторегрессии и проинтегрированного скользящего среднего, метод экспоненциального сглаживания и метод сезонной декомпозиции.
С помощью модели АРПСС был построен прогноз на период с апреля
2016 годы по март 2017 года. Согласно построенному прогнозу, к концу 2016
года объем погрузки нефти и нефтепродуктов на железнодорожном транспорте102
сократится на 4,7% к уровню конца 2015 года и составит 20617 тыс. тонн
Ошибка прогноза составила 6,46%. Ошибка допустима, однако такой прогноз
не является точным. Прогнозирование временного ряда показало, что с каждым
новым прогнозным значением ошибка увеличивается, что свидетельствует о
том, что данный метод применим для краткосрочных прогнозов.
Метод прогнозирования АРПСС является простым и эффективным методом прогнозирования на короткие сроки. Однако не рекомендуется применять
его для долгосрочного прогнозирования во избежание возникновения значимых
ошибок.
Для прогнозирования объема погрузки нефти и нефтепродуктов на железнодорожном транспорте также использовался метод сезонной декомпозиции. Данный метод заключается в выделении во временном ряду составляющих
компонент: тренд-циклической, сезонной и случайной. На основании выделения составляющих был составлен прогноз, согласно которому в марте 2017 года объем погрузки нефти и нефтепродуктов будет составлять 19501,35 тыс.
тонн. К концу 2016 года исследуемый показатель сократится примерно на 5%
по сравнению с концом 2015 года. Прогнозирование методом сезонной декомпозиции показало ошибку 5,16%.
Для составления прогноза объема погрузки нефти и нефтепродуктов на
железнодорожном транспорте использовали метод экспоненциального сглаживания. Модель экспоненциального сглаживания позволяет учесть тренд и сезонность. В данной работе были рассмотрены две модели: модель с линейным
трендом и мультипликативной сезонностью и модель с экспоненциальным
трендом и мультипликативной сезонностью.
Модель с линейным трендом и мультипликативной сезонностью называют моделью Винтерса. Для идентификации модели подобрали параметры
Alpha=0,9, Delta=0,1 и Gamma=0,1, при которых ошибка минимальна и составляет 1,987%.103
Помощь студентам и аспирантам в выполнении работ от наших партнеров
