Стратегический анализ рынка бытовой техники (стр. 4 из 6)

Определенные выше четыре способа оценки точности прогноза используются для следующих целей:

1) сравнение точности двух различных методов;

2) оценка полезности и надежности метода;

3) отыскание оптимального метода.

1.3.1 Метод экспоненциального сглаживания с учетом тренда

В 1957 г. Хольт разработал метод экспоненциального сглаживания, получивший название двухпараметрического метода Хольта. В этом методе учитывается локальный линейный тренд, присутствующий во временных рядах [14, C.117].

Если во временных рядах имеется тенденция к росту, то вместе с оценкой текущего уровня необходима и оценка наклона. В методике Хольта значения уровня и наклона сглаживаются непосредственно, при этом используются различные постоянные сглаживания для каждого из них. Эти постоянные сглаживания позволяют оценить текущий уровень и наклон, уточняя их всякий раз, когда появляются новые наблюдения. Одним из преимуществ методики Хольта является ее гибкость, позволяющая выбирать соотношение, в котором отслеживаются уровень и наклон.

Ниже приведены три уравнения, составляющие метод Хольта.

1. Экспоненциально сглаженный ряд или оценка текущего уровня:

. (1.34)

2. Оценка тренда:

. (1.35)

3. Прогноз нар периодов вперед:

, (1.36)

где

– новая сглаженная величина;

– постоянная сглаживания для данных ( );

– новое наблюдение или реальное значение ряда в период ;

– постоянная сглаживания для оценки тренда ( );

– оценка тренда;

– количество периодов вперед, на которое делается прогноз;

– прогноз на периодов вперед.

Постоянная

нужна для сглаживания оценки тренда.

Постоянные

и выбираются субъективно или путем минимизации ошибки прогнозирования, например значения MSE. Чем большие значения весов будут взяты, тем более быстрый отклик на происходящие изменения будет иметь место.

Для минимизации значения MSE нужно создать сетку значений

и (т.е. все комбинации и ) и выбрать ту комбинацию, которая даст меньшее значение MSE.

Для того чтобы воспользоваться алгоритмом уравнения (1.34), нужно иметь набор из начальных величин и тренда. Одно из возможных решений состоит в том, чтобы первую оценку положить равной первому наблюдению. При этом тренд будет равен нулю. Другое решение – это определить начальное значение как среднее для первых пяти или шести наблюдений. Тогда тренд можно оценить наклоном линии, образованной этими пятью или шестью точками.

1.3.2 На основе аддитивной модели

Фактическое значение = трендовое значение + сезонная вариация + ошибка.

На первом шаге нужно исключить влияние сезонной вариации, воспользовавшись методом скользящей средней. Далее необходимо провести десезонализацию данных.

Уравнение линии тренда:

. (1.37)

Ошибки вычисляются с помощью формул (1.30, 1.31).

1.3.3 На основе мультипликативной модели

Фактическое значение = трендовое значение * сезонная вариация * ошибка. Значения сезонной вариации – это доли. Число сезонов равно 4.

На первом шаге нужно исключить влияние сезонной вариации, воспользовавшись методом скользящей средней. Далее необходимо провести десезонализацию данных.

Уравнение линии тренда:

. (1.38)

Ошибки вычисляются с помощью формул (1.30, 1.31).

1.3.4 Использование индексов

Расчёт производится путём деления суммарного годового объема рынка бытовой техники на суммарный объем прошлого года, усреднении этого индекса и умножении его на данные последнего рассматриваемого года.

1.3.5 Оценка адекватности и точности модели

Одной из наиболее эффективных оценок адекватности модели является коэффициент детерминации, который рассчитывается по формуле (1.39) [15, C.94]:

(1.39)

Рассчитывается коэффициент детерминации и делается вывод об адекватности модели.

РАЗДЕЛ 2. АНАЛИЗ ДАННЫХ ОБ ОБЪЕМЕ РЫНКА БЫТОВОЙ ТЕХНИКИ Г. УФА

Рынок бытовой техники является одним из самых крупных в России, и в частности в г. Уфа. Его доля в потребительском секторе составляет почти 50% [16].

Сегмент крупногабаритной бытовой техники является самым крупным сегментом рынка в г. Уфа. К нему относятся стиральные машины, холодильники, морозильники, кухонные плиты и панели, посудомоечные машины. Чайники, пылесосы, утюги и микроволновые печи относятся к сегменту мелкой бытовой техники.

В данной курсовой работе рассматриваются квартальные данные об объемах продаж всей бытовой техники в г. Уфа.

2.1 Графический анализ данных об объеме рынка бытовой техники

Исходные данные, полученные для анализа, охватывают период 2003-2009 гг. и включают объем рынка бытовой техники г. Уфа в денежном эквиваленте (руб.)

Таблица 2.1Объем рынка бытовой техники г. Уфа

Квартал	2009 г.	2008 г.	2007 г.	2006 г.	2005 г.	2004 г.	2003 г.
1	1823014	1747589	1395473	1110683	892901	712300	582790
2	1900147	1754871	1400217	1115879	898787	720458	589787
3	1958799	1768796	1421587	1135897	914525	734879	602547
4	1982140	1789797	1447879	1150121	922145	739528	605458

Суммарный объем рынка бытовой техники г. Уфа за 2003-2009 гг. представлен на рис. 2.1.

Рис. 2.1. Суммарный объем рынка бытовой техники

Графический анализ квартальных данных за 7 лет представлен на рис. 2.2.

Рис. 2.2. Анализ квартальных данных

На основе графического анализа исходного временного ряда можно сформулировать допущение о тенденции увеличения объемов рынка бытовой техники в течение последних семи лет.

2.2 Содержательный анализ данных об объеме рынка бытовой техники

2.2.1 Основные показатели динамики для временного ряда годовых данных

Рассчитаем показатели динамики на основе формул (1.4-1.16):

Таблица 2.2 Показатели динамики

Средний уровень ряда,	1207821
Цепной абсолютный прирост,	6997
Базисный абсолютный прирост,	6997
Средний абсолютный прирост,	51828
Цепной темп роста,	101%
Базисный темп роста,	101%
Средний темп роста,	147%
Цепной темп прироста,	1%
Базисный темп прироста,	1%
Средний темп прироста,	47%

Объем рынка бытовой техники изменяется со скоростью 51828 руб. в год. В последние годы спрос смещается в сторону аудио- и видеотехники. Причиной этому стало удовлетворение потребности покупателей в приобретении товаров первой необходимости (чайников, утюгов, пылесосов) [17].

Представим все статистические показатели динамики в виде таблицы (Приложение 1).

2.2.2 Сглаживание временного ряда квартальных данных с помощью скользящих средних

Найдем сглаженные значения, воспользовавшись формулой (1.24):