Моделипрогнозирован

ия объемапродаж

. . . Проф ОБ Кудряшова

2

Цель курса

0 Цель курса ‒ изложить в систематизированном виде методы

, прогнозирования объема продаж наиболее часто применяемые в экономической

. практике0 Главное внимание будем обращать на

прикладное значение рассматриваемых, методов на экономическое истолкование и

.интерпретацию получаемых результатов

3

Экстраполяция0 Самым простым способом

прогнозирования рыночной ситуации , . . является экстраполяция т е

, распространение тенденций , . сложившихся в прошлом на будущее

0 Сложившиеся объективные тенденции изменения экономических показателей

в известной степени предопределяют их . величину в будущем

0 Рыночные процессы обладают . некоторой инерционностью Особенно

это проявляется в краткосрочном. прогнозировании

0 Прогноз на отдаленный период должен максимально принимать во внимание

, вероятность изменения условий в .которых будет функционировать рынок

4

Методы прогнозирования

объема продаж0 ;методы экспертных оценок0 методы анализа и

прогнозирования временных;рядов

0 ( -казуальные причинно) .следственные методы

5

Основные подходы к

прогнозированию0 Методы экспертных оценок основываются на субъективной

. оценке текущего момента и перспектив развития Целесообразно , использовать случаях когда невозможно получить подробную - .информацию о каком либо явлении или процессе

0 Методы анализа ипрогнозирования динамических рядов : связаны с исследованием двух элементов детерминированной

. компоненты и случайной компоненты Разработка первого , прогноза не так трудно если определена тенденция развития

( ). ( экстраполяция Прогноз случайной компоненты сложнее ее ).появление связано с некоторой вероятностью

0 Казуальныеметоды , ищут факторы определяющие поведение . прогнозируемого показателя Этим занимается -экономико . математическоемоделирование При этом необходимо

глубоко изучить экономическое содержание рассматриваемого . – , явления или процесса Это лучшийметод если его вообще

.возможно применить

6

1. Методы экспертныхоценок

0 Прогнозы объема продаж с помощью экспертов могут

быть получены в одной из трех:форм

1. ;точечного прогноза2. ;интервального прогноза3. прогноза распределения

.вероятностей

7

Точечный прогноз объемапродаж

0 Это прогноз конкретнойцифры. Он является , наиболее простым из всех прогнозов

поскольку содержит наименьший объем. информации

0 , , Как правило заранее предполагается что точечный прогноз может быть ошибочным,

но методикой не предусмотрен расчет ошибки . прогноза или вероятности точного прогноза

0 На практике чаще применяются два других : метода прогнозирования интервальный и

.вероятностный

8

Интервальный прогноз объема продаж

0 Интервальный прогноз объема продаж предусматривает

, установление границ внутри которых будет находиться

прогнозируемое значение показателя с заданным уровнем. значимости

0 Примером является утверждение: « типа В предстоящем году объем

11 12,4 . продаж составит от до млн.».руб

9

Прогноз распределениявероятностей

0 Прогноз распределения вероятностей связан с определением вероятности попадания

фактического значения показателя в одну из нескольких групп с установленными

. интервалами0 :Примером может служить прогноз типа

• , , Интервалы учитывающие низкий средний и , высокий уровень продаж иногда называют

, пессимистичными наиболее вероятными и. оптимистическими

10

Обобщение мненияэкспертов

0 Для выявления общего мнения экспертов необходимо получить данные о прогнозных значениях от каждого, , эксперта а затем произвести расчеты используя систему

- взвешивания индивидуальных значений по какому либо. критерию Известны четыре метода взвешивания

.различных мнений1. , Использование равных весов если эксперты имеют

.одинаковые компетентности2. , Использование весов пропорциональных степени

« » , важности экспертов соответствующей их, , компетентности известности в ученом мире опыту в

. .конкретной области деятельности и т п3. , Использование весов пропорциональных самооценкам

. экспертов Имеются свидетельства наличия прямой связи между уровнем самооценки компетентности экспертов и

.точностью экспертных оценок4. , Использование весов пропорциональных относительной

.точности последних прогнозов конкретного эксперта

11

2. Анализ временныхрядов

0 Прогнозирование на основе анализа временных

, рядов предполагает что происходившие изменения

в объемах продажмогут быть использованы для

определения этого показателя в последующие

. периоды времени0 , Временные ряды

, подобные тем что , приведены в таблице

служат для расчета четырех различных типов

: изменений в показателях, , трендовых сезонных

.циклических и случайных

« » 1993—Потребление напитка Тархун в1999 .гг

12

Типы измененийпоказателей

0 , , Временные ряды подобные тем что , приведены в таблице обычно служат

для расчета четырех различных : типов изменений в показателях

0 , трендовых0 , сезонных0 ,циклических0 .случайных

13

Тренды

0Тренд  , ‒ это изменение определяющее , общее направление развития основную

. тенденцию временных рядов0 Выявление основной тенденции

( ) развития тренда называется выравниваниемвременного ряда, а

методы выявления основной тенденции ‒ методамивыравнивания.

14

Приемы (1)выравнивания

1. Укрупнение интервала динамического ряда.

0 Первоначальный ряд динамики , преобразуется и заменяется другим

уровни которого относятся к большим по . продолжительности периодам времени

0 , , Так например месячные данные таблицымогут быть преобразованы в ряд

. годовых данных График ежегодного « », потребления напитка Тархун , , приведенный на рисунке показывает

что потребление возрастает из года в год . в течение исследуемого периода

0 Тренд в потреблении является характеристикой относительно

стабильного темпа роста показателя .за период

Ежегодное потребление напитка

« » 1993 1999 . Тархун в ‒ гг

15

Метод скользящего (2)среднего

0 Формируются , укрупненные интервалы

состоящие из одинакового . числа уровней

0 Каждый последующий , интервал получаем

постепенно передвигаясь от начального уровня

динамического ряда на . одно значение

0 По сформированным укрупненным данным рассчитываем скользящие

, средние которые относятся к середине

.укрупненного интервала

Расчет скользящих средних по 1993 .данным за г

16

Метод аналитического (3)выравнивания

0 Фактические уровни ряда , заменяются теоретическими

рассчитанными по определенной, кривой отражающей общую

тенденцию изменения показателей . во времени

0 Уровни динамического ряда рассматриваются как функция

:времениYt = f(t).

17

Используемые функции0 Наиболее часто в методе аналитического выравнивания

:используются следующиефункции1. : при равномерном развитии ‒ линейная функция

2. :при росте с ускорением0 :парабола второго порядка0 : кубическая парабола

3. : при постоянных темпах роста ‒ показательная функция

4. :при снижении с замедлением ‒ гиперболическая функция 0 Оценки параметров b0, b1, ... bn  находятся методом

, наименьших квадратов сущность которого состоит в , отыскании таких параметров при которых сумма квадратов

, отклонений расчетных значений уровней вычисленных по , искомойформуле от их фактических значений была бы

.минимальной

0 1 ;tY b b t

20 1 2 ;tY b b t b t

2 30 1 2 3 ;tY b b t b t b t

0 1 ;t

tY b b

10 .t

bY b

t

18

Подбор функциитренда

0 , , Подбор вида функции описывающей тренд производится путем построения ряда функций и сравнения их между собой

.по величине среднеквадратической ошибки0 Разность между фактическими значениями ряда динамики и

( ) его выравненными значениями характеризует ( случайные колебания остаточные колебания или

). статистические помехи0 , Среднеквадратическая ошибка рассчитанная по годовым

« » даннымпотребления напитка Тархун для уравнения 1,028 . . прямой составила тыс дол На основании

среднеквадратической ошибки можно рассчитать . предельную ошибку прогноза Мыможем гарантировать с

95% ( 2), вероятностью коэффициент что объем потребления в2000 . 134,882 ± 2,056 . .г составит тыс дол

0 Ни одно из перечисленных уравнений не подходит для прогнозирования объема ежемесячного потребления

« ». .Тархуна Это связано с сезонными колебаниями

2( )t iY Y

19

Сезонные колебания0 Повторяющиеся из года в год изменения показателя в

. определенные промежутки времени Наблюдая их в ( течение нескольких лет для каждого месяца или

), квартала можно вычислить соответствующие, средние илимедианы, которые принимаются за

.характеристики сезонных колебаний0 Индекс сезонности рассчитывается как отношение

среднего уровня за соответствующий месяц к общему ( ). среднему значению показателя за год в процентах

0 Все другие известные методы расчета сезонности различаются по способу расчета выравненной

. средней Чаще всего используются либо скользящая, средняя либо аналитическая модель проявления

.сезонных колебаний

20

: Пример расчет индекса сезонности напитка

« »Тархун , Используя метод скользящей средней мы должны были бы

:последовательно осуществить следующие этапы1. , решить данные за сколько лет должныбыть включеныв

.расчет , Можно использовать данные за один год но для большей достоверности расчетов лучше использовать данные

, по крайней мере за два года а если сезонные колебания, . значительны ‒ то и более Используем в примере данные двух

;лет2. рассчитать средний объемпродажзамесяцпо данным

13 месяцев, 1998 . . для которых июнь г лежит в середине ряда 13 , Использование месяцев позволяет центрировать месяц

. для которого производятся расчеты В нашем примере средняя будет рассчитываться по формуле средней

хронологической ( 1996 . по следующим данным с декабря г 1997 .):по декабрь г

21

: Пример расчет индекса сезонности напитка

« » (2)Тархун3. Рассчитать индекс сезонности 1997 . для июня г как

1997 . отношение объема продаж в июне г к среднему объему :за месяц в течение исследуемого периода

4. 2 3 1998 . Повторить этапы и для июня г Расчетный индекс 119,5.для этого месяца будет равен

5. 1997 . Определить средний индекс в июне по данным за г и1998 . :г по формуле простой арифметической

6. ;рассчитать соответствующие индексы для всех месяцев7. обобщить данные о величине колебаний показателей

- . динамического ряда из за их сезонного характера При этом используется среднеквадратическое отклонение индексов

( ) 100%:сезонности в процентах от

22

Аддитивные и мультипликативные сезонные

компоненты0 Расчет индексов сезонности является первым этапом в

. составлении прогноза0 Этот расчет проводится вместе с оценкой тренда и случайных

колебаний и позволяет корректировать прогнозные значения, показателей полученныхпо тренду.

0 , При этом необходимо учитывать что сезонные компонентымогут быть аддитивнымиимультипликативными.

0 , Например каждый год в летние месяцы продажа безалкогольных напитков 2000 увеличивается на дол, , таким образом в эти

2000 месяцы к существующимпрогнозам необходимо добавлять, . дол чтобы учесть сезонные колебания В этом случае сезонность

аддитивна. 0 Однако в течение летних месяцев продажа безалкогольных

напитков может 30%увеличиваться на , то есть коэффициент 1,3. равен В этом случае сезонность носитмультипликативный

, , характер или другими словами мультипликативный сезонный 1,3.компонент равен

23

: Пример расчет индекса сезонности напитка

« » (3)Тархун Индексы сезонности объема продажнапитка

« », 1993 1999 .Тархун рассчитанные по данным за ‒ гг

Индексы сезонности учитываются при прогнозировании объемов продаж через корректировку трендового значения

. прогнозируемого показателя

Прогноз на июнь1999 . г методом

скользящей средней составил

10,480 . тыс дол Индекс

сезонности в июне 115,1. равен

Окончательный прогноз для июня

1999 . : г составит(10,480 x 115,1)/100 = 12,062 . .тыс дол

24

Метод экспоненциального

сглаживания0 метод экспоненциального сглаживания может быть

использован для краткосрочного прогнозирования . объема продаж

0 -Расчет осуществляется с помощью экспоненциально :взвешенных скользящих средних

 где Z  ( ) ;‒ сглаженный экспоненциальный объем продажt  ;‒ период времениα  ;‒ константа сглаживанияY  .‒ фактический объем продаж0 , Последовательно используя эту формулу

экспоненциальный объем продаж Zt можно выразить через фактические значения объема продаж Y:

1(1 ) ,t t tZ Y Z

1

0

(1 ) (1 ) ,t

i tt o

i

Z S

где SO — начальное значение экспоненциальной

.средней

25

Выбор оптимального значения параметра

сглаживания0 При построении прогнозов с помощьюметода

экспоненциального сглаживания одной из основных проблем является выбор оптимального значения

параметра сглаживания α. 0  При разных значениях α   результаты прогноза будут

.  различными Если α   близка к единице, то это приводит к учету в прогнозе в основном влияния лишьпоследних

наблюдений; 0  если α   близка к нулю, , то веса по которым взвешиваются

, , . . объемы продаж во временном ряду убывают медленно т е при прогнозе ( ) учитываются все или почти все

наблюдения. 0 Если нет достаточной уверенности в выборе начальных

, условий прогнозирования то можно использовать  a  0 1. итеративный способ вычисления в интервале от до

Существуют специальные компьютерные программы для .определения этой константы

26

: Пример экспоненциальное

( )сглаживание прогноз0 Результаты расчетов

объема продаж « » напитка Тархун методом

экспоненциального (сглаживания α=0,032)

0 Прогнозируемый объем продаж напитка

« » 2000 .Тархун в г

27

Оценка точностирасчетов

0   Все методы прогнозирования дают примерно , одинаковые результаты с ошибкой не

5%. , превышающей Следовательно любой из этих методов может быть использован для

.прогнозирования объема продажфирмы в будущем

28

Циклическиеколебания

0 Объемы продаж большинства компаний показывают и более . значительные колебания Они растут и падают в зависимости от

, , общей ситуации в бизнесе уровня спроса на продукты , производимые компаниями деятельности конкурентов и других

. факторов0 , Колебания отражающие конъюнктурныециклы перехода от

, более или менее благоприятной рыночной ситуации к кризису, , депрессии оживлению и снова к благоприятной ситуации

называются циклическимиколебаниями. 0 Существуют различные классификациициклов, их

. , последовательности и продолжительности Например:выделяются

1. , двадцатилетние циклы обусловленные сдвигами в воспроизводственной ; структуре сферы производства

2. (7—10 ), циклыДжанглера лет проявляющиеся как итог взаимодействия- ; денежно кредитных факторов

3. (3—5 ), циклыКатчина лет обусловленные динамикой оборачиваемости; запасов

4. ( 1 12 ), частные хозяйственные циклы от до лет обусловленные . колебаниями инвестиционной активности

29

Методики выявленияцикличности

1. , Отбираются рыночные показатели проявляющие , наибольшие колебания и строятся их динамические

. ряды за возможно более продолжительный срок2. , В каждом из них исключается тренд а также сезонные

. , колебания Остаточные ряды отражающие только , конъюнктурные или чисто случайные колебания

, . . стандартизируются т е приводятся к одному. знаменателю

3. , Затем рассчитываются коэффициенты корреляции . характеризующие взаимосвязь показателей

4. Многомерные связи разбиваются на однородные . кластерные группы Нанесенные на график кластерные

оценки должны показать последовательность изменения основных рыночных процессов и их

.движение по фазам конъюнктурных циклов

30

3. Казуальные методы прогнозирования

0 Казуальные методы прогнозирования объема продаж включают разработку и использование прогнозных

, моделей в которых изменения в уровне продаж являются результатом изменения одной и более

.переменных0 Казуальные методы прогнозирования требуют

, определения факторных признаков оценки их изменений и установления зависимости между ними и

. объемом продаж0 :К такимметодам относятся1. - ;корреляционно регрессионный анализ2. ;метод ведущих индикаторов3. .метод обследования намерений потребителей и др

31

-Корреляционно регрессионный анализ

0 , Может быть построена регрессионная модель в которой в качестве факторныхпризнаков могут быть выбраны такие

, переменные как , уровень доходов потребителей цены на , продукты конкурентов расходы на рекламу и др.

0 Уравнение множественной регрессии имеет видY (X1; X2; ...; Xn) = b0 + b1 x X1 + b2 x X2 + ... + bn x Xn,

Y ( ) ; где ‒ прогнозируемый результативный показатель в нашем ;случае ‒ объем продаж

X1; X2; ...; Xn ( ); ‒ факторы независимые переменные в данном , случае ‒ уровень доходов потребителей цены на продукты

. .;конкурентов и т дn ;‒ количество независимых переменныхb0  ;‒ свободный член уравнения регрессииb1; b2; ...; bn  , ‒ коэффициенты регрессии измеряющие отклонение

результативного признака от его средней величины при .отклонениифакторного признака на единицу его измерения

32

Последовательность разработки регрессионной

модели1. предварительный отбор независимыхфакторов, которые по

. убеждению исследователя определяют объем продаж Эти факторы ( , должны быть либо известны например при прогнозировании объема продаж цветных телевизоров в качестве факторного признака может

, выступать число цветных телевизоров находящихся в эксплуатации в ); ( , настоящее время либо легко определяемы например соотношение

);цены на исследуемый продукт фирмы с ценами конкурентов2. сбор данных по независимымпеременным. При этом строится

временной ряд по каждому фактору либо собираются данные по ( , ). некоторой совокупности например совокупности предприятий

, Необходимо чтобы каждая независимая переменная была 20 ;представлена и более наблюдениями

3. определение связи между каждой независимой переменной и . результативным признаком Связь между признаками должна быть

, линейной в противном случае производят линеаризацию уравнения ;путем замены или преобразования величиныфакторного признака

4. проведение регрессионного анализа, . . т е расчет уравнения и , ;коэффициентов регрессии и проверка их значимости

33

Последовательность разработки регрессионной

(1)модели5. 1 4 , повтор этапов ‒ до тех пор пока не будет получена

. удовлетворительная модель В качестве критерия удовлетворительностимодели может служить ее

способность воспроизводить фактические данные с ;заданной степенью точности

6. сравнение роли различныхфакторов в формировании . моделируемого показателя Для сравнения можно

рассчитать частные коэффициентыэластичности, , которые показывают на сколько процентов в среднем

изменится объем продаж при изменении фактора Xj  на один . процент при фиксированном положении других факторов

Коэффициент эластичности определяется по формуле

где bj  j- .‒ коэффициент регрессии при мфакторе

34

: Пример регрессионнаямодель

0 Регрессионные модели могут использоваться при прогнозировании спроса на потребительские товары и

. средства производства0 - В результате проведения корреляционно регрессионного

« » анализа объема продаж напитка Тархун была полученамодель

Yt+1 = 2,021 + 0,743At + 0,856Yt,

где Yt+1  ‒ прогнозируемый объем продаж в месяце t + 1;At  ‒ затраты на рекламу в текущеммесяце t;Yt  ‒ объем продаж в текущеммесяце t.

0 Возможна следующая интерпретация уравнения : многофакторной регрессии величина объема продаж

2,021 . , напитка в среднем увеличивалась на тыс дол при 1 . увеличении затрат на рекламу на руб объем продаж в

0,743 . ., среднем увеличивался на тыс дол при увеличении 1 . . объема продаж предыдущего месяца на тыс дол объем 0,856 . продаж в последующеммесяце увеличивался на тыс

.дол

35

Метод ведущихиндикаторов

0 Ведущиеиндикаторы  , ‒ это показатели изменяющиеся в том , , же направлении что и исследуемый показатель но

. , опережающие его во времени Например изменение уровня жизни населения влечет за собой изменение спроса на

, , отдельные товары а следовательно изучая динамику , показателей уровняжизни можно сделать выводы о возможном

. , изменении спроса на эти товары Известно что в развитых странах по мере увеличения доходов возрастают потребности в, услугах а в развивающихся странах ‒ в товарах длительного

.пользования0 Метод ведущих индикаторов чаще используется для

прогнозирования изменений в бизнесе в целом, чем для . прогнозирования объема продаж отдельных компаний Хотя

, нельзя отрицать что уровень объема продаж большинства , компаний зависит от общей рыночной ситуации сложившейся в

. регионах и стране в целом Поэтому перед прогнозированием собственного объема продажфирмам часто бывает необходимо

.оценить общий уровень экономической активности в регионе

36

Данные обследования намерений потребителя

0 Существенным обоснованием прогноза объема продаж товаров потребительского назначения

могут служить данные обследований намерений. потребителей Они знают о собственных

, - , перспективных покупках больше чем кто либо поэтому многие компании проводят

периодические обследования мнений потребителей о производимой продукции и

. вероятности ее покупки в будущем0 Чаще всего эти обследования касаются товаров и

, услуг приобретение которых планируется ( потенциальными покупателями заранее как

, , правило это дорогие покупки типа автомобиля ).квартиры или путешествия

37

Оптимальныйметодпрогнозирования

0 , , Выборметода связан по крайнеймере с тремя :ограничивающими условиями

1. ;точность прогноза2. ;наличие необходимых исходных данных3. .наличие времени для осуществления прогнозирования0 5%, Если требуется прогноз с точностью то все методы

, 10%, прогнозирования обеспечивающие точность могут не. рассматриваться

0 Еслинет необходимых дляпрогноза данных ( , например данные временных рядов при прогнозировании объема ), продажнового продукта то исследователь вынужден

прибегнуть к казуальнымметодамили экспертным.оценкам Подобная ситуация может возникнуть в связи со

. срочной потребностью в прогнозных данных В этом случае , исследователь должен руководствоваться временем

, , имеющимся в его распоряжении осознавая что срочность .расчетов может сказаться на их точности

38

Мера качествапрогноза

0 Мерой качества прогноза может служить , коэффициент характеризующий отношение числа

подтвердившихся прогнозов к общему числу .сделанныхпрогнозов

0 Очень важно осуществлять расчет этого коэффициента не , по окончании прогнозируемого срока а при составлении

. самого прогноза Для этого можно использовать метод инверсной верификации путем ретроспективного

. прогнозирования0 , Это означает что правильность прогнозной модели

проверяется ее способностью воспроизводить . фактические данные в прошлом

0 , Других формальных критериев знание которых позволило бы априорно заявить об аппроксимирующей способности

, прогнозной модели не существует

39

Заключение

0 Прогнозирование объема продаж ‒ неотъемлемая часть процесса принятия решения; это

, систематическая проверка ресурсов компании позволяющая более полно использовать ее

преимущества и своевременно выявлять . потенциальные угрозы

0 Компания должна постоянно следить за динамикой объема продаж и альтернативными

возможностями развития рыночной ситуации с, тем чтобы наилучшим образом распределять

имеющиеся ресурсы и выбирать наиболее целесообразные направления своей

.деятельности

40

Литература1. . . . . — .: , 1993.Баззел РД и др Информация и риск в маркетинге М Финстатинформ2. . . : , , . — .: БеляевскийИК Маркетинговое исследование информация анализ прогноз М Финансы и

, 2001.статистика3. . . . — .: , 1999.БерезинИС Маркетинг и исследования рынков М Русская деловая литература4. . . : , . — .: Голубков ЕП Маркетинговые исследования теория методология и практика М Издательство

« », 1998.Финпресс5. . ., . . . — .: , 1996.Елисеева ИИ ЮзбашевММ Общая теория статистики М Финансы и статистика6. . ., . . . — .: , 1991.ЕфимоваМР Рябцев ВМ Общая теория статистики М Финансы и статистика7. . . . — .: , 1996.Литвак Б Г Экспертные оценки и принятие решений М Патент8. . // . — 1992. — № 1.Лобанова Е Прогнозирование с учетом экономического роста Экономические науки9. : . . 1. . 1. / . Рыночная экономика Учебник Т Теория рыночной экономики Часть Микроэкономика Под ред

. . — .: , 1992.ВФ Максимова М Соминтэк10. : / . . . . — .: , Статистика рынка товаров и услуг Учебник Под ред ИК Беляевского М Финансы и статистика

1995.11. / . . . — .: , 1989.Статистический словарь Под ред МА Королева М Финансы и статистика12. : / . . . . — .: Статистическое моделирование и прогнозирование Учебное пособие Под ред А Г Гранберга М

, 1990.Финансы и статистика13. . ., . . . — .: ЮзбашевММ Манелля АИ Статистический анализ тенденций и колеблемости М Финансы и

, 1983.статистика14. Aaker, David A. and Day George S. Marketing Research. — 4th ed. — NewYork: John Wiley and Sons, 1990. — Chapter 22

«Forecasting».15. Dalrymple, D.J. Sales forecasting practices // International Journal of Forecasting. — 1987. — Vol. 3.16. Kress G.J., Shyder J. Forecasting and Market Analysis Techniques: A Practical Approach. — Hardcover, 1994.17. Schnaars, S.P. The use of multiple scenarios in sales forecasting // The International Journal of Forecasting. — 1987. — Vol. 3.18. Waddell D., Sohal A. Forecasting: The Key to Managerial Decision Making // Management Decision. — 1994. — Vol 32, Issue 1.19. Wheelwright, S. and Makridakis, S. Forecasting Methods for Management. — 4th ed. — John Wiley & Sons, Canada, 1985.20. http://www.ippnou.ru/article.php?idarticle=000511