Управление торговым предприятием (стр. 8 из 13)

Промежуток времени, на который разрабатывается прогноз, называется периодом или временем упреждения. По периоду упреждения различают:

· оперативный прогноз, который рассчитывается на перспективу, на протяжении которой не ожидается существенных изменений объекта наблюдения, т.е. его количественные и качественные характеристики остаются неизменными;

· краткосрочный прогноз — рассчитывается на перспективу количественных изменений;

· долгосрочный прогноз — рассчитывается на перспективу количественных и качественных изменений;

· среднесрочный прогноз — промежуточный между краткосрочным и долгосрочным.

Процесс формирования прогноза развития на основе анализа тенденций этого развития носит название прогнозирование.

Классификация методов прогнозирования

В зависимости от вида и характера информации, используемой для разработки прогноза, методы прогнозирования можно классифицировать следующим образом:

· экспертное прогнозирование — осуществляется с использованием интуитивной информации;

· функционально-логическое прогнозирование — использует предметную информацию;

· структурное прогнозирование — осуществляется с использованием блок-схем, графов и т.п.;

· математическое прогнозирование — осуществляется на основе выявленных математических зависимостей между параметрами и статистических данных о параметрах;

· прогнозирование по аналогии;

· комплексное прогнозирование, представляющее собой сочетание перечисленных выше методов.

На выбор метода прогнозирования влияют следующие факторы:

· существо практической проблемы, подлежащей решению;

· динамические характеристики объекта прогнозирования и рыночной среды;

· вид и характер имеющейся информации;

· стадия жизненного цикла товара (услуги);

· период упреждения;

· требования к точности прогнозирования.

Математические методы прогнозирования

К математическим методам прогнозирования относят метод экстраполяции, спектрального, корреляционного и факторного анализа.

Метод экстраполяции основан на анализе временных рядов, т.е. последовательности значений исследуемого показателя, вычисленных для различных моментов времени. Прогнозная экстраполяция условно может быть разделена на два этапа. Первым этапом является выбор оптимального вида функции, аппроксимирующей исследуемый ряд. Для этого ряд предварительно обрабатывается с целью облегчения выбора вида тренда. При этом используется сглаживание и выравнивание временного ряда. Кроме того, в тех же целях могут определяться функции дифференциального роста, проводится формальный, в частности логический, анализ объекта прогнозирования. На втором этапе производится расчет коэффициентов выбранной функции. Наиболее распространенными методами оценки коэффициентов являются метод наименьших квадратов и его модификации.

Метод наименьших квадратов применим, если можно предположить, что за время упреждения характер поведения исследуемой величины не изменится. Сущность метода состоит в отыскании коэффициентов выбранной функции, минимизирующих ее отклонение от точек исходного временного ряда:

(1.4)

где

— расчетное значение тренда;

— фактическое значение из ретроспективного ряда;

п — количество точек ряда.

Если модель тренда представить в виде

(1.5)

где

— независимые переменные;

— параметры модели;

— время, то для того, чтобы найти параметры модели, удовлетворяющие условию минимума S, необходимо приравнять нулю первые производные величины S по каждому из коэффициентов

Важной характеристикой прогноза с применением метода наименьших квадратов является оценка точности и достоверности полученных результатов. Наиболее простыми и применимыми на практике оценками точности являются: средняя относительная ошибка оценки т и среднее линейное отклонение В.

, (1.6)

. (1.7)

Классический метод наименьших квадратов предполагает равноценность исходной информации. Однако на практике зачастую будущее поведение объекта или процесса в большей степени определяется поздними наблюдениями, чем ранними. Это обстоятельство породило прием дисконтирования информации. Формальных процедур выбора коэффициента дисконтирования не разработано, они выбираются исследователем интуитивно, что может снижать точность прогнозирования.

Спектральный анализ позволяет прогнозировать процессы, динамика которых содержит колебательные или гармонические составляющие, например сезонные колебания спроса. При описании такого процесса выделяют четыре компонента прогнозной модели:

X₁(t) — вековой уровень, описывается гладкими апериодическими функциями;

Х₂ (t) — сезонные колебания с 12-месячным периодом;

Х₃ (t) — колебания с периодом, большим чем 12 месяцев;

Q(t) — случайные колебания с широкими по диапазону периодами, но небольшой интенсивности.

Модель имеет вид

(1.8)

Для расчета первой компоненты модели можно использовать экспоненциальное сглаживание, остальные компоненты описываются тригонометрическим полиномом вида

(1.9)

Где

— амплитуда колебаний;

— частота колебаний.

Корреляционный анализ позволяет оценить степень влияния на исследуемую величину различных факторов путем расчета коэффициентов корреляции. Более подробно этот метод рассмотрен в разделе 1.6.3 на примере прогнозирования товарооборота.

Факторный анализ позволяет проводить максимально возможный учет совокупности переменных, характеризующих объект, и взаимосвязи между ними.

Прогнозирование товарооборота

Показатели товарооборота являются важнейшими в деятельности торговой компании, так как от них в конечном счете зависит величина валового дохода и прибыли. Планирование этих показателей невозможно без прогнозирования товарооборота как в целом по предприятию, так и по отдельным товарным группам.

Прогнозирование товарооборота является весьма сложным и представляет собой задачу многофакторного анализа. Это вызвано тем, что на величину товарооборота оказывает влияние большое количество различных факторов, таких, как размер торговой надбавки, амплитуда колебаний спроса, уровень инфляции, активность конкурентов и т.д. Кроме того, как и для большинства экономических показателей, изменение указанных факторов приводит к изменению товарооборота не сразу, а спустя некоторое время, что также усложняет прогнозирование.

В общем виде задача состоит в отыскании функциональной зависимости вида

(1.10)

где

— товарооборот предприятия;

— фактор, влияющий на товарооборот;

п — общее количество рассматриваемых факторов. При наличии статистических данных степень влияния каждого фактора можно оценить методом корреляционного анализа.

Пусть известны значения товарооборота

вычисленные через определенные промежутки времени (день, неделю, месяц, квартал). Каждому значению Т_т соответствуют свои значения параметров, как это показано в табл.1.6

Таблица 1.6 Матрица влияния факторов на величину товарооборота

Номер интервала	Величина товарооборота	Факторы
1
2
M

Тогда для каждого фактора можно рассчитать коэффициент корреляции по формуле