5.1. Прогнозир-е спроса с использ-ем временных рядов.

Прогнозир-е - метод, в к-м использ-ся как накопленный в прошлом опыт, так и текущие допущения насчет будущего с целью его опред-я. Методы прогноз-я: экспертный и количественный. Колич-й включает в себя много вариантов, в том числе корреляционный и регрессионный анализ, прогноз-е на основе временных рядов. Последний способ включает в себя: скользящее осреднение, экспоненциальное сглаживание и метод «тренд+сезонность». Метод прогноз-я на основе временных рядов – экстраполирование: исходят из предположения, прошлые тенденции в поведении прогнозируемого показателя сохранятся в будущем, а если и будут меняться, то медленно.

Временной ряд – совокуп-ть значений прогнозируемого показ-ля, каждому из к-х поставлен в соотв-вие опр-й момент времени. Моментный ВР - фиксирует значение на данный конкретный момент времени Интервальный ВР - дает общее значение показ-ля за весь период (можно суммировать) Прогнозный горизонт – хар-ет, как далеко отстоит от текущего момента времени момент времени, для к-го осущ-ся прогноз. Прогнозный период – кол-во прошлых периодов, по к-м строится прогноз. Пар-ры прогноз-я: на уровне орг-ции прогнозируются показ-ли хоздеят-ти – будущие объемы реал-ции. D_i - фактический спрос, F_i – прогнозное значение спроса.

Методы прогнозирования 1. Скользящее осреднение (простое) F_i = (D_i-1+…+D₁)/(i-1). Использ-ся также взвешенное скользящее осреднение: предполагается, что более отдаленные периоды имеют меньшее влияние. В связи с этим вводятся весовые коэф-ты, пр. для предыдущего 0,5; два периода в прошлом 0,3; три периода 0,2 и т.п., тогда F_i=D_i-1k_i-1+…+ D₁k₁

2. Экспоненциальное сглаживание: F_i=F_i-1+(D_i-1- F_i-1), где  ‑ константа сглаживания  2/N+1; D_i-1- F_i-1 - ошибка прогноза. N - общее количество прошлых наблюдений.   [01]; берут обычно [0,050,5]. D_i-1- данные по прошлому периоду; F_i‑1- прогноз прошлого периода. Уменьшение  приводит к сглаживанию ряда; если колебания сильные,  следует брать больше.

С труктура временного ряда:

Т - трендовая компонента

S - сезонная компонента;

С - циклическая компонента;

R - случайная компонента

(поэтому есть ошибки прогноза)

Теоретически аддитивная модель временного ряда: D=T+S+R (регрессионное уравнение тренда).

3. Совместный учет тренда и сезонной компоненты

Алгоритм прогнозирования: Напр: Есть данные по спросу за два года по четырем кварталам. Необходим прогноз на следующий год.

1. Вычисляем формулу тренда по известным периодам. Выделение линейной трендовой компоненты: D=a + bt

2. Рассчитываем значение функции для известных периодов.

3. Находим индекс сезонности (отношением фактического спроса к тренду для каждого квартала).

4. Усредняем индексы сезонности (среднее арифметическое для соответствующих периодов).

5. Делаем прогноз: находим значение функции тренда для искомого периода и умножаем на соответствующий ему индекс сезонности (Необходимо учитывать, что порядковый номер квартала продолжается, а не начинается отсчет для каждого года заново).