Исследование развития рынка биологически активных добавок РФ на основе комбинированного прогноза

продажами»
Цеслик К.Н.
Ст. преподаватель к.э.н., доц. Каф. Менеджмента
Лукьянова Н.Ю

2016 г.
Исследование

развития рынка биологически активных добавок РФ на основе комбинированного прогноза

в среде пакетов EXCEL™, STATISTICA™.
Задачи лабораторной работы:
1. Ознакомиться

с методикой комбинирования прогнозов развития отраслевого рынка.
2. Сформировать два ряда динамики c не менее чем 10-12 временными уровнями (лет, месяцев, кварталов) на основе стоимостных и натуральных показателей, характеризующих динамику развития отраслевого рынка, подготовив ряды для анализа и прогнозирования.
3. Провести анализ рядов динамики (основной тенденции) с использованием дескриптивно- статистических оценок и не менее чем двух методов прогнозирования (например, методами ”скользящих средних”, аналитического выравнивания по тренду и т.п.).
4. Спрогнозировать значения исследуемых показателей на ближайший временной отрезок (год, месяц, квартал) выбранными методами.
5. Получить комбинированный прогноз значений исследуемых показателей на ближайший временной отрезок (год, месяц, квартал) на основе выбранной методики.

теме лабораторной работы, представленной в теоретическом блоке лабораторной работы. (Выполняется

вне аудиторного занятия). Самостоятельная проверка входных компетенций по входным тестам, представленным в контролирующем блоке лабораторной работы.
2. Получение варианта задания и исходных данных у ведущего преподавателя или самостоятельное формирование условий исследования и данных. Для выполнения лабораторной работы следует сформировать два ряда динамики c не менее чем 10-12 временными уровнями (лет, месяцев, кварталов) на основе стоимостных и натуральных показателей, характеризующих динамику развития отраслевого рынка. Т.е. подготовить два временных ряда - два показателя, характеризующих развитие отраслевого рынка (в натуральном и стоимостном выражении). Уровни стоимостного ряда динамики следует привести в сопоставимый вид любым известным методом.
3. Выбор методов прогнозирования исследуемых показателей (по своему усмотрению, но не менее двух методов) и получение прогнозных оценок исследуемых показателей каждым из выбранных методов для каждого из анализируемых временных рядов.
4. Выбор методики комбинирования прогнозов (по своему усмотрению предлагается выбрать любую методику) и получение комбинированного прогноза исследуемого показателя, характеризующего развитие отраслевого рынка (в натуральном и стоимостном выражении).
5. Оформление отчета по лабораторной работе, подготовка к защите по выходным вопросам (выходным тестам) к работе и защита отчета по лабораторной работе ведущему преподавателю.

выражении

в стоимостном выражении наибольшей была в декабре 2015 г. и

составила 2946,7 млн. руб. и рынок вырос по сравнению с прошлым месяцем на 440,94 млн. руб.;
наибольшее абсолютное изменение произошло в январе 2016 года – рынок упал на 550,57 млн. руб.;
самое низкое ускорение абсолютного изменения было в январе 2016 г. (-991,51 млн. руб. в мес.) – это говорит о том, что показатель существенно снизился;
самое большое ускорение абсолютного изменения было в феврале 2016 г. (635,31 млн. руб. в мес.) – это говорит о том, что показатель начал расти;
самый большой темп роста (117,6%) и темп прироста (17,6%)был в декабре 2015 г.;
средний уровень ряда составил 2533,97 млн. руб.;
за рассмотренные месяцы рынок больше рос – это говорят показатели: средний абсолютный прирост = 19,67 млн. руб., средний темп роста = 199,78% и средний темп прироста = 99,78%.

выражении

была в декабре 2015 г. и составила 26,4 млн. упаковок

(шт.) и рынок вырос по сравнению с прошлым месяцем на 5 млн. упаковок (шт.);
наибольшее абсолютное изменение произошло в январе 2016 года – рынок упал на 6,25 млн. упаковок (шт.);
самое низкое ускорение абсолютного изменения было в январе 2016 г. (-11,25 млн. упаковок (шт.) в мес.) – это говорит о том, что показатель существенно снизился;
самое большое ускорение абсолютного изменения было в феврале 2016 г. (8,34 млн. упаковок (шт.) в мес.) – это говорит о том, что показатель начал расти;
самый большой темп роста (123,36%)и темп прироста (23,36%) был в декабре 2015 г., но затем в январе 2016 г. рынок упал на 23,67%;
средний уровень ряда составил 21,5 млн. упаковок (шт.);
за рассмотренные месяцы рынок больше рос – это говорят показатели: средний абсолютный прирост = 0,21 млн. упаковок (шт.), средний темп роста = 126,11% и средний темп прироста = 26,11%.
В табл. 4 и на рис. 1 представлено прогнозирования ёмкости рынка в стоимостном выражении методом скользящей средней.

скользящей средней

скользящей средней

отметить, что коммерческий рынок БАД в РФ должен вырасти в

апреле 2016 г. на 81,71 млн. руб. по сравнению с прошлым месяцем и составить 2616,05 млн. руб.

скользящей средней

скользящей средней

коммерческий рынок БАД в РФ должен вырасти в апреле 2016

г. на 0,46 млн. упаковок (шт.) по сравнению с прошлым месяцем и составить 22,46 млн. упаковок (шт.).

tрас.

временем
Вывод: делать прогноз нецелесообразно с вероятностью 95%

тренда на критерий МНК, в соответствии с которым лучшим считают

тот тренд, у которого минимальна сумма квадратов отклонений эмпирических уровней ряда i y от теоретических t yˆ ,определим наиболее подходящую модель тренда. Для этого по каждому типу тренда рассчитаем значение выражения

полиномиальная модель тренда
Оценим среднюю ошибку аппроксимации для данных трендов

признается экспоненциальная модель тренда, при этом полученную экспоненциальную модель можно

считать удовлетворительной.
Выбираем полиномиальную модель.

эмпирическими данными, по которым строилась модель на основе t-критерия Стьюдента

с вероятностью 95%. Для этого определим коэффициент парной корреляции между эмпирическими уровнями ряда yi и временным параметром ti (например, воспользовавшись функцией КОРРЕЛ (массив1; массив 2) в пакете EXCEL™): ryt=0,37 , ryt^2=0,14, что свидетельствует о наличии не тесной связи между yi и ti , при которой на 14% вариация уровней ряда yi объясняется вариацией временного фактора ti .
ВЫВОД: Гипотеза H0 опровергается т.к. tрас.>tтабл.
Существует связь между ёмкостью рынка в сопоставимом виде и временем
Делать прогноз целесообразно с вероятностью 95%

параболического тренда ŷn+1 *=1,339*t^2+5,0815*t+2441,9 на основе t-критерия Стьюдента с вероятностью

95%. По методике, базирующейся на подходе М.М.Юзбашева [4], в соответствии с которым для параболического тренда особенно важно подтвердить значимость основного параметра параболы второго порядка - ускорения тренда, т.е. параметра a2 .
Для этого определим среднюю ошибку репрезентативности выборочной оценки параметра a2

и интервального прогнозов. Проведем прогнозирование в три этапа.
Первый этап.

Точечный прогноз ёмкости рынка на следующий временной период №12 (т.е. на апрель 2016 г.), подставив в модель параболического тренда.
ŷn+1 *=1,339*t^2+5,0815*t+2441,9 = 2695,694

границы положения параболического тренда на следующий временной период №12, т.е.

на апрель 2016г. с вероятностью 95%. Вычислим среднюю ошибку прогноза положения параболического тренда - myt :

Таким образом, ŷn+1**ϵ[2695,69-637,55*2,31;2695,69+637,55*2,31] т.е. ёмкость рынка в апреле 2016г. составит от 1225,95 млн.руб. до 4168,43 млн.руб.
ВЫВОД: рассчитанный доверительный интервал накрывает с большим “запасом” исходный временной ряд значений ёмкости рынка за май 2015 - март 2016г.г. Такой прогноз несомненно сбудется! Однако ценность этого прогноза невысока!

доверительные границы положения параболического тренда с учетом колеблемости уровней ряда

на следующий временной период №12, т.е. на апрель 2016г. с вероятностью 95% - myk:

myk = 667,42
Таким образом, ŷn+1***ϵ [2695,69-667,42*2,31;2695,69+667,42*2,31] или ŷn+1**ϵ[1153,95;4237,43], т.е. ёмкость рынка в апреле 2016г. с учетом положения параболического тренда и колеблемости уровней ряда с вероятностью 95% попадет в интервал от 1153,95 млн.руб. до 4237,43 млн.руб.
Следует помнить, что доверительный интервал тем шире, чем выше степень полинома, выбранного для прогнозирования, чем больше период упреждения и чем ниже уровень значимости (выше вероятность).
В заключении отметим, что несмотря на низкую ценность интервальных прогнозов, накрывающих весь исходный временной ряд, они дают маркетологу информацию о развитии рыночной ситуации. Поэтому не стоит отчаиваться, если прогноз получился не достаточно информативным. В нашем случае можно попробовать построить прогноз с вероятностью меньшей, чем 95% или воспользоваться другими методиками прогнозирования ёмкости рынка по временным рядам.

tрас.

временем
Вывод: делать прогноз нецелесообразно с вероятностью 95%

тренда на критерий МНК, в соответствии с которым лучшим считают

тот тренд, у которого минимальна сумма квадратов отклонений эмпирических уровней ряда i y от теоретических t yˆ ,определим наиболее подходящую модель тренда. Для этого по каждому типу тренда рассчитаем значение выражения

экспоненциальная модель тренда
Оценим среднюю ошибку аппроксимации
для данных трендов

аппроксимации лучшей признается линейная модель тренда, при этом полученную линейную

модель можно считать удовлетворительной.
Выбираем полиномиальную модель.

эмпирическими данными, по которым строилась модель на основе t-критерия Стьюдента

с вероятностью 95%. Для этого определим коэффициент парной корреляции между эмпирическими уровнями ряда yi и временным параметром ti (например, воспользовавшись функцией КОРРЕЛ (массив1; массив 2) в пакете EXCEL™): ryt=0,51 , ryt^2=0,26, что свидетельствует о наличии не тесной связи между yi и ti , при которой на 26% вариация уровней ряда yi объясняется вариацией временного фактора ti .






ВЫВОД: Гипотеза H0 опровергается т.к. tрас.>tтабл.
Существует связь между ёмкостью рынка в натуральном выражении и временем.
Делать прогноз целесообразно с вероятностью 95%

модели тренда y=0,3392t+19,461 на основе t-критерия Стьюдента с вероятностью 95%.

По методике, базирующейся на подходе М.М.Юзбашева [4], в соответствии с которым для линейной модели тренда особенно важно подтвердить значимость основного параметра функции a1 .
Для этого определим среднюю ошибку репрезентативности выборочной оценки параметра a1

Гипотеза H0 опровергается т.к. tрас.>tтабл.
Существует связь между ёмкостью рынка в натуральном выражении и временем
Делать прогноз целесообразно с вероятностью 95%
ВЫВОД: с вероятностью 95% подтверждается статистическая значимость a1 . Поскольку мне удалось подтвердить отличие данного показателя от нуля с высокой степенью вероятности 95%, был сделан вывод о ненадежности основного параметра линейного тренда – a1. Следовательно, надежным будет и прогноз по такому тренду.

№12 (т.е. на апрель 2016 г.), подставив в модель линейного

тренда.
ŷn+1 *= =0,34*12+19,46 = 2695,69
Второй этап. Рассчитаем первый интервальный прогноз емкости рынка ŷn+1** - доверительные границы положения линейного тренда на следующий временной период №12, т.е. на апрель 2016г. с вероятностью 95%. Вычислим среднюю ошибку прогноза положения параболического тренда - myt :

Таким образом, ŷn+1**ϵ[23,53-2,39*2,2622;23,53+2,39*2,2622] т.е. ёмкость рынка в апреле 2016г. составит от 18,12 млн. шт. до 28,94 млн. шт.
ВЫВОД: рассчитанный доверительный интервал накрывает с большим “запасом” исходный временной ряд значений ёмкости рынка за май 2015 - март 2016г.г. Такой прогноз несомненно сбудется! Однако ценность этого прогноза невысока!

доверительные границы положения линейного тренда с учетом колеблемости уровней ряда

на следующий временной период №12, т.е. на апрель 2016г. с вероятностью 95% - myk:

myk = 3,12
Таким образом, ŷn+1**ϵ[23,53-3,12*2,26;23,53+3,12*2,26], т.е. ёмкость рынка в апреле 2016г. с учетом положения линейного тренда и колеблемости уровней ряда с вероятностью 95% попадет в интервал от 16,48 млн. шт. до 30,58 млн. шт.
Следует помнить, что доверительный интервал тем шире, чем выше степень полинома, выбранного для прогнозирования, чем больше период упреждения и чем ниже уровень значимости (выше вероятность).
В заключении отметим, что несмотря на низкую ценность интервальных прогнозов, накрывающих весь исходный временной ряд, они дают маркетологу информацию о развитии рыночной ситуации. Поэтому не стоит отчаиваться, если прогноз получился не достаточно информативным. В нашем случае можно попробовать построить прогноз с вероятностью меньшей, чем 95% или воспользоваться другими методиками прогнозирования ёмкости рынка по временным рядам.

аналит. выр.)