Презентация - Исследование развития рынка биологически активных добавок РФ на основе комбинированного прогноза

Слайд 1

Выполнил: студент 1 курса очного отделения магистратуры направления «Менеджмент» программы «Управление маркетингом и 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

Слайд 2

Цель лабораторной работы: применить методику комбинирования прогнозов развития отраслевого рынка 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.

Слайд 3

Последовательность выполнения лабораторной работы. 1. Ознакомление с рекомендуемой литературой по 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.

Слайд 4

Таблица 1 – Ёмкость коммерческого рынок БАД РФ
  май.15 июн.15 июл.15 авг.15 сен.15 окт.15 ноя.15 дек.15 янв.16 фев.16 мар.16
Ёмкость рынка, млн. упаковок (шт.) 21,55 20,36 18,98 18,3 21,67 21,79 21,4 26,4 20,15 22,24 23,62
Ёмкость рынка, млн. руб. 2414 2380 2260 2085 2427 2497 2420 2880 2370 2471 2726
Индексы потребительских цен 1,001 0,996 0,997 0,993 1,004 1,01 1,012 1,012 1,012 1,007 1,004
Ёмкость рынка в сопоставимом виде, млн. руб. 2529,3 2503,69 2384,61 2215,47 2568,6 2616,52 2505,76 2946,7 2396,14 2480,88 2726

Слайд 5

Таблица 2 – Анализ основной тенденции ёмкости рынка в стоимостном выражении
Номера периодов Уровни ряда, млн. руб. Абсолютное изменение уровней, млн. руб. в мес. Ускорение абсолютного изменения, млн. руб. в мес. Темп роста уровня, в % к предыдущему Тем прироста уровня, в % к предыдущему Средний уровень ряда, млн. руб. Средний абсолютный прирост, млн. руб. Средний темп роста, % Средний темп прироста, %
0 2529,30 - - - - 2533,97 19,67 199,78 99,78
1 2503,69 -25,61 - 98,99 -1,01
2 2384,61 -119,08 -93,47 95,24 -4,76
3 2215,47 -169,14 -50,06 92,91 -7,09
4 2568,60 353,13 522,27 115,94 15,94
5 2616,52 47,92 -305,21 101,87 1,87
6 2505,76 -110,75 -158,67 95,77 -4,23
7 2946,70 440,94 551,70 117,60 17,60
8 2396,14 -550,57 -991,51 81,32 -18,68
9 2480,88 84,75 635,31 103,54 3,54
10 2726,00 245,12 160,37 109,88 9,88

Слайд 6

В качестве выводов к табл. 1 можно отметить следующее: ёмкость рынка 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%.

Слайд 7

Таблица 3 – Анализ основной тенденции ёмкости рынка в натуральном выражении
  Уровни ряда, млн. упаковок (шт.) Абсолютное изменение уровней, млн. упаковок (шт.) в мес. Ускорение абсолютного изменения, млн. упаковок (шт.) в мес. Темп роста уровня, в % к предыдущему Тем прироста уровня, в % к предыдущему Средний уровень ряда, млн. упаковок (шт.) Средний абсолютный прирост, млн. упаковок (шт.) Средний темп роста, % Средний темп прироста, %
0 21,55 - - - - 21,50 0,21 126,11 26,11
1 20,36 -1,19 - 94,48 -5,52        
2 18,98 -1,38 -0,19 93,22 -6,78        
3 18,30 -0,68 0,70 96,42 -3,58        
4 21,67 3,37 4,05 118,42 18,42        
5 21,79 0,12 -3,25 100,55 0,55        
6 21,40 -0,39 -0,51 98,21 -1,79        
7 26,40 5 5,39 123,36 23,36        
8 20,15 -6,25 -11,25 76,33 -23,67        
9 22,24 2,09 8,34 110,37 10,37        
10 23,62 1,38 -0,71 106,21 6,21        

Слайд 8

Выводами по табл. 3 являются: ёмкость рынка в натуральном выражении наибольшей 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.

Слайд 9

Таблица 4 – Прогнозирования ёмкости рынка в стоимостном выражении методом скользящей средней
Месяцы Ёмкость рынка в сопоставимом виде, млн. руб. Укрупненные периоды (3 месяца) Ёмкость рынка за укрупненный период (3 месяца), млн. руб.  
май.15 2529,30      
июн.15 2503,69      
июл.15 2384,61 май.15-июл.15 7417,61 2472,54
авг.15 2215,47 июн.15-авг.15 7103,77 2367,92
сен.15 2568,60 июл.15-сен.15 7168,68 2389,56
окт.15 2616,52 авг.15-окт.15 7400,58 2466,86
ноя.15 2505,76 сен.15-ноя.15 7690,87 2563,62
дек.15 2946,70 окт.15-дек.15 8068,98 2689,66
янв.16 2396,14 ноя.15-янв.16 7848,60 2616,20
фев.16 2480,88 дек.15-фев.16 7823,72 2607,91
мар.16 2726,00 янв.16-мар.16 7603,02 2534,34
Прогноз апр.16       2616,05

Слайд 10

Рисунок 1 - Прогнозирования ёмкости рынка в стоимостном выражении методом скользящей средней

Слайд 11

В качестве вывода к табл. 4 и рис. 1 можно 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.

Слайд 12

Таблица 5 – Прогнозирования ёмкости рынка в натуральном выражении методом скользящей средней
Месяцы Ёмкость рынка, млн. упаковок (шт.) Укрупненные периоды (3 месяца) Ёмкость рынка за укрупненный период (3 месяца) млн. упаковок (шт.) Средняя ёмкость рынка за 1 месяц по укрупненному периоду, млн. упаковок (шт.)
май.15 21,55      
июн.15 20,36      
июл.15 18,98 май.15-июл.15 60,89 20,30
авг.15 18,30 июн.15-авг.15 57,64 19,21
сен.15 21,67 июл.15-сен.15 58,95 19,65
окт.15 21,79 авг.15-окт.15 61,76 20,59
ноя.15 21,40 сен.15-ноя.15 64,86 21,62
дек.15 26,40 окт.15-дек.15 69,59 23,20
янв.16 20,15 ноя.15-янв.16 67,95 22,65
фев.16 22,24 дек.15-фев.16 68,79 22,93
мар.16 23,62 янв.16-мар.16 66,01 22
Прогноз апр.16       22,46

Слайд 13

май.15июн.15июл.15авг.15сен.15окт.15ноя.15дек.15янв.16фев.16мар.16апр.16  
Рисунок 2 – Прогнозирования ёмкости рынка в натуральном выражении методом скользящей средней

Слайд 14

Выводом к табл. 5 и рис. 2 является то, что 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.).

Слайд 15

коэф коррел. 0,37
коэф детермин. 0,14
tрас. 1,19
tтабл. (Стьюдента) 2,26
Метод аналитического выравнивания по тренду (стоимостной показатель) Гипотеза H0 подтверждается т.к. tрас.

Слайд 16

май.15июн.15июл.15авг.15сен.15окт.15ноя.15дек.15янв.16фев.16мар.16апр.16  

Слайд 17

Затем выбрали 3 модели для дальнейшего анализа и проверяем оба 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

Слайд 18

t Yt   yt^     (Yt – t yˆ )^2  
Месяцы Ёмкость рынка в сопоставимом виде, млн. руб. Экспоненциаль-ная Линей-ная Полино-миальная Экспонен-циальная Линей-ная Полино-миальная
1 2529,30 2426,63 2428,25 2448,32 10541,8 10211,66 6558,12
2 2503,69 2446,62 2449,4 2457,42 3257,13 2947,79 2141,33
3 2384,61 2466,78 2470,55 2469,1 6751,77 7385,56 7154,58
4 2215,47 2487,1 2491,7 2483,65 73784,79 76303,03 71920,53
5 2568,60 2507,6 2512,85 2500,78 3721,22 3107,66 4598,72
6 2616,52 2528,26 2534 2520,59 7789,95 6808,76 9201,07
7 2505,76 2549,09 2555,15 2543,08 1876,97 2439,31 1392,85
8 2946,70 2570,09 2576,3 2568,25 141839,1 137197,5 143227,3
9 2396,14 2591,26 2597,45 2596,09 38073,69 40527,18 39982,46
10 2480,88 2612,61 2618,6 2626,62 17351,85 18965,7 21237,52
11 2726 2634,14 2639,75 2659,82 8439,08 7439,06 4380,39
Σ         313427,4 313333,2 311794,8

Слайд 19

ВЫВОД: поскольку 311794,8< 313333,2<313427,4 то по критерию МНК лучшей признается полиномиальная модель тренда Оценим среднюю ошибку аппроксимации для данных трендов

Слайд 20

t Yt   yt^     |(Y- t yˆ )/Y|   Σ(ti-tср.)^4 Σ(ti-tср.)^2 Σср.(ti-tср.)^2^2
Месяцы Ёмкость рынка в сопоставимом виде, млн. руб. Экспоненциальная Линейная Полиномиальная Экспоненциальная Линейная Полиномиальная Полиномиальная Полиномиальная Полиномиальная
1 2529,30 2426,63 2428,25 2448,32 0,04 0,04 0,03 625 25  
2 2503,69 2446,62 2449,4 2457,42 0,023 0,02 0,02 256 16  
3 2384,61 2466,78 2470,55 2469,2 -0,03 -0,04 -0,04 81 9  
4 2215,47 2487,1 2491,7 2483,65 -0,12 -0,12 -0,12 16 4  
5 2568,60 2507,6 2512,85 2500,78 0,02 0,02 0,03 1 1  
6 2616,52 2528,26 2534 2520,59 0,03 0,03 0,04 0 0  
7 2505,76 2549,09 2555,15 2543,08 -0,01 -0,02 -0,03 1 1  
8 2946,70 2570,09 2576,3 2568,25 0,12 0,13 0,13 16 4  
9 2396,14 2591,26 2597,45 2596,09 -0,08 -0,08 -0,08 81 9  
10 2480,88 2612,61 2618,6 2626,62 -0,05 -0,06 -0,06 256 16  
11 2726 2634,14 2639,75 2659,82 0,03 0,03 0,02 625 25  
Σ*100%/n         -24,1 -43,4 -43,03 1958 110 100

Слайд 21

ВЫВОД: поскольку 24,1%<43,03%<43,4%, то по значению средней ошибки аппроксимации лучшей признается экспоненциальная модель тренда, при этом полученную экспоненциальную модель можно считать удовлетворительной. Выбираем полиномиальную модель.

Слайд 22

r^2 0,14
r 0,37
tрас. 7,93
tтабл. 2,2622
Во-первых, проверим нулевую гипотезу Но: ryt2=0 о несущественности связи между 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%

Слайд 23

Во-вторых, проверим нулевую гипотезу Но: a0=a1=a2=0 о ненадежности параметров модели 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

Слайд 24

yˆ = 1,339t^2+ 5,0815t + 2441,9  
St 197,42
tср. 6
Σср.(ti-tср.)^4 178
ma2 22,35
tрас. 0,06
a2 1,34
tтабл. 2,31
Гипотеза ???? 0 подтверждается т.к. tрас.

Слайд 25

Продолжим дальнейшие расчеты с учебной целью продемонстрировать методику вычисления точечного 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

Слайд 26

tn+1 12
ŷn+1 2695,694
myt 582,5817181
Второй этап. Рассчитаем первый интервальный прогноз ёмкости ŷn+1** - доверительные 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!

Слайд 27

Третий этап. Рассчитаем второй интервальный прогноз ёмкости рынка ŷn+1*** - 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.

Слайд 28

коэф коррел. 0,51
коэф детермин. 0,26
tрас. 1,77
tтабл. (Стьюдента) 2,26
Метод аналитического выравнивания по тренду (натуральный показатель) Гипотеза H0 подтверждается т.к. tрас.

Слайд 29

май.15июн.15июл.15авг.15сен.15окт.15ноя.15дек.15янв.16фев.16мар.16апр.16  

Слайд 30

Затем выбрали 2 модели для дальнейшего анализа и проверяем оба 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

Слайд 31

t Yt   yt^   (Yt – t yˆ )^2
Месяцы Ёмкость рынка, млн. упаковок (шт.) Экспоненциальная Линейная Экспоненциальная Линейная
1 21,55 19,80 19,80 3,08 3,06
2 20,36 20,11 20,14 0,06 0,05
3 18,98 20,42 20,48 2,08 2,25
4 18,3 20,74 20,82 5,98 6,34
5 21,67 21,07 21,16 0,36 0,26
6 21,79 21,40 21,50 0,15 0,09
7 21,4 21,74 21,84 0,12 0,19
8 26,4 22,08 22,17 18,65 17,85
9 20,15 22,43 22,51 5,19 5,59
10 22,24 22,78 22,85 0,29 0,38
11 23,62 23,14 23,19 0,23 0,18
Σ       36,19 36,23

Слайд 32

ВЫВОД: поскольку 36,19 < 36,23то по критерию МНК лучшей признается экспоненциальная модель тренда Оценим среднюю ошибку аппроксимации
для данных трендов

Слайд 33

t Yt   yt^ |(Y- t yˆ )/Y|  
Месяцы Ёмкость рынка, млн. упаковок (шт.) Экспоненциальная Линейная Экспоненциальная Линейная
1 21,55 19,80 19,80 0,08 0,08
2 20,36 20,11 20,14 0,01 0,02
3 18,98 20,42 20,48 -0,08 -0,07
4 18,3 20,74 20,82 -0,13 -0,12
5 21,67 21,07 21,16 0,03 0,02
6 21,79 21,40 21,50 0,02 0,01
7 21,4 21,74 21,84 -0,02 -0,02
8 26,4 22,08 22,17 0,16 0,15
9 20,15 22,43 22,51 -0,11 -0,1
10 22,24 22,78 22,85 -0,02 -0,01
11 23,62 23,14 23,19 0,02 0,01
Σ*100%/n       -36,14 -27,27

Слайд 34

ВЫВОД: поскольку 27,27% < 36,14%, то по значению средней ошибки аппроксимации лучшей признается линейная модель тренда, при этом полученную линейную модель можно считать удовлетворительной. Выбираем полиномиальную модель.

Слайд 35

r^2 0,26
r 0,51
tраст 5,88
tтабл. 2,26
Во-первых, проверим нулевую гипотезу Но: ryt2=0 о несущественности связи между 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%

Слайд 36

St 2,01
tср. 6
ma0 0,6
ma1 0,01
a1 0,34
tрас. 33,92
tтабл. 2,26
Во-вторых, проверим нулевую гипотезу Но: a0=a1=a2=0 о ненадежности параметров линейной 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.
???? ???????? = ???? ???? ????=???? ???? ( ???? ???? − ????) ^????

Слайд 37

tn+1 12
ŷn+1 23,53
myt 2,39
Первый этап. Точечный прогноз ёмкости рынка на следующий временной период №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!

Слайд 38

Третий этап. Рассчитаем второй интервальный прогноз ёмкости рынка ŷn+1*** - 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.

Слайд 39

Методы   Прогнозы   Прогнозы  
Методы   стоим. натур.
Метод скользящей средней 2616,05 22,46
Метод аналитического выравнивания по тренду 2695,69 23,53
Комбинированный 2663,84 23,1
Комбинированный прогноз a1 = 0,4 (вес скол. ср.) a2 = 0,6 (вес аналит. выр.)

Слайд 40

Спасибо за внимание!