При этом наибольшие весо-
вые коэффициенты придаются позднейшим продажам. Прогнозное зна-
чение рассчитывается по формуле
б/"=охб,+(1-о)же,_1
где о - сглаженный объем продаж в текущем периоде;
а - константа сглаживания;
О, - объем продаж в период Р,
б/_1- сглаженый объем продаж для периода /-1.
Константа сглаживания выбирается аналитиком итеративным спо-
собом в интервале от 0 до 1. Ее значение мало при малых изменениях
продаж и приближается к 1 в случае сильных флуктуации.
Существуют компьютерные программы для определения этой кон-
станты.
В качестве примера рассмотрим данные табл. 7.2. Проведена сезонная
коррекция данных, с тем чтобы найти оптимальное значение константы
сглаживания. С целью проверки предсказательной силы модели привле-
чены данные за 1992 г. Чтобы предсказать продажи в первом квартал)
1992 г., нужно располагать сглаженными оценками продаж за предыду
щие периоды. Например, сглаженная оценка за первый квартал 1988г
соответствует
0<в = (0,10) х (106) х (0,90) х (105) = 105,1.
Здесь в качестве сглаженной оценки за предыдущий период взята
данные после сезонной коррекции за 1987 г. (105), поскольку сглаженные
данные за этот период не могут быть рассчитаны. Аналогичным образом
имеем
0,9 = (0,10) х (112) х (0,90) ж (105,1) = 105,9;
89 -0>о =\и,1\1) х (0,10) .\И-) х(121) х\\},уи) > (0,90) >X (,10-), 1)х (105,9)- ШД,= 107,-,3;
0" =(0,10) .< (124) х(0,90)х (107,3)= 109,0.
Таблица 7.2
Квартальные продажи| с коррекциейВЛИЯНИя сезо1НОСТИ
Кварталы1987 г.1988г.1989г.1990г.1991 г.1992 г.Сезонный
индекс
|1051061121211241300,908
111011111151171251270,996
1111001101101171291321,153
IV1081101171181221240,943
0", = (0,10) ж (121) х (0,90) х (105,9) = 107,3;
0,1 = (0,10) х (124) х (0,90) х (107,3) = 109,0.
Таблица 7.2
Квартальные продажи с коррекцией влияния сезонности
Прогнозирование в маркетинговых исследованиях 429
Таким образом, имеем следующий прогноз на первый квартал 1992г.:
Е(0") = О,. = 109,0.
Обратите внимание, что прогноз всегда лежит в интервале между
текущим объемом продаж и сглаженной оценкой за текущий период.
Погрешность прогноза может быть рассчитана, как
погрешность = (109.0 - 130)/130 = 16.2%.
Это очень большая погрешность, что может быть объяснено малым
значением константы а в условиях быстрого роста продаж. Если выбрать
для а значение 0,80, то сглаженные продажи в 1991 г. составят 128,6, а
ошибка прогноза не превысит 1,1%, что значительно лучше.
Существуют и более сложные методы сглаживания, использующие
несколько констант сглаживания. Их обзор дан в книге [50].
Главная слабость этих методов в том, что они не позволяют дей-
ствительно <предсказать> эволюцию спроса, поскольку неспособны пред-
видеть какие-либо <поворотные точки>. В лучшем случае они способны
быстро учесть уже произошедшее изменение. Поэтому их называют адап-
тивной прогнозной моделью. Тем не менее для многих проблем управле-
ния такой <апостериорный> прогноз оказывается полезным при усло-
вии, что имеется достаточно времени для адаптации и факторы, опре-
деляющие уровень продаж, не подвержены резким изменениям.
7.3.2. Модифицированный метод парной регрессии
Рассмотрим на примере выявления перспективного спроса на гру-
зовики во Франции использование модифицированного метода парной
регрессии [2].
Перспективный спрос на грузовики был выявлен с помощью моде-
ли, которая по сравнению с традиционными методами прогнозирования
(экстраполяция тенденций, интуиция) обладает рядом преимуществ, так
как позволяет:
а) легко изменять с учетом новой информации первоначальные
прогнозы;
б) объяснить большую часть расхождений между прогнозами и ре-
альностью по мере реализации первых;
в) получить результат независимо от субъекта, занимающегося прогно-
зированием, т.е. данный метод почти не оставляет места для субъективизма.
Статистические данные были взяты из ежегодно публикуемых На-
циональным институтом статистики и экономических исследований
Франции новых номеров регистрации автомашин. Механографический
код позволяет разделить на 6 классов все автомашины, рассматриваемые
в этом исследовании:
Грузоподъемность от 3 до 4,5 т, или класс в 3,5 т
от 4,6 до 6,5 т 5т
от 6,6 до 8,9 т 7т
от 9 до 12,9т 10т
от 13 т и больше 15 т
Тракторы грузоподъемностью более Ют
430 Глава 7
На рис. 7.2 показано изменение в регистрации новых грузовиков М
Франции за 13 лет до проведения исследования.
Следует отметить, что при проведении подобных исследований
зовый период времени должен быть достаточно длительным, чтобы от-
разить возможно большее число <инцидентов>, связанных с колебание
ми конъюнктуры, встречающимися на протяжении жизни товара.
Здесь кривая, отображающая общее число зарегистрированных на
шин, возрастает весьма хаотично. Колебания общих продаж вызваным
только изменениями темпа экономической активности, но также и важным
изменениями в распределении рынка среди различных категорий машин
Эти явления обусловливают бесполезность попыток оценить общи
тенденции рынка: например, при помощи простой экстраполяции. Однан
предложенный метод прогнозирования помогает преодолеть эти трудности
С одной стороны, он позволяет путем введения общей расчетной единицм
произвести сравнение между сбытом грузовиков разных категорий, ас
другой стороны, связать полученные колебания в числе ежегодны!
регистрации с общими экономическими показателями.
Для того чтобы сравнивать грузовики разных модификаций, нужна
найти переменную, которая могла бы выразиться в величине, общей дя
всех машин. В качестве такой переменной рассматривалась тонна полезного
груза, т.е. единица грузоподъемности; эта переменная характеризуется тем,
что может легко использоваться в торговом обороте, так как продажна
цена грузовика относительно тонны полезного груза практически является
постоянной для всех грузовиков.
На основе этой переменной был рассчитан показатель I,, характе-
ризующий число регистрации за год в тыс. т полезного груза. Этот показатед
вычисляется на основе регистрации и средней величины грузоподъемности
по классу тоннажа. Указанные вычисления представляют собой довольно!
трудную задачу, поскольку работа должна быть сделана с помощью сходных!
статистических данных по каждому типу грузовика. |
Независимая переменная определена с помощью агрегированных!
показателей национальных счетов: валовой национальный продукт, валовые;
вложения в основной капитал, национальный доход... Таким образом, выбор!
экономического показателя (независимая переменная) был сделан с
учетом, с одной стороны, природы самого товара (грузовик можно
рассматривать как промежуточный продукт в производственном процессе
или же как инвестиционный товар), с другой стороны, интенсивности
связей между переменной величиной и экономическим показателем.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168
вые коэффициенты придаются позднейшим продажам. Прогнозное зна-
чение рассчитывается по формуле
б/"=охб,+(1-о)же,_1
где о - сглаженный объем продаж в текущем периоде;
а - константа сглаживания;
О, - объем продаж в период Р,
б/_1- сглаженый объем продаж для периода /-1.
Константа сглаживания выбирается аналитиком итеративным спо-
собом в интервале от 0 до 1. Ее значение мало при малых изменениях
продаж и приближается к 1 в случае сильных флуктуации.
Существуют компьютерные программы для определения этой кон-
станты.
В качестве примера рассмотрим данные табл. 7.2. Проведена сезонная
коррекция данных, с тем чтобы найти оптимальное значение константы
сглаживания. С целью проверки предсказательной силы модели привле-
чены данные за 1992 г. Чтобы предсказать продажи в первом квартал)
1992 г., нужно располагать сглаженными оценками продаж за предыду
щие периоды. Например, сглаженная оценка за первый квартал 1988г
соответствует
0<в = (0,10) х (106) х (0,90) х (105) = 105,1.
Здесь в качестве сглаженной оценки за предыдущий период взята
данные после сезонной коррекции за 1987 г. (105), поскольку сглаженные
данные за этот период не могут быть рассчитаны. Аналогичным образом
имеем
0,9 = (0,10) х (112) х (0,90) ж (105,1) = 105,9;
89 -0>о =\и,1\1) х (0,10) .\И-) х(121) х\\},уи) > (0,90) >X (,10-), 1)х (105,9)- ШД,= 107,-,3;
0" =(0,10) .< (124) х(0,90)х (107,3)= 109,0.
Таблица 7.2
Квартальные продажи| с коррекциейВЛИЯНИя сезо1НОСТИ
Кварталы1987 г.1988г.1989г.1990г.1991 г.1992 г.Сезонный
индекс
|1051061121211241300,908
111011111151171251270,996
1111001101101171291321,153
IV1081101171181221240,943
0", = (0,10) ж (121) х (0,90) х (105,9) = 107,3;
0,1 = (0,10) х (124) х (0,90) х (107,3) = 109,0.
Таблица 7.2
Квартальные продажи с коррекцией влияния сезонности
Прогнозирование в маркетинговых исследованиях 429
Таким образом, имеем следующий прогноз на первый квартал 1992г.:
Е(0") = О,. = 109,0.
Обратите внимание, что прогноз всегда лежит в интервале между
текущим объемом продаж и сглаженной оценкой за текущий период.
Погрешность прогноза может быть рассчитана, как
погрешность = (109.0 - 130)/130 = 16.2%.
Это очень большая погрешность, что может быть объяснено малым
значением константы а в условиях быстрого роста продаж. Если выбрать
для а значение 0,80, то сглаженные продажи в 1991 г. составят 128,6, а
ошибка прогноза не превысит 1,1%, что значительно лучше.
Существуют и более сложные методы сглаживания, использующие
несколько констант сглаживания. Их обзор дан в книге [50].
Главная слабость этих методов в том, что они не позволяют дей-
ствительно <предсказать> эволюцию спроса, поскольку неспособны пред-
видеть какие-либо <поворотные точки>. В лучшем случае они способны
быстро учесть уже произошедшее изменение. Поэтому их называют адап-
тивной прогнозной моделью. Тем не менее для многих проблем управле-
ния такой <апостериорный> прогноз оказывается полезным при усло-
вии, что имеется достаточно времени для адаптации и факторы, опре-
деляющие уровень продаж, не подвержены резким изменениям.
7.3.2. Модифицированный метод парной регрессии
Рассмотрим на примере выявления перспективного спроса на гру-
зовики во Франции использование модифицированного метода парной
регрессии [2].
Перспективный спрос на грузовики был выявлен с помощью моде-
ли, которая по сравнению с традиционными методами прогнозирования
(экстраполяция тенденций, интуиция) обладает рядом преимуществ, так
как позволяет:
а) легко изменять с учетом новой информации первоначальные
прогнозы;
б) объяснить большую часть расхождений между прогнозами и ре-
альностью по мере реализации первых;
в) получить результат независимо от субъекта, занимающегося прогно-
зированием, т.е. данный метод почти не оставляет места для субъективизма.
Статистические данные были взяты из ежегодно публикуемых На-
циональным институтом статистики и экономических исследований
Франции новых номеров регистрации автомашин. Механографический
код позволяет разделить на 6 классов все автомашины, рассматриваемые
в этом исследовании:
Грузоподъемность от 3 до 4,5 т, или класс в 3,5 т
от 4,6 до 6,5 т 5т
от 6,6 до 8,9 т 7т
от 9 до 12,9т 10т
от 13 т и больше 15 т
Тракторы грузоподъемностью более Ют
430 Глава 7
На рис. 7.2 показано изменение в регистрации новых грузовиков М
Франции за 13 лет до проведения исследования.
Следует отметить, что при проведении подобных исследований
зовый период времени должен быть достаточно длительным, чтобы от-
разить возможно большее число <инцидентов>, связанных с колебание
ми конъюнктуры, встречающимися на протяжении жизни товара.
Здесь кривая, отображающая общее число зарегистрированных на
шин, возрастает весьма хаотично. Колебания общих продаж вызваным
только изменениями темпа экономической активности, но также и важным
изменениями в распределении рынка среди различных категорий машин
Эти явления обусловливают бесполезность попыток оценить общи
тенденции рынка: например, при помощи простой экстраполяции. Однан
предложенный метод прогнозирования помогает преодолеть эти трудности
С одной стороны, он позволяет путем введения общей расчетной единицм
произвести сравнение между сбытом грузовиков разных категорий, ас
другой стороны, связать полученные колебания в числе ежегодны!
регистрации с общими экономическими показателями.
Для того чтобы сравнивать грузовики разных модификаций, нужна
найти переменную, которая могла бы выразиться в величине, общей дя
всех машин. В качестве такой переменной рассматривалась тонна полезного
груза, т.е. единица грузоподъемности; эта переменная характеризуется тем,
что может легко использоваться в торговом обороте, так как продажна
цена грузовика относительно тонны полезного груза практически является
постоянной для всех грузовиков.
На основе этой переменной был рассчитан показатель I,, характе-
ризующий число регистрации за год в тыс. т полезного груза. Этот показатед
вычисляется на основе регистрации и средней величины грузоподъемности
по классу тоннажа. Указанные вычисления представляют собой довольно!
трудную задачу, поскольку работа должна быть сделана с помощью сходных!
статистических данных по каждому типу грузовика. |
Независимая переменная определена с помощью агрегированных!
показателей национальных счетов: валовой национальный продукт, валовые;
вложения в основной капитал, национальный доход... Таким образом, выбор!
экономического показателя (независимая переменная) был сделан с
учетом, с одной стороны, природы самого товара (грузовик можно
рассматривать как промежуточный продукт в производственном процессе
или же как инвестиционный товар), с другой стороны, интенсивности
связей между переменной величиной и экономическим показателем.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168