Теоретические основы прогнозирования экономических показателей на рынке розничной торговли

Автор работы: Пользователь скрыл имя, 28 Апреля 2013 в 15:37, курсовая работа

Описание работы

Целью написания курсовой работы является разработать прогноз товарооборота с использованием программного продукта. Провести анализ розничного товарооборота, планирование (прогноз продаж) как в общем по товарообороту, так и по конкретному предприятию.
Исходя из поставленной цели, в данной работе сформулированы следующие задачи:
сущность основных понятий в области прогнозирования;
признаки классификации, виды прогнозов и их краткая характеристика;
методология подхода и методы разработки прогноза экономических показателей с использованием различных программных продуктов;
проведение анализа показателей эффективности коммерческой работы в розничной торговой организации.

Файлы: 1 файл

Курсовая исправл..docx

— 899.98 Кб (Скачать файл)

При оценке параметров адаптивных моделей, в отличии от «кривых роста», наблюдениям (уровням ряда) присваиваются различные  веса, в зависимости от того, насколько  сильным признается их влияние на текущий уровень. Это позволяет  учитывать изменения в тенденции, а также любые колебания, в  которых прослеживается закономерность. В качестве примера можно назвать  модель экспоненциального сглаживания  Брауна.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2.2. Обоснование методологического  подхода и метода разработки прогноза на основе SPSS

 

 

Несмотря на огромное многообразие существующих статистических методов  анализа данных, разработанных в  рамках теории математической статистики, в практике маркетинговых исследований находит эффективное применение лишь ограниченный набор статистических инструментов. Такие ограничения  отчасти связаны с небольшими, как правило, размерами выборок  в большей части проводимых маркетинговых  исследований, отчасти – с ограниченной сферой интересов маркетингового анализа, в котором далеко не все существующие статистические методы находят применение.

Основываясь на практическом опыте, можно  предложить следующую схему классификации  статистических методов, используемых при анализе данных количественных маркетинговых исследований (рис. 3).

Схема классификации построена  таким образом, как обычно происходит процесс анализа, начиная еще  с того момента, когда заказчиком и исполнителем исследования только дописано техническое задание и  составлена анкета. Как следует из представленной схемы, весь процесс  статистического анализа можно  разделить на два этапа: подготовительный и собственно анализ данных.

Первый этап имеет целью собрать  и систематизировать информацию, необходимую для последующей  обработки анкет (например, схемы  кодировки вопросов), а также обеспечить исследователя данными в том  виде, который наиболее подходит для  конкретного вида статистического  анализа. Несмотря на название данного  этапа – «предварительный» –  некоторые его элементы (в частности, различные манипуляции с формой представления данных) присутствуют и непосредственно в процессе статистического анализа на втором этапе (например, сортировка и отбор  анкет). Таким образом, результаты первого, подготовительного этапа используются в течение всего хода статистического (и когнитивного) анализа в маркетинговых исследованиях.

На втором этапе данные, содержащиеся в исходной базе (заполненные анкеты), превращаются в коммерческую информацию: систематизируются, классифицируются, между ними производится поиск взаимозависимостей. Результатом второго, основного  этапа статистического анализа  являются аналитические материалы(табуляции, диаграммы и вербальные выводы), которые затем используются при  написании аналитического отчета.

Рассмотрим теперь основные элементы, составляющие оба этапа статистического  анализа, более подробно.

Итак, как мы видим на рис. 3, подготовительный этап проходит в целом по линейной схеме. Первым шагом здесь является сбор материалов, необходимых для анализа. В полевых маркетинговых исследованиях к ним обычно относятся: техническое задание на исследование, анкета для опроса целевой аудитории, а также структура будущего аналитического отчета, который формируется по результатам проведенного исследования. Данный шаг обычно проводится еще до начала полевых работ (анкетирования), сразу после того, как утверждено задание на исследование. На основании перечисленных материалов вторым шагом определяются так называемые общие параметры выборки, то есть  устанавливается уровень доверия к результатам исследования и рассчитывается статистическая ошибка всей выборки. Необходимо отметить, что данный шаг следует уже после окончания сбора данных, когда появляется возможность точно определить реально получившийся размер выборки, а также получить информацию о сложностях, возникавших в ходе опроса. Эта информация может в дальнейшем внести определенные коррективы в ход статистического анализа. Например, если предварительно заказчиком были установлены квоты по опросу, а в реальности их выдержать не удалось, может потребоваться корректировка базы данных (скажем, удаление анкет одной целевой группы). Далее следует весьма важный шаг – составляется так называемая схема кодировки вопросов и ответов анкеты. С учетом сведений, полученных от интервьюеров, проводивших анкетирование респондентов, исследователь кодирует вопросы и ответы анкеты, формализуя их в соответствии с требованиями, предъявляемыми SPSS. На описываемом шаге также иногда может потребоваться создание специализированной базы данных для проводимого исследования (если ввод данных осуществляется не непосредственно в SPSS, а в какую-либо другую программу – например, в MicrosoftAccess). Затем на основании имеющейся схемы кодировки анкеты выполняются ввод в компьютер анкет, заполненных в ходе полевых работ, и предварительное формирование базы данных в формате SPSS (создание собственно файла данных с расширением .sav). Окончательное формирование базы данных в SPSS происходит на следующем шаге, когда переменным и их значениям в полученном файле данных присваиваются вербальные метки. И на этом, собственно, заканчивается деятельность по подготовке исходного файла данных для статистического анализа. После осуществления вышеописанных пяти шагов перед исследователем оказывается полностью работоспособная база данных, содержащая все необходимые данные для проведения статистического анализа. Однако у нас остался нерассмотренным еще один существенный шаг в рамках первого, подготовительного этапа – модификация и отбор данных. Данный шаг позволяет аналитику производить предварительные (перед началом статистического анализа) манипуляции с имеющимися данными: перекодировать их, формировать условные и случайные выборки, сортировать, а также вычислять новые переменные на основании имеющихся закодированных вопросов анкеты. Действия, осуществляемые над базой данных в рамках описываемого шага, могут производиться не только непосредственно после ввода данных в компьютер, но и в продолжение всего процесса работы с ними.

Таким образом, данный подготовительный этап статистического анализа осуществляется в шесть основных шагов по линейной схеме. Следующий, основной этап статистического  анализа проходит несколько по-другому. Он практически всегда начинается с  общей систематизации полученных данных (наиболее часто в форме построения линейных распределений). Дальнейшие шаги статистического анализа полностью  зависят от целей исследования и  специфики имеющихся данных. Так, исследователю может потребоваться: установить различия между различными целевыми группами респондентов; установить взаимозависимости, существующие между  переменными (вопросами анкеты); классифицировать респондентов по группам (сегментировать) на основании определенных критериев. Данные статистические методы могут  использоваться как последовательно, так и параллельно: все вместе или только несколько методов (возможно, даже один).

 

 

2.3. Оценка адекватности и точности  с помощью программного продукта  SPSS

 

Точная и своевременная информация о том, что может произойти  в экономике и обществе в будущем, всегда имела значение для тех, кто  принимал бизнес-решения. Прогнозирование  стало важной частью процесса планирования любой компании. Развитие современных  экономических теорий, а также  сложных компьютерных программ повлияло на подъем новых методов прогнозирования.

Анализ  остатков на случайность.

 Здесь можно использовать  несколько разных методов. При  этом может оказаться, что одни  методы указывают на случайность  ряда остатков, а другие – на наличие в нем определенных регулярностей. Это вовсе не является неразрешимым противоречием, так как разные тесты на регулярность понимают эту регулярность в разных смыслах. Поэтому в случае расхождений в результатах разных тестов исследователь должен отдать предпочтение либо выводу, за который имеется большее число показаний, или же отдать предпочтение результату того метода, который он считает более значимым (вообще или в данном конкретном исследовании).

 В случае отсутствия компьютера  можно применять более простые  методы, не требующие значительных  вычислений. Опишем здесь один  из простейших методов анализа  остатков ряда на случайность  (или, говоря другими словами,  на близость к белому шуму) — метод Юла-Кендалла.

 Пусть имеется набор значений  x1,x2,...xn временного ряда. Назовем значение xk максимумом, если выполняются условия:

xk-1<xk>xk+1,    (5.1).

Для граничных значений x1 и xn в силу невозможности выписать подобное условие принимается, что они никогда не могут быть максимумами. Другими словами, максимум (точнее, здесь стоило бы говорить о локальном максимуме) - это такое значение ряда, которое больше обоих соседних значений. Аналогично определяется понятие минимума — это такое значение, которое меньше обоих соседних, граничные значения никогда не могут быть и минимумами.

Эстремумом называется минимум  или максимум. На графике, изображающем точки временного ряда, экстремумы очень хорошо видны, они выделяются как точки поворота этого графика (поворота с убывания на возрастания  и наоборот). Может оказаться, что  несколько последовательных значений равны между собой, т.е.:

xk=xk+1=...=xk+p,   (5.2).

В этом случае если соседние с ними значения меньше этого общего значения, то вся последовательность xk,...xk+p рассматривается как один единственный максимум. То же касается и случая минимума. Вычисление числа экстремумов особенно легко производить, если изобразить временной ряд графически.

Обозначим через ξn число точек поворота в некоторой случайной последовательности чисел x1,x2,....xn. Величина ξn является случайной, ее математическое ожидание и дисперсия равны, как можно доказать:

Mξn=2(n-2)/3 и Dξn=(16n-29)/90,независимо от распределения исходной совокупности значений ряда.

Приблизительно они равны 2n/3 и 8n/45 соответственно. При n-> величина ξn распределена приблизительно нормально. Для построения доверительного интервала можно использовать широко известное в математической статистике и е приложениях правило трех сигм (на уровне вероятности 99.73%) или же правило двух сигм (на уровне 95.44%).

 Вычислим число ξ*n экстремумов в исследуемом временном ряде. Если этот ряд является чисто случайным, то с вероятность 99.73% величина ξ*n попадет в доверительный интервал, равный Mξ±3σξ, приблизительно это отрезок (). Если же ξ*n окажется вне этого интервала, то с вероятностью 99.73% можно утверждать, что изучаемый временной ряд нельзя рассматривать как чисто случайный. Можно использовать и правило двух сигм, тогда заключение делается на уровне 95.44%.

 Например, пусть имеется остатков  ряд из n=20 значений, среди которых мы насчитали 9 максимумов. При указанном значении n доверительный интервал равен приблизительно (11,19) (на уровне 99.73%). Но значение 9 не попадает в этот интервал, из чего можно сделать вывод о неслучайности ряда остатков.

Неслучайность означает, что ряд  имеет некоторые (скрытые) периодичности, поиск которых производится с  применением кореллограммы и  периодграммы, а также других методов  подобного сорта.

Выделение случайной компоненты остатка.

 Из значений временного ряда  вычитаются значения тренда и  выделенных периодически компонент.

 В результате указанных выше  действий временной ряд разлагается  на тренд (тенденцию, долговременное  движение), циклические компоненты  и случайные (несистематические)  колебания. В свою очередь,  циклические компоненты можно  разделить на долговременные (годы, месяцы в зависимости от рассматриваемой  задачи) и короткопериодические (недели, дни).

 После получения указанного  разложения можно заняться построением  прогноза. При этом во внимание  принимаются только тренд и  регулярные компоненты, а случайные  колебания отбрасываются. Возможное  влияние случайных колебаний  учитывается при прогнозе следующим  образом. При выдаче прогноза  на графике или в таблице  указывают границы, в которых  предсказанные значения содержатся  с вероятностью не меньшей,  чем 1-α, где α – заданный допустимый уровень ошибки (обычно это 5% или 10%). При компьютерной обработке результат прогноза выглядит примерно как отрезок ряда (или кривой), вокруг которого (сверху и снизу) изображаются две кривые, образующие доверительную полосу и соответствующие заданному уровню вероятности прогноза.

 Методы прогноза основываются  либо на чисто статистических  оценках, либо используют спектральное  разложение. Интересно отметить, что  в разных прикладных областях  предпочитают использовать разные  методы прогноза. Так, например, в  гуманитарных областях (социология, психология, лингвистика и др.) предпочитают  чисто статистические методы  а в инженерных и естественно-научных  областях (исследование сигналов  физического и технического происхождения:  электроника, акустика, гидро- и  аэродинамика, космические излучения,  виброиспытания, механика конструкций  и материалов) – спектральные.

И у тех и у других методов  есть свои приверженцы, которые усматривают  значительные недостатки в других методах. На самом деле любые из этих методов  прогнозирования имеют один существенный недостаток – они пытаются чисто формальными вычислениями восполнить недостаточную информацию о сущности изучаемых процессов. Именно с этим связаны частые неудачи, которые сопровождают все известные ныне формальные методы прогноза. Надеяться на повышения точности прогноза можно будет только тогда, когда начнут использоваться более тонкие методы, основанные на использовании не просто математических моделей, а глубоких, поначалу хотя бы символических, аналогий между процессами разной природы.

 

 

 

 

 

 

 

 

 

 

 

 

3. Прогнозирование экономических  показателей ООО «Вестер»  на рынке розничной торговли

 

3.1.Организационно-экономическая характеристика  предприятия

 

  1. Общие положения.

Федеральная Сеть «Вестер» объединяет 47 торговых объектов в городах России и Республики Беларуси. Общая торговая площадь  магазинов превышает 100 тыс. кв. метров. Ежедневно магазины Сети обслуживают 140 тыс. покупателей. В Сети «Вестер» работают 7 тыс. человек. В Калининградском  регионе, откуда исторически берет  свое начало Федеральная Сеть, «Вестер» - ведущий ритейлер, один из крупнейших в Калининградской области.

Информация о работе Теоретические основы прогнозирования экономических показателей на рынке розничной торговли