3. Прогнозирование на основе сезонных колебаний.

Одним из статистических методов прогнозирования является расчет прогнозов на основе сезонных колебаний уровней динамического ряда. При этом под сезонными колебаниями понимаются такие изменения уровня динамического ряда, которые вызываются влияниями времени года. Проявляются они с различной интенсивностью во всех сферах жизни общества: производстве, обращении и потреблении. Их роль очень велика в агропромышленном комплексе, в торговле многими товарами, в строительстве, на транспорте, в медицине и образовании и др. Сезонные колебания строго цикличны – повторяются через каждый год, хотя сама длительность времен года имеет колебания.

Для изучения сезонных колебаний необходимо иметь уровни (значения показателей продаж, например) за каждый квартал, а лучше за каждый месяц, иногда даже за декады, хотя декадные уровни могут уже сильно исказиться мелкомасштабной случайной колеблемостью.

Методика статистического прогноза по сезонным колебаниям основана на их экстраполяции, т.е. на предположении, что параметры сезонных колебаний сохраняются до прогнозируемого периода.

Для измерения сезонных колебаний обычно исчисляются индексы сезонности (I_s).

В общем виде индексы сезонности определяются отношением исходных (эмпирических) уровней ряда динамики y_i, к теоретическим (расчетным) уровням y_ti, выступающим в качестве базы сравнения:

I_si = y_i : y_{ti (2)}

Именно в результате того, что в приведенной выше формуле измерение сезонных колебаний производится на базе соответствующих теоретических уровней тренда y_ti, в исчисляемых при этом индивидуальных индексах сезонности влияние основной тенденции развития элиминируется (устраняется). И поскольку на сезонные колебания могут накладываться случайные отклонения, для их устранения производится усреднение индивидуальных индексов одноименных внутригодовых периодов анализируемого ряда динамики. Поэтому для каждого периода годового цикла определяются обобщенные показатели в виде средних индексов сезонности (I_s):

I_si

I_si= -------. (3)

n

Рассчитанные таким образом средние индексы сезонности свободны от влияния основной тенденции развития и случайных отклонений.

В зависимости от характера тренда формула (3) принимает следующие формы:

1. для рядов внутригодовой динамики с ярко выраженной основной тенденцией развития:

y_i

_ ----

y_ti

I_si = -------. (4)

n

Выступающие при этом в качестве переменной базы сравнения теоретические уровни y_ti представляют своего рода “среднюю ось кривой”, т.к. их расчет основан на положениях метода наименьших квадратов. Поэтому измерение сезонных колебаний на базе переменных уровней тренда называется способом переменной средней;

2. для рядов внутригодовой динамики, в которых повышающийся (снижающийся) тренд отсутствует, или он незначителен:

I_si = y_i : y (5)

В этой формуле базой сравнения является общий для анализируемого ряда динамики средний уровень y. Поскольку для всех эмпирических уровней анализируемого ряда динамики этот общий средний уровень является постоянной величиной, то применение формулы (5) называют способом постоянной средней.

Расчет прогноза на основе сезонных колебаний проведем по формуле (5), т.е. по способу постоянной средней (в приводимых в нашем примере данных нет значительной тенденции роста:

Т_р =  84,4 : 83,4 = 1,006 или 0,6%).

Пример: необходимо рассчитать прогнозные индексы сезонности товарооборота группы предприятий массового питания по данным первых четырех граф табл. 4.

Таблица 4 - Среднедневной товарооборот, тыс. руб.

Решение:

1) определяем средние уровни товарооборота по месяцам y_i:

для января

78,4 + 82,8 + 75,1 236,3

y_я = ------------------------ = -------- = 78,8 тыс.руб.

3 3

для февраля

79,3 + 83,4 + 76,5 239,2

y_ф = -------------------------- = -------- = 79,7 тыс.руб. и т.д.

3 3

и проставляем полученные значения в графу 6;

2) определяем общий для всего ряда динамики средний уровень товарооборота y:

78,8+79,7+82,9+83,4+74,9+107,1+98,1+80,6+83,5+78,4+74,4+84,8

y = ------------------------------------------------------------------------------------- =83,9 тыс.руб.

12

и проставляем полученное значение в итоговую строку графы 6;

3) определяем средние индексы сезонности товарооборота по месяцам I_si:

I_sянв = (78,8 / 83,9) * 100 = 93,9%

I_sфев = (79,7 / 83,9) * 100 = 95% и т.д.

и проставляем полученные значения в графу 7.

Из графы 7 видно, что сезонные колебания товарооборота анализируемой группы предприятий характеризуется повышением в июне (+27,7%), июле (+16,9%) и декабре (+1,1%) и снижением в остальных месяцах. Рассчитанные таким образом средние индексы сезонности можно положить в основу планирования товарооборота на следующий год.

Приведенные методы измерения сезонных колебаний не являются единственными. Так, для выявления сезонных колебаний можно применять и рассмотренный выше метод скользящей средней, и другие методы.

Предложенная методика прогнозирования сезонных колебаний базируется, как мы видели, на расчете индексов сезонности. Следует отметить, что индексный метод вообще очень широко применяется в прогнозировании социально-экономических явлений и, в частности, деятельности предприятий – для составления прогнозов как объемных, так и качественных показателей (в т.ч. изменения цен, производительности труда, издержек производства и обращения, прибыли и др.).

4. Прогнозирование методом линейной регрессии - является одним из наиболее широко применяемых методов статистического прогнозирования. Метод базируется на анализе взаимосвязи двух переменных (метод парной корреляции) - влияние вариации факторного показателя Х (например, расходов на рекламу) на результативный показатель У (например, на объем продаж):

у_х = а + bx (6)

с использованием метода наименьших квадратов. В основу данного метода положено требование минимальности сумм квадратов отклонений эмперических данных у_i от выровненных у_хi:

 (y_i - y_xi)² = min (7)

Для определения параметров а и b уравнения (6) на основе требований метода наименьших квадратов (уравнение 7) при помощи дифференциальных исчислений составляется система нормальных уравнений:

 у = na + b х;

 ху = а х + b x² . (8)

Для решения данной системы уравнений применяется способ определителей, позволяющий сводить к минимуму неточности округлений в расчетах параметров уравнений регрессии:

∑у ∑х² -∑xу∑х

a = -----------------------; (9)

n∑x² - ∑х∑x

n∑xу -∑x∑y

b = -----------------------. (10)

n∑x² - ∑х∑x

Для нахождения а можно воспользоваться упрощенной формулой:

а = y - bx, (11)

∑ y ∑x

где y = ------- и x = ------

n n

Если в решаемой задаче много цифр, то формула для b, приведенная выше (10), не очень удобна. Можно воспользоваться другой:

∑ (x - x)(y - y)

b = --------------------- (12)

∑ (x - x)²

Пример: на основании нижеследующих данных о продажах и расходах на рекламу (графы 2 и 3) составим прогноз ожидаемого объема продаж в будущем периоде (при расходах на рекламу в 20 тыс. руб.):

Решение:

1. рассчитываем значение b по формуле (10), для чего предварительно составляем таблицу значений (х * у), (х²), ( х), ( у), ( х²):

12 x 13656 - (348 x 450) 7272

b = ------------------------------ = --------- = 0,5632

12 x 11168 - (348)² 12912

2. определяем х и у:

х 348

х = ------- = ------ = 29

n 12

у 450

у = --------- = ----- = 37,5

n 12

3. рассчитываем значение а по формуле (11):

а = 37,5 - 0,5632 х 29 = 21,1672

4. подсчитываем ожидаемый объем продаж в будущем периоде по формуле (6):

у₁₃ = 21,1672 + 0,5632 х 20 = 32,4312,

Вывод: т.е. при выделении на рекламу в будущем году 20 тыс. руб. прогнозный объем продаж составит 32,4 млн. руб., а прогнозная формула (уравнение регрессии) “объем продаж - расходы на рекламу” будет иметь вид:

у = 21,1672 + 0,5632 * х (13)

Примечание:  у² в данном примере (см. таблицу) не требуется, ее значение определено на будущее.