Динамика продажи и цен товара

Период	Товарооборот, млн. руб.	Объем продажи, тыс. ед	Цена тыс. руб. за ед.	Цепные коэффициенты роста
товарооборота	продажи	цен
				-	-	-
				1,12	0,93	1,20
				1,24	0,57	2,17
				0,73	0,72	1,03
				0,60	0,43	1,40

 

Положение на рынке характеризуется падением спроса в результате роста цен на продукцию. Если до 3-го периода рост цен обеспечивал увеличение валового дохода (товарооборота), то после него наметилась тенденция к его значительному сокращению, т.е. рост цен не смог компенсировать падение спроса. Товарооборот в 3-м периоде был в 1,24 больше предыдущего уровня и в 1,39 раза больше начального. В 5-м году рост цен превысил точку равновесия и спрос стал коллапсировать (падать).

За анализируемый период объем продаж в натуральном выражении сократился за весь период более, чем в 6 раз. Тенденция падения спроса моделируется уравнением тренда

660, 1 - 115,5 t,

 

т.е. спрос на товар постоянно сокращался в среднем на 115,5 тыс. ед. изделий.

Рост цен за исследуемый период составил 373%. Он также моделируется уравнением прямой, но с противоположной направленностью:

 

2,4 + 10,4 t,

т.е. постоянный прирост цены составлял ежегодно 10, 4 тыс. руб.

Можно предположить, что в данной ситуации мы столкнулись с регрессирующим, мало перспективным рынком, требующим интенсивных маркетинговых усилий. Основным фактором падения спроса является рост цен. Модель зависимости объема продаж (y) от уровня цен (x) подтверждает этот факт

 

676, 8 -10, 8 x,

 

т.е. при увеличении цены на 1 тыс. руб. спрос на товар падает в среднем на 10, 8 тыс. ед. продукции.

Приведенный подход к прогнозированию конъюнктуры рынка основан на сочетании трендовой экстраполяции и регрессионного моделирования. Коэффициенты в уравнении тренда и уравнении парной регрессии находятся по МНК.

Большая часть математических моделей имеет форму компьютерных программ (например, АРМ СтОД (автоматизированное рабочее место для статистической обработки данных), ОЛИМП, МЕЗОЗАВР, СИГАМД и др.) [20]. Такие программы позволяют придать моделям динамический характер.

К недостаткам применения методов экономико-математического моделирования в рамках прогнозирования можно отнести:

· необходимость серьезных затрат на организацию прогнозирования;

· невозможность охватить в моделях все наиболее существенные тенденции развития;

· высокая вероятность внезапных изменений, разрушительных событий, существенно снижающих полезный эффект модели.

Следует иметь в виду, что в условиях переходной экономики происходят кардинальные изменения в организационно-производственных системах и структурах (спроса, потребностей, цен и т.п.), а следовательно, достаточно проблематично сделать вывод о том, можно ли доверять результатам математического параметрического прогнозирования, так как эти методы целесообразно применять тогда, когда за время упреждения не изменяются ни функции, ни структура объекта прогнозирования. В этой ситуации параметрические методы могут применяться:

- при краткосрочном прогнозировании, когда вероятность структурных изменений невелика;

- при условии соответствия исходных статистических данных требованиям, предъявляемым математическим методам;

- при дополнительной верификации результата прогноза другим методом.

Структурное прогнозирование

 

Методы структурного прогнозирования позволяют найти решение проблемы при сохранении функций, но при изменении структуры и (или) значений параметров объекта прогнозирования за время упреждения.

Структурные методы основаны на использовании теории графов.

Графом называют фигуру, состоящую из точек, называемых вершинами, и соединяющих их отрезков, называемых ребрами. Выбор структуры графа определяется существом тех отношений между элементами системы, которые он должен выразить.

Деревом называется сводный ориентированный граф, не содержащий петель. Каждая пара его вершин соединяется ребром.

Деревом целей называется граф-дерево, выражающее отношения между вершинами, являющимися этапами или проблемами, подлежащими решению при достижении некоторой цели (рис. 2.4).

Дерево целей, вершины которого ранжированы, т.е. выражены количественными оценками их важности, может быть использовано для количественной оценки приоритета различных направлений развития. Построение дерева целей требует решения многих прогнозных задач, таких, как:

· прогноз развития объекта в целом;

· формулировка сценария достижения прогнозируемой цели;

· формулировка уровня цели;

· формулировка критерия и весов, ранжирование вершин.

Дерево целей обычно строится на нескольких уровнях:

1. Понятийном (аспектном, параметрическом), где основная цель имеет скорее качественное, чем количественное выражение.

2. Продуктовом (предметном), где процесс достижения цели разбивается на решение задач по отдельным видам продукции.

3. Технологическом – процесс достижения цели разбивается по отдельным стадиям производственного процесса и стадиям жизненного цикла товара (товаром при этом может считаться как сама добываемая нефть, так и нефтяное месторождение).

4. Ресурсном – цели делятся по видам ресурсов, необходимых для производства.

Иерархическое дерево целей строится на логической основе сверху вниз исходя из сценария, поэтапно, уровень за уровнем, так, чтобы мероприятия предыдущего уровня обеспечивали задачи последующего. Для каждого уровня дерева целей эксперты должны устанавливать коэффициенты относительной важности всех его этапов.

Расчет коэффициента относительной важности вдоль ветви дерева цели учитывает связи элемента данного уровня с одним или несколькими элементами вышестоящего уровня и определяется как сумма произведений соответствующих коэффициентов относительной важности.

 

При разработке подсистем (задач), входящих в данное дерево целей, принимаются во внимание возможности частичного использования результатов одних подсистем для других, характеризуемые коэффициентами взаимной полезности. Эти коэффициенты экспертно оцениваются специалистами и выражают относительное снижение затрат времени и других ресурсов.

 

Прогнозирование по аналогии

Прогнозирование по аналогии – это достаточно часто применяемый тип прогнозирования. Следует иметь в виду, что прогнозирование по аналогии корректно только тогда, когда установлена, доказана аналогия между объектами управления, типами менеджмента, реакциями внешней и внутренней среды в случае, имеющем место ранее на практике, в конкретном случае прогнозирования.

Понятие аналогии связано с понятием адекватности, при этом объект прогнозирования может рассматриваться как модель другого объекта – аналога, а цели и задачи его прогнозирования должны соответствовать таким же целям и задачам объекта аналога. Таким образом, понятие аналога включает схожесть объектов прогнозирования, а также целей и последствий прогнозирования.

В процессе прогнозирования по аналогии должны рассматриваться следующие направления аналогии:

· объекта прогнозирования и объекта, выбранного в качестве аналога;

· типов и целей менеджмента;

· реакции внутренней среды на управляющие воздействия;

· реакции внешней среды на изменение состояния объекта прогнозирования.

В процессе предпрогнозного анализа возможно установление количественной и (или) качественной аналогии.

Одним из методов качественного доказательства аналогии является логика предположений [10]. Формальная логика устанавливает общие методы и схемы правильных умозаключений.

Для установления аналогии могут быть также использованы методы распознавания образов [35]. Процедура прогнозирования состоит в том, что выбираются классы состояний исследуемых объектов, заданные как диапазоном изменения некоторых параметров, так и определенными качественными характеристиками.

По совокупности признаков, определяющих состояние объектов, находится соответствие принадлежности каждого нового объекта или объекта в будущем времени к определенному классу. Это позволяет дать прогноз состояния объекта или указать диапазон изменения параметров, характеризующих его на прогнозируемый период [14].