Курсовая работа: Спрос и методы его прогнозирования

-- экономико-математические методы - в этом методе преобладают объективные начала, имеющие четкие научные обоснования и не зависящие от воли или желания человека:

· статистические методы -- моделирование (строится модели разных видов, благодаря которым можно прогнозировать исход);

· расчет коэффициента эластичности спроса;

· экстраполяция (основана на опыте прошлых лет для улучшения будущего);

-- специальные методы (трендовые модели в графическом или математическом виде). Тренд -- временной фактор, который характеризует основную тенденцию изменения показателей -- учитывают особенности спроса на различные товары (товары длительного пользования -- тестирование рынка, панельные опросы; товары единовременного пользования -- метод пробных покупок, повторных покупок).

Закон спроса гласит: при прочих равных условиях спрос на товары в количественном выражении изменяется в обратной зависимости от цены. Закон спроса не действителен в трех случаях:

- при ажиотажном спросе, вызванном ожидаемым повышением или снижением цен;

- для некоторых редких и дорогих товаров, которые покупаются как средство вложения денег на усмотрение потребителя;

- при повышении спроса на более качественные и дорогие товары.ё

Статистические методы предполагают применение статистических расчетов для построения будущего на основе прошлого. Типичный пример - методы исчисления средних, скользящих величин. Например, компания захотела использовать скользящую среднюю величину за 12 недель для прогноза спроса какого-либо товара. Для этого суммируют продажи за последние 12 недель, сумму делят на 12, получая таким образом среднюю величину. Через 7 дней добавляют продажи за последнюю неделю и отбрасывают первую неделю, получая данные опять за 12 недель. В этом случае используется простая средняя величина.

Пример расчета:

Старый прогноз (месячные продажи) - 100 ед.

Фактические продажи (последний месяц) - 80 ед.

Новый прогноз (простая средняя) - 90 ед.

Один из очевидных недостатков этого метода заключается в том, что фактическим продажам придается такой же вес, как и старому прогнозу. Обычно лучше придать больший вес старому прогнозу и меньший - текущим продажам так, как последние могут представлять собой случайную вариацию, единственную в своем роде.

Весовые коэффициенты логичнее определить в 0,8 и 0,2 (в сумме они обязательно должны равняться 1,0).

Тогда среднюю величину исчисляют так:

Старый прогноз - 100 x 0,8 = 80 ед.

Фактические продажи - 80 x 0,2 = 16 ед.

Новый прогноз (взвешенная средняя) - 80 + 16 = 96 ед.

Этот метод называется экспоненциальным сглаживанием. Весовой коэффициент, приданный текущим продажам (в данном случае 0,2) называют альфа-множителем. Экспоненциальное сглаживание представляет собой исчисление взвешенной скользящей средней величины. Преимущество этого метода в том, что он облегчает вычисления и часто позволяет хранить меньший объем данных. При экспоненциальном сглаживании требуются данные о «старом прогнозе» и альфа-множителе. Еще более важна гибкость метода. Если прогноз занижает действительный спрос, аналитик способен вручную ввести скорректированный прогноз в систему и приступить к сглаживанию. Это значительно удобнее, чем пытаться скорректировать расчет скользящей средней величины.

При использовании регрессионного и корреляционного анализа рассчитывают формулы, которые придают различный вес «индикаторам», связанным с прогнозируемыми товарами или группами товаров. Например, закладка жилых домов оказывает определенное влияние на продажу металлических изделий строительным фирмам. Динамика валового национального продукта (ВНП), вероятно, тоже оказывает влияние.

Таким образом, учитывая степень важности влияния того или иного фактора, можно построить формулу для прогноза суммарных продаж металлоизделий для строительства. При этом особенное внимание нужно уделять ведущим индикаторам, то есть тем, значение которых увеличивается или уменьшается до того, как начнут изменяться прогнозируемые продажи.

Правда, использование такого рода индикаторов может принести пользу лишь в том случае, если оно опирается на здравый смысл. Влияние факторов, которые были очень существенны в прошлом, может измениться с течением времени, а потому для них нужно будет применять другой весовой коэффициент. И здесь не обойтись без экспертной оценки.

спрос предложение прогнозирование цена

2. Значимость количественных методов прогнозирования спроса

2.1 Закон спроса

Закон спроса гласит, если цена на товар увеличивается, при этом параметры товара остаются не именины, то спрос на данный товар уменьшается, и наоборот.

Действие закона спроса может быть объяснено на основе действия двух взаимосвязанных эффектов: эффекта дохода и эффекта замещения.

Эффектом дохода экономисты называют увеличение цены на товар, оказывающие непосредственное влияние на доход потребителя, что приводит к сокращению спроса на данный товар.

Эффектом замены выступает тот же рост цен на товар, при котором подорожавший товар заменяют более дешевым аналогом.

Закон спроса не действует в следующих случаях:

Повышение цен на товар первой необходимости приводит к тому, что реальные доходы некоторых слоев населения (по отношению к этому товару) падают, и они вынуждены сокращать покупки прочих товаров, увеличивая потребление жизненно необходимого товаров, чтобы выжить и не умереть с голода. Это называют Парадоксом Гиффена.

Когда цена является показателем качества. В этом случае потребитель может считать, что высокая цена товара свидетельствует о его высоком качестве и от этого увеличении спроса.

Ситуация, когда на снижение цены потребитель реагирует отрицательно, якобы ухудшается качество товара, называют парадоксом Веблена. Это демонстративное потребление благ недоступных для большинства потребителей. Такое поведение вызвано для демонстрации своего статуса и индивидуальности или принадлежности к "товарам-льготникам" категориям.

Эффект ожидаемой динамики цен связан с ожиданием потребителя на снижения цены товара, при этом спрос на данный товар снижается и наоборот. При резком росте цен на товар, спрос может выросте за счет ожидания потребителя на дальнейший рост цены.

Так же закон спроса не действует на категории товара, которая является вложением средств.

2.2 Количественные методы прогнозирования, характеристика

Прогнозирование включает в себя несколько методов, которые можно разделить на группы:

Качественный метод.

Количественные метод.

Качественный метод основан на суждение экспертов и лиц, принимающих решения, а иногда и на интуиции. Такие методы используются для долго- и среднесрочного прогнозирования, но нужно учитывать и недостатки таких методов. К одним из основных недостатков относится субъективность прогноза, есть большая вероятность системного отклонения от фактора в ту или иную сторону, не полнота документирования и непрактичность для составления прогноза на сотен или тысячи номенклатурных позиций продукции.

Количественные методы прогнозирования основаны на математических анализов и расчетов. Данный метод можно использовать, когда есть основания считать, что деятельность в прошлом имела определенную тенденцию, которую можно продолжить в будущем, и когда имеющейся информации достаточно для выявления статистически достоверных тенденций или зависимостей.

И из этого формируются две основные подгруппы:

- Анализ временных рядов (Проецирование тренда). Это статистический материал собранный в разные моменты времени. Он основан на возможности, согласно которой тенденция прошлого дает приблизительную оценку на тенденцию в будущем. Данный метод используется для оценки спроса на товары и услуги, для оценки потребности в запасах, прогнозирования структуры сбыта или потребности в кадрах. Анализ временных рядов будет бесполезен в ситуациях с высоким уровнем подвижности или когда произошло значительное, и включает в себя весомые изменения.

Характеристики методов прогнозирования, основанных на анализе временных рядов представлены в табл.

Таблица 1

- Каузальное (причинно-следственное) моделирование - этот метод построен на математических моделей в ситуациях де дольше одной переменной. Каузальное моделирование - это попытка спрогнозировать то, что произойдет в подобных ситуациях, путем исследования статистической зависимости между рассматриваемым фактором и другими переменными. На языке статистики эта зависимость называется корреляцией. Чем теснее корреляция, тем выше пригодность модели для прогнозирования.

Из каузальных методов есть отдельная модель разработанная специально для прогнозирования динамики экономики, это эконометрические модели, на данном этапе жизни она считается самой сложной моделью. К таковым относится Уортоновская модель Центра прогнозирования Пенсильванского университета. Подобные модели включают в себя тысячи уравнений, решаемых только с применением мощных компьютеров. Стоимость таких моделей настолько высока, и даже крупные предприятия предпочитают использовать результаты исследований с применением эконометрической модели, а не разрабатывать свои собственные модели, это дешевле. Несмотря на сложность и компьютеризированный просчет, в каузальном методе допускается погрешности и результат не всегда бывает верным. Об этом с очевидностью свидетельствует неспособность федерального правительства точно предсказать последствие своих решений и действий на экономику.

1. Методы науки управления способствуют повышению качества принимаемых решений и действий за счет научного подхода, системой ориентации в среде и моделей.

2. Модель является представлением о том, как будет работать система, идеи или объекты внедренные в определенную среду или ситуацию.

Руководителю часто приходится использовать модели из-за сложности организаций, невозможности проводить эксперименты в реальном мире, необходимости заглядывать в будущее.

Основные типы моделей науки управления: физические, аналоговые и математические, или символические.

3. Измерение ошибки прогноза

Для эффективного просчета прогноза нужно не прерывно сравнивать показатели фактической продаж и спрогнозированных данных.Ошибка прогноза (Forecast Error) - это абсолютная разница между фактическим и прогнозируемым спросом. Для измерения отклонений может использоваться стандартное отклонение (SD, сигма) или среднее абсолютное отклонение (MAD).Стандартное отклонение - это широко известная статистам мера измерения разброса и вариабельности(изменчивости). Но практики прогнозирования спроса предпочитают среднее абсолютное отклонение из-за легкости его расчета: MAD рассчитывается как сумма абсолютных отклонений, разделенная на количество измерений (периодов). Так же встречаются и случайные отклонения (random variation). Это такие отклонения, при которых сумма прогнозов за период равна или почти равна сумме фактических продаж.