Анализ временных рядов

Многие фирмы в своих прогнозах исходят из прошлых показателей продаж - метод, который наш циничный Ральф Харрис назвал "живо сопоставимым с управлением кораблем по следу, остающемуся от него на волнах". Предполагается, что статистический анализ позволяет вы­явить причины прошлых продаж. Затем чтобы предсказать объемы бу­дущих продаж, аналитики могут воспользоваться причинно-следствен­ной связью.

Анализ временных рядов состоит из деления продаж на четыре составляющие: тенденция, цикличность, сезонность и непостоянные фак­торы (рис. 9.2). Затем выполняется рекомбинация этих составляющих с целью формирования прогноза продаж:

1. Тенденция - это долгосрочный основополагающий фактор роста/ падения объема продаж в результате базовых изменений численно­сти населения, формирования капитала и технологий. Тенденцию определяют, соединяя показатели продаж за прошлые периоды пря­мой или кривой.

2. Цикличность - это среднесрочные волнообразные колебания про­даж в результате общих изменений в экономической и конкурент­ной деятельности. Цикличность может использоваться для прогно­зирования в рамках средних по длительности периодов. Цикличес­кие колебания тем не менее трудно поддаются прогнозированию, поскольку они не происходят на регулярной основе.

' Рис. 9.2. Анализ временных рядов

3. Сезонность обусловлена последовательным изменением объема про­даж на протяжении года. Термин "сезонность" может относиться к любым повторяющимся ежечасно, еженедельно, ежемесячно или ежеквартально колебаниям объемов продаж. Компонент сезоннос­ти может быть связан с погодными факторами, праздниками и тор­говыми обычаями. Принцип сезонности определяет стандарт про­гнозирования объемов продаж в рамках кратких по длительности периодов.

4. К непостоянным факторам относятся веяния моды, забастовки, восстания, пожары и прочие нарушения обычного порядка. Эти компоненты по определению являются непредсказуемыми и долж­ны быть исключены из данных о прежних объемах продаж, чтобы выявить колебания объемов продаж в нормальных условиях. Одна британская компания розничной торговли обнаружила, что луч­шим признаком для предсказания дневного объема продаж была глубина снежного покрова! Реальный, но совершенно бесполезный результат!

Согласно этому методу, объем продаж V_t, за период t рассчитывают путем перемножения всех составляющих: объема продаж продукта за про­шлый период V_t-1, тенденции Т_t цикличности C_t и сезонности S_t.

V_t =V_t-1 х Т_t х С_t х S_t.

Продав в этом году 12 000 страховых полисов (V_t-1= 12 000), компания, специализирующаяся на страховании жизни, хотела бы предсказать объем продаж на декабрь следующего года. Согласно долгосрочной тенденции, темп ежегодного роста составляет 5 процентов (T_t = 1,05). Таким обра­зом объем продаж в следующем году составит £12 000 х 1,05 = £12 600. Тем не менее в следующем году ожидается спад деловой активности, в результате которого суммарный объем продаж, вероятно, составит не более 90 процентов от ожидаемого объема продаж, определенного со­гласно существующей тенденции (C_t = 0,90). Следовательно, объем про­даж в следующем году скорее всего составит £12 000 х 1,05 х 0,90 = £11 340. Если бы объем продаж был одинаковым в каждом месяце, то соста­вил бы £11 340/12 = £945. Но в декабре обычно объем продаж страхо­вых полисов превышает среднемесячный, т.е. индекс сезонности S_l2 ра­вен 1,30. Следовательно, объем продаж в декабре может достичь £945 х 1,30 = £1 228.

Основную проблему в анализе временных рядов представляет оценка составляющих сезонности, цикличности и тенденции. Простой подход к решению данной проблемы - это вычисление средних показателей за несколько лет, хотя он и не позволяет придать дополнительный вес пос­ледним событиям, и остается нерешенным вопрос о том, по какому имен­но количеству периодов следует вычислять средний показатель. Метод скользящего среднего с экспоненциальным взвешиванием позволяет пре­одолеть эту проблему путем включения всех статистических данных за прошлые периоды с присвоением более высокого весового коэффициента только последним данным. Это позволяет избежать проблемы, связанной с отбрасыванием данных, зато возникает новый вопрос - определение скорости экспоненциального затухания при определении показателей за прошлые периоды. Было разработано множество методов автоматичес­кой корректировки весовых коэффициентов, но всем им свойствен тот же недостаток, что и любому виду анализа временных рядов: они основа­ны на предпосылке о повторении принципов колебаний, существовавших в прошлые периоды.

Не нашли, что искали? Воспользуйтесь поиском: