Предложения по совершенствованию методов принятия решений в ООО «Royal» (на примере статистического анализа временных рядов)

Прогнозы на основе статистического анализа данных являются наиболее приемлемыми при условии, что между прошлым и будущим имеется тесная причинно-следственная связь. При этом прогноз следует корректировать всякий раз, когда заранее становятся известными те или иные обстоятельства, влияющие на прогнозируемую величину, которые будут иметь место в будущем. При прогнозировании спроса это:

появление новых рынков сбыта;

появление новых конкурентов;

проведение рекламных компаний;

появление новых научно-технических решений и т.п

Для их выявления:

строится график зависимости прогнозируемого параметра от времени по фактическим данным за отчетный период;

выбирается прогностическая функция и даются оценки на будущий период;

рассчитывается погрешность этих оценок;

принимается решение о принятии этой или о переходе к другой прогностической функции.

Обычно прогностическая функция подбирается методом наименьших квадратов: требуется построить график функции по некоторой ограниченной совокупности точек так, чтобы среднеквадратичное отклонение стремилось к минимуму:

s = ,

где d – фактическое значение в i-й промежуток времени;

di* – значение прогностической функции в i-й промежуток;

n – число промежутков;

f – число "степеней свободы".

В качестве прогностической может выступать любая функция: константа, линейная, экспонента, парабола, синусоида и др.

Этот метод достаточно сложен для расчетов, но дает хорошие результаты. Сегодня широко используются пакеты прикладных программ для выполнения соответствующих расчетов, например, Statgraf. В ряде случаев можно пользоваться соответствующим аппаратом из MS EXCEL.

Рассмотрим более простые методы, которые легко применять без помощи ПЭВМ, однако они не обеспечивают такой точности.

Прогнозирование методом простого среднего

Рассчитывается среднее за отчетный период и принимается в качестве прогностической оценки на будущее. Метод хорош, если преобладающим является случайный тип зависимости прогнозируемого параметра от времени.

Прогнозирование методом "скользящего" среднего

где m – последний из моментов времени, для которого есть фактические данные;

к – число моментов времени, учитываемых при прогнозе.

Метод простой, но недостаточно точный, так как предполагает, что в следующем периоде значение прогнозируемой функции будет средним за последние к интервалов.

Базу прогнозирования к здесь нужно минимизировать.

Прогнозирование методом "экспоненциального сглаживания"

Первая прогнозная оценка здесь находится по формуле:

,

где - коэффициент сглаживания; 0 < < 1.

Вторая и последующие оценки – по формуле:

.

Известен спрос на автомобильные зеркала за первые 8 месяцев года. Требуется дать прогноз относительно его реализации на 4 оставшихся месяца. По мнению экспертов фактические данные за 8-й ¸ 12-й месяцы будут выглядеть следующим образом (табл. 3.6):

Таблица 3.6