РАЗРАБОТКА ПРОГРАММЫ ДЛЯ ПРОГНОЗИРОВАНИЯ ЕМКОСТИ РЫНКА ТОВАРОВ И УСЛУГ
Журнал: Научный журнал «Студенческий форум» выпуск №36(215)
Рубрика: Физико-математические науки
Научный журнал «Студенческий форум» выпуск №36(215)
РАЗРАБОТКА ПРОГРАММЫ ДЛЯ ПРОГНОЗИРОВАНИЯ ЕМКОСТИ РЫНКА ТОВАРОВ И УСЛУГ
Объектом исследования является емкость рынка закупаемых государством товаров (услуг). Используя информационные технологий создана модель, которая прогнозирует емкость рынка товаров и услуг, реализованная в виде программы. В данной программе используются открытые данные о государственных закупках, на основе которых составляется прогноз объемов закупок.
Объем закупок, равно как и цена на них, представляют собой последовательность данных для построения прогноза которой используется анализ имеющихся временных рядов.
Образец таблицы с данными приведен в Таблице 1. При этом используются данные только по определенному наименованию товара (услуги).
Таблица 1.
Пример таблицы с данными
Субъект Российской Федерации Заказчика |
Дата заключения контракта |
Цена контракта |
Цена за единицу, рублей |
Количество поставленных товаров, оказанных услуг |
Субъект Российской Федерации Поставщика (Исполнителя) |
Дата исполнения контракта |
Свердловская область |
14.01.2020 |
6 903,45 |
60.03 |
115 |
Свердловская область |
01.09.2020 |
Москва |
23.02.2020 |
2 493,20 |
62,33 |
40 |
Москва |
31.12.2020 |
Санкт-Петербург |
08.03.2020 |
8 436,96 |
75,33 |
112 |
Санкт-Петербург |
04.11.2020 |
При написании программы моделирования необходимо учитывать общие логические правила, определяющие поведение системы. В общем виде при исследовании временного ряда выделяются несколько составляющих (аддитивная модель):
= T + S +C + E,
где (t = 1, 2,…, n),
или мультипликативная модель:
= T * S *·C * E,
здесь T – тренд, плавно меняющаяся компонента, описывающая чистое влияние долговременных факторов, т. е. длительную («вековую») тенденцию изменения признака (например, рост цен, увеличение / уменьшение количества закупаемых товаров, объемы бюджетов различных регионов и т. п.);
Согласно Рисунку 1 можно видеть, как отличаются объемы финансирования в различных субъектах Российской Федерации исходя из заключенных контрактов.
Рисунок 1. Распределение общей суммы размещенных контрактов в разрезе субъектов Российской Федерации
S – сезонная компонента, отражающая повторяемость экономических процессов в течение не очень длительного периода (года, иногда месяца, недели и т. д., например, начало и конец года, когда многие заказчики осуществляют основное количество закупок). На рисунке 2 изображен примерный график заключения государственных контрактов в течение одного календарного года;
Рисунок 2. График заключения государственных контрактов
C – циклическая компонента, отражающая повторяемость экономических процессов в течение длительных периодов (например, влияние волн экономической активности Кондратьева, демографических «ям», циклов солнечной активности и т. п.);
E – случайная компонента, отражающая влияние не поддающихся учету и регистрации случайных факторов.
Следует обратить внимание на то, что в отличие от E, первые три составляющие (компоненты) T, S, C являются закономерными, неслучайными. Важнейшей классической задачей при исследовании временных рядов является выявление и статистическая оценка основной тенденции изменений объемов и цен закупаемых товаров.
К основным этапам анализа временных рядов можно отнести:
• графическое представление и описание поведения временного ряда;
• выделение и удаление закономерных (неслучайных) составляющих временного ряда (тренда, сезонных и циклических составляющих);
• сглаживание и фильтрация (удаление низко- или высокочастотных составляющих временного ряда);
• исследование случайной составляющей временного ряда, построение и проверка корректности выбранной математической модели;
• прогнозирование развития изучаемого процесса на основе имеющегося временного ряда;
• исследование взаимосвязи между различными временными рядами.
Среди наиболее распространенных методов анализа временных рядов можно выделить корреляционный и спектральный анализ, модели авторегрессии и скользящей средней.
Если выборка , ,, ..., , …, , рассматривается как одна из реализаций случайной величины X, временной ряд , ,, ..., , …, , рассматривается как одна из реализаций (траекторий) случайного процесса X(t). Вместе с тем следует иметь в виду принципиальные отличия временного ряда , (t = 1, 2, ..., n) от последовательности наблюдений , ,, ..., , …, , образующих случайную выборку. Во-первых, в отличие от элементов случайной выборки члены временного ряда, как правило, не являются статистически независимыми. Во-вторых, члены временного ряда не являются одинаково распределенными.
На сегодняшний день методы анализа и прогнозирования временных рядов далеки от совершенства — они все еще основаны на традиционных статистических принципах и простых алгоритмах машинного обучения, таких как ансамбли деревьев и линейная аппроксимация. Но при этом позволяют с определенной точностью построить прогнозную модель и использовать ее в программном продукте.
В данной статье были рассмотрены основные модели исследования временных рядов, основные этапы их анализа, которые используются в процессе создания программного обеспечения, которое позволяет пользователю достоверно составить финансовый план, рассчитать расходы на закупку сырья, его хранение, возможные объемы производства в зависимости от сезона, грамотно распределить имеющиеся ресурсы, снизить издержки и увеличить прибыль предприятия.