Прогнозирование объемов продаж автомобилей (на примере фирмы «Башавтоком»)
Цель: улучшение качества прогнозирования объемов продаж автомобилей с использованием современных аналитических технологий
Математическая постановка задачи прогнозирования
Классификация методов прогнозирования
Анализ программных средств для прогнозирования
Алгоритм построения прогноза (статистические методы)
Алгоритм построения прогноза (статистические методы)
Алгоритм построения прогноза (статистические методы)
Результаты прогнозирования объемов продаж автомобилей (статистический метод (линейный тренд))
Результаты прогнозирования объемов продаж автомобилей (статистический метод (логарифмический тренд))
Алгоритм прогнозирования на основе нейронных сетей
Результаты прогнозирования объемов продаж автомобилей с использованием нейронные сети
Сопоставления результатов прогнозирования продаж автомобилей марки «Ниссан»
Сопоставления результатов прогнозирования продаж автомобилей марки «Ситроен»
Сопоставления результатов прогнозирования продаж автомобилей марки «Рено»
Выводы
1.76M
Category: economicseconomics

Прогнозирование объемов продаж автомобилей (на примере фирмы «Башавтоком»)

1. Прогнозирование объемов продаж автомобилей (на примере фирмы «Башавтоком»)

Министерство образования и науки Российской Федерации
Федеральное государственное бюджетное образовательное учреждение
Высшего профессионального образования
Уфимский государственный авиационный технический университет
Кафедра Вычислительной математики и кибернетики
Прогнозирование объемов продаж
автомобилей
(на примере фирмы «Башавтоком»)
Выполнил: студент группы
Руководитель: Сметанина Ольга Николаевна
Уфа - 2013

2. Цель: улучшение качества прогнозирования объемов продаж автомобилей с использованием современных аналитических технологий

Задачи:
Анализ деятельности торговой организации.
Анализ методов прогнозирования и отбор
методов для решения задачи:
методы прогнозирования на основе нейронных сетей;
статистические методы прогнозирования на основе
построения трендовых моделей.
Анализ
программных
средств
для
прогнозирования.
Определение прогнозного значения объема
продаж автомобилей на реальных данных
организации и принятие решения об
используемом
методе
по
критерию
минимальной ошибки при прогнозировании.
2

3. Математическая постановка задачи прогнозирования

Дано: временной ряд объемов продаж автомобилей с 2009
по 2012 годы: Y1, Y2, Y3, …., Yn
Yt = F (t) + Et , где F (t) – детерминированная функция
времени; Et – ошибка прогноза.
Е= Σ О2 : Σ (T+S)2 – среднеквадратичное отклонение.
Найти: функцию F(t), прогнозное значение F(t+1)
3

4. Классификация методов прогнозирования

Методы прогнозирования, основанные на сглаживании,
экспоненциальном сглаживании и скользящем среднем.
-Средние и скользящие средние
-Методы Хольта и Брауна
-Метод Винтерса
-Регрессионные методы прогнозирования
Методы Бокса-Дженкинса (ARIMA)
-AR(p) -авторегрессионая модель порядка p.
-MA(q) -модель со скользящим средним порядка q
Нейросетевые модели бизнес-прогнозирования
-Использование многослойных персептронов
-Использование нейронных сетей с общей регрессией
GRNN и GRNN-GA
4

5. Анализ программных средств для прогнозирования

Простота
освоения
Удобный
интерфейс
Гибкость ПП
Популярность
Наличие
лицензии
MC Excel
+
+
-
+
Нет
Deductor
+
+
+
+
Да
Statistica
+
+
-
+
Да
Sas
-
+
+
-
Да
5

6. Алгоритм построения прогноза (статистические методы)

1.Определение тренда, наилучшим образом аппроксимирующего фактические
данные.
2. Определение величины сезонной компоненты
6

7. Алгоритм построения прогноза (статистические методы)

3.Рассчитываются ошибки модели как разности между
фактическими значениями и значениями модели.
7

8. Алгоритм построения прогноза (статистические методы)

4. Построение модели прогнозирования:
F=T+S±E
где:
F– прогнозируемое значение;
Т– тренд;
S – сезонная компонента;
Е - ошибка модели.
8

9. Результаты прогнозирования объемов продаж автомобилей (статистический метод (линейный тренд))

Ниссан
Рено
Ситроен
9

10. Результаты прогнозирования объемов продаж автомобилей (статистический метод (логарифмический тренд))

Ниссан
Рено
Ситроен
10

11. Алгоритм прогнозирования на основе нейронных сетей

1) Импорт данных из текстового файла;
11

12.

Алгоритм прогнозирования
на основе нейронных сетей
2) Обработка данных, построение диаграммы;
12

13.

Алгоритм прогнозирования
на основе нейронных сетей
3)Выполнение функции «Скользящее окно»;
4) Построение нейросети;
5) Анализ диаграммы рассеивания и доверительного
интервала;
6) Построение прогноза;
7) Анализ полученных данных, вывод.
13

14. Результаты прогнозирования объемов продаж автомобилей с использованием нейронные сети

Рено
Ситроен
Ниссан
14

15. Сопоставления результатов прогнозирования продаж автомобилей марки «Ниссан»

Дата
Факт
Ошибка Н.С
Ошибка
Лин.м
сен.12
165
3.6%
12%
11%
окт.12
235
22%
0%
1.7%
ноя.12
240
7.9%
2%
5%
дек.12
258
1.9%
8.9%
6%
Ошибка Лог.м
15

16. Сопоставления результатов прогнозирования продаж автомобилей марки «Ситроен»

Дата
Факт
сен.12
82
окт.12
88
ноя.12
91
дек.12
101
Ошибка Н.С Ошибка Лин.м Ошибка Лог.м
11%
21%
7%
5%
0%
23%
1%
4%
24%
10%
7%
37%
16

17. Сопоставления результатов прогнозирования продаж автомобилей марки «Рено»

Дата
Факт
Ошибка Н.С
Ошибка
Лин.м
Ошибка
Лог.м
сен.12
185
9%
4%
45%
окт.12
215
5%
9%
7%
ноя.12
230
8%
0.8%
6%
дек.12
272
19%
1%
21%
17

18. Выводы

o
o
o
o
В ходе проделанной работы был произведен
анализ деятельности предприятия.
Рассмотрены методы построения прогноза,
основанные
на
трендовых
моделях
и
нейронной
сети,
на
реальных
данных,
представленных
компанией
«Башавтоком»
(модели автомобилей Рено, Ниссан, Ситроен).
Проведен анализ возможностей программных
средств для построения прогноза, в частности
пакетов:MS Excel и Deductor.
Произведена оценка значимости каждого из
рассмотренных
методов
на
примере
используемых временных рядов.
18
English     Русский Rules