Экономические науки

 

Михайлова С.А.

 

Курский государственный технический университет

 

Учет сезонной компоненты при прогнозировании объема продаж мясоперерабатывающего предприятия

 

Основная цель изучения конъюнктуры товарного рынка — установить, в какой мере деятельность предприятий влияет на состояние рынка, на его развитие в ближайшем будущем и какие меры следует принять, чтобы полнее удовлетворить спрос населения, более рационально использовать имеющиеся у предприятия возможности. Постоянное изучение и прогнозирование конъюнктуры - необходимое условие успешной деятельности предприятия на рынке. При этом полное представление о перспективах развития рынка позволяет определить дальнейшую линию развития отрасли, оценить необходимость радикальных преобразований в производстве и сбыте товаров.

Конъюнктуру рынка определяют, в первую очередь, его участники. Основа системы планирования в условиях рынка – составление прогнозов сбыта участников рынка. Объект исследования (предприятие ЗАО “Суджанский мясокомбинат”) выбран методом кластер-анализа, а именно из совокупности мясоперерабатывающих предприятий (десяти) с применением показателей, характеризующих уровень производственных возможностей, при использовании пакета Statistica 6.0 образованы три кластера предприятий. Нами выбран второй кластер (он характеризуется средними значениями показателей), а предприятие ЗАО “Суджанский мясокомбинат” является наиболее представительным во втором кластере.

Главный планируемый показатель на предприятии – объём продаж (реализации) выпускаемой продукции. В качестве исходной для прогнозирования была использована информация об объемах сбыта мяса и мясопродуктов предприятия за два года (2003-2004 гг.). Данная статистика характеризуется тем, что значения объема продаж имеют выраженный сезонный характер с возрастающим трендом.

Для динамического развития рынка характерно явление цикличности, т.е. повторяемости тенденций и интенсивности развития. Это явление обусловлено как внешними факторами, так и глубинными внутренними свойствами рынка. Различаются внутригодовая, сезонная цикличность, или сезонность, и экономическая цикличность, охватывающая несколько лет и отражающая закономерности действия рыночного механизма. Сезонные колебания рынка обусловлены сезонностью сельскохозяйственного производства, сезонно-климатическими изменениями потребностей, вакационными сезонами и т.п. Сезонность на рынке — внутригодовые и постоянно повторяющиеся колебания спроса и предложения.

Сезонные изменения объёма продаж мяса и мясопродуктов предприятия объясняются тем, что оно в основном работает по получению производственных заказов и заключению договоров на поставку продукции потенциальным покупателям (пик заказов продукции приходится на праздники); спад производства проявляется осенью в связи с увеличением мясных продуктов в сельской местности; а также спад выпуска продукции происходит за счёт неритмичной работы предприятия, так как бывают сбои в поступлении скота. Сезонный характер сбыта мясопродуктов на предприятии создаёт ряд организационно-технических и экономических проблем: образования незначительных товарных запасов, неравномерности нагрузки на работников торговли и торговое оборудование, простои транспортных средств и т.д.

Исходная для прогноза информация представлена в таблице 1.

Таблица 1

Фактические объёмы реализации продукции

№

месяц

объём продаж (тыс.руб.)

№

месяц

объём продаж (тыс.руб.)

1

апрель

4500

1

апрель

4355

2

май

4735

2

май

5720

3

июнь

3026

3

июнь

2640

4

июль

3258

4

июль

2150

5

август

2507

5

август

2300

6

сентябрь

1199

6

сентябрь

1498

7

октябрь

1049

7

октябрь

2670

8

ноябрь

2753

8

ноябрь

2049

9

декабрь

3105

9

декабрь

4238

10

январь

4232

10

январь

5100

11

февраль

4103

11

февраль

4852

12

март

4400

12

март

5600

 

Необходимо использовать тригонометрическую функцию с учётом сезонности, что позволяет сократить ошибку прогнозной модели:

.                      (1)

На рисунке 1 показано, что тригонометрическая функция относительно адекватно описывает фактические данные (S=405,2; R2=0,87). Применение других типов тренда (логарифмический, степенной, экспоненциальный, скользящее среднее, полиномиальный) не дает такого эффективного результата. Они неудовлетворительно аппроксимируют фактические значения, коэффициенты их детерминации малы.

 

Рис. 1. Динамика объёма производства и аппроксимирующая

функция

 

Далее определяются величины сезонной компоненты (табл. 2).

Таблица 2

Расчёт значений сезонной компоненты (тыс. руб.)

месяцы

объём продаж

значение тренда (T)

сезонная компонента (S)

1

4500

4786.012096

-286.0120964

2

4735

693.7837967

4041.216203

3

3026

3288.682727

-262.6827271

4

3258

2486.70783

771.2921696

5

2507

1938.955764

568.0442362

6

1199

1792.050888

-593.0508883

7

1049

2085.317261

-1036.317261

8

2753

2740.252221

12.74777936

9

3105

3581.540282

-476.5402822

10

4232

4383.982251

-151.9822506

11

4103

4932.777402

-829.7774015

12

4400

5081.022157

-681.0221574

13

4355

4789.033797

-434.033797

14

5720

4134.972877

1585.027123

15

2640

3293.920918

-653.9209184

16

2150

2491.013914

-341.0139138

17

2300

1941.17707

358.8229295

18

1498

1791.59281

-293.5928103

19

2670

2082.302418

587.6975819

20

2049

2735.487638

-686.4876381

21

4238

3576.301361

661.6986387

22

5100

4379.671366

720.3286344

23

4852

4930.548507

-78.54850658

24

5600

5081.471892

518.5281084

 

Значения сезонной компоненты корректируются таким образом, чтобы их сумма была равна нулю. Затем рассчитываются ошибки модели как разности между фактическими значе­ниями и значениями модели.

Таким образом, получаем среднеквадратическую ошибку модели Е=0,0397076, или 3,97%. Величина полученной ошибки позволяет говорить, что построенная модель хорошо аппроксимирует фактические данные, т.е. она вполне отражает экономические тенденции, определяющие объём продаж, и является предпосылкой для построения прогнозов высокого качества.

Построенная модель прогнозирования представлена графически на рисунке 2.

Рис. 2. Модель прогноза объёма продаж

 

Получаем прогноз на апрель и май третьего сезона, т.е. при t=25,26:

Y25=3436,421+1644,135cos(/6*25)-149,048sin(/6*25)-342,6896±

±0,0397=4449,383 тыс. руб.

Y26=3436,421+1644,135cos(/6*226)- 149,048 sin(/6*26)+

+1112.244±0,0397=5251,978 тыс. руб.

На основе модели получены прогнозные значения объема продаж. Но из-за влияния прошлых тенденций на достоверность прогнозной модели предлагается сочетать трендовый анализ с экспоненциальным сглаживанием. Это позволит нивелировать недостаток адаптивных моделей, т.е. учесть наметившиеся новые экономические тенденции.

Окончательные прогнозные данные Fпр.25=5119.790 тыс. руб. и Fпр.26=4613.459 тыс. руб. получены на основе использования метода экспоненциального сглаживания, рассчитанные с помощью пакета Statistica 6.0 на основе модели линейного тренда (метод Холта с двумя параметрами).