Прогнозирование объема реализации зерновых культур для ООО «Гигант» Текст научной статьи по специальности «Экономика и бизнес»

№ 3 / 2015

УДК 336

ISSN 2410-6070

А. Р. Шигабутдинова

студент 5 курса экономического отделения Набережночелнинский институт (филиал) КФУ Научный руководитель: А. Г. Исавнин д.ф.-м.н., профессор кафедры «Математические методы в экономике» Набережночелнинский институт (филиал) КФУ г. Набережные Челны, Российская Федерация

ПРОГНОЗИРОВАНИЕ ОБЪЕМА РЕАЛИЗАЦИИ ЗЕРНОВЫХ КУЛЬТУР ДЛЯ ООО «ГИГАНТ»

Зерновая отрасль является одной из крупнейших отраслей агропромышленного комплекса России, ее ресурсный потенциал имеет важное значение для национальной экономики и обеспечения продовольственной безопасности страны. Эффективная работа предприятий отрасли во многом определяет социальную стабильность в стране. Поэтому, главной задачей практически каждого сельскохозяйственного предприятия в современных условиях становится устойчивое функционирование на рынке зерна.

Объем производства сельскохозяйственной продукции, в том числе зерна, является одним из основных показателей, характеризующих деятельность сельскохозяйственных предприятий. От его величины зависят объем реализации продукции, уровень ее себестоимости, сумма прибыли, уровень рентабельности, финансовое положение предприятия, его платежеспособность и другие экономические показатели.

В сложной, противоречивой экономической ситуации необходимо выявление намечающихся тенденций, определяющих будущее народного хозяйства, а также составление прогноза на перспективу, который является неотъемлемой составной частью планирования в экономике с целью обеспечения устойчивости объемов производства продукции и эффективности производства в целом. [1]

В данной работе был составлен прогноз доходов от реализации продукции предприятия ООО «Гигант». Значения прогнозируемых показателей взяты за 24 квартала (с января 2009 года до декабря 2014 года). [2]

График объема реализации зерновых культур

VO

a. а А А А Л А

л

s s

Объем реализации,

лЗ

CL

A <0 О 1 3 5 7 9 11 13 15 17 19 21 23 Квартал

Рисунок 1 - График объема реализации зерновых культур за 24 квартала

Методом Ирвина был проведен анализ наличия аномальных уровней ряда. Значение критерия Ирвина для уровней значимости а=0,05, т.е. с 5% ошибкой будет равен ^=1,3. Расчетные значения сравниваются со значением 1а=1,3 и если ^t>^a, то соответствующее значение 1* считается аномальным. После выявления аномальных уровней ряда обязательно определяется причина возникновения. В результате выявлено несколько аномальных уровней, причинами которых являются ошибки первого рода, такие ошибки удалось устранить простой средней арифметической двух соседних уровней.

С помощью метода «пиков» и «ям» и метода поворотных точек было проверено наличие сезонных колебаний. Метод «пиков и ям» выявил, что ррасч и ртеор близки (ррасч=11, ртеор=14), а значит колебания ряда случайные. Методом «поворотных точек» было доказано наличие сезонной компоненты.

Моделирование сезонных колебаний было проведено простейшим методом расчета сезонной компоненты. Для этого было проведено выравнивание («жесткое сглаживание») динамического ряда. Динамический ряд сгладили методом взвешенной скользящей средней при m=5, m=7 и степени полинома 1=2,3, 1=4,5. Лучшие результаты показал метод взвешенной скользящей средней при четвертой и пятой степени полинома и m=7.

- 64 -

_________________________международный научный журнал «инновационная наука»

Далее была рассчитана сезонная компонена для аддитивной и мультипликативной модели. Построены графики исходного ряда и ряда без сезонной компоненты, а также графики сезонной компоненты.

Рисунок 2 - График исходного ряда данных и ряда без сезонной компоненты аддитивной модели

Рисунок 3 - График сезонной компоненты аддитивной модел

Рисунок 4 - График исходного ряда данных и ряда без сезонной компоненты мультипликативной модели

Рисунок 5 - График сезонной компоненты мультипликативной модели

- 65 -

№ 3 / 2015____________________________ISSN 2410-6070___________________________________________

В дальнейшем были применены метод разности средних и метод Фостера-Стьюарта для проверки наличия тенденции развития для ряда без сезонных компонент. Оба метода не дают ответа о наличии тренда.

Далее было проведено мягкое сглаживание ряда без сезонной компоненты. Лучшие результаты показывает метод взвешенной скользящей средней при m=5. Для сглаженных динамических рядах выбираем аппроксимирующую функцию уравнения тренда. Проводим спецификацию аппроксимирующей функции и выбираем из нескольких альтернатив наиболее адекватную для заданного динамического ряда.

Следующим этапом исследования динамического ряда является построение аддитивной и мультипликативной моделей с прогнозными значениями и доверительными интервалами. Проводится экстраполяция тренда: определяется точечная прогнозная оценка на 1/3 вперед от исследуемого временного ряда. [3]

Аддитивная модель с прогнозами не включая сезонную компоненту

J 12000 £ 10000 " 8000 §> 6000 О 4000 =1 X 2000 о 4 0

а А А А Л

.А.А.А.А.А /\ —иехряя

yWY/Y/y/V ' —V.

Yt+5ai

верхняя

нижняя

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 Квартал

Рисунок 6 - График аддитивной модели с прогнозными значениями, не включая сезонную компоненту

Рисунок 7 - График аддитивной модели с прогнозными значениями, включая сезонную компоненту

Рисунок 8 - График мультипликативной модели с прогнозными значениями, не включая сезонную

компоненту

- 66 -

Рисунок 9 - График мультипликативной модели с прогнозными значениями, включая сезонную

компоненту

Согласно прогнозу, доход от реализации продукции на предприятии ООО «Гигант» увеличивался с января 2015 по декабрь 2016 года, что подтверждается фактическими показателями дохода от реализации продукции за аналогичный период. Полученный результат показывает высокую эффективность применения статистических методов и подтверждает целесообразность использования данной методики для определения более точных прогнозных показателей будущих периодов.

Список использованных источников:

1. Кремер Н. Ш., Путко Б. А. Эконометрика: Учебник для вузов / под ред. проф. Н. Ш. Кремера. М.: ЮНИТИ-ДАНА, 2005. 311с.

2. Интернет-ресурс: КВЕРИКОМ. Профессиональная система бизнес-аналитики.

http://querycom.ru/company/1767132 (Дата обращения: 14.02.2014).

3. Афанасьев В.Н., Юзбашев М.М. «Анализ временных рядов и прогнозирование»: Учебник -М.: Финансы и статистика, 2001г.

©А. Р. Шигабутдинова, А. Г. Исавнин 2015

УДК 338

Э.Р.Ягудина

студентка 5 курса экономического отделения Набережночелнинский институт (филиал) КФУ г. Набережные Челны, Российская Федерация Научный руководитель: А.Г.Исавнин профессор кафедры ММЭ Набережночелнинский институт (филиал) КФУ г. Набережные Челны, Российская Федерация

ПРОГНОЗИРОВАНИЕ ОБЪЕМА ПРОДАЖ ОСНОВНОЙ ПРОДУКЦИИ ПРЕДПРИЯТИЯ

ОАО «ТАТСПИРТПРОМ»

Прогнозирование - это своего рода умение предвидеть, анализ ситуации и ожидаемого хода её изменения в будущем. Так как каждое решение - это проекция в будущее, а будущее - содержит элемент неопределенности, то важно правильно определить степень рисков, с которыми сопряжена реализация принятых решений.

В данной работе был рассмотрен механизм прогнозирования на примере показателей объема продаж основной продукции на предприятии ОАО «Татспиртпром». Временной ряд построен на основе динамики данных с 2010 г. по 2014(включительно) г.[2].

- 67 -