Прогнозирование объемов продаж новых автомобилей в Украине Текст научной статьи по специальности «Экономика и бизнес»

Теорiя i практика економжи та управлшня промисловими пiдприeмствами

УДК 330.43:658.8.012.12

ПРОГНОЗУВАННЯ ОБСЯГ1В ПРОДАЖУ НОВИХ АВТОМОБ1Л1В В УКРАШ1

Е.О. Ковпак, к.е.н.

Харювський нацюнальний утверситет ím. В.Н. Каразта, Харюв, Украна

Ковпак Е.О. Прогнозування обсягiв продажу нових автомобтв в Украж.

Оцшено параметри криво! росту забезпеченост населення Украши автомобiлями. Запропоновано регресшш моделi для прогнозування щорiчних обсягiв продажу автомобiлiв в Украш в цшому, а також щомюячних обсягiв продажу на регiональних ринках (на прикладi м. Киева). Для моделювання сезонностi та структурних зрушень в динамiцi продажгв в регресшних моделях використано фiктивнi змiннi.

Ключовi слова: обсяг продажу, автомобiльний ринок, регресiя, фiктивнi змiннi

Ковпак Э.А. Прогнозирование объемов продаж новых автомобилей в Украине.

Оценены параметры кривой роста обеспеченности населения Украины автомобилями. Предложены регрессионные модели для прогнозирования ежегодных объемов продаж автомобилей в Украине в целом, а также ежемесячных объемов продаж на региональных рынках (на примере г. Киева). Для моделирования сезонности и структурных сдвигов в динамике продаж в регрессионных моделях использованы фиктивные переменные.

Ключевые слова: объем продаж, автомобильный рынок, регрессия, фиктивные переменные

Kovpak E.A. Forecasting sales of new cars in Ukraine.

The growth curve parameters for the coverage of vehicles in Ukraine have been estimated. The regression model to predict annual sales of cars in Ukraine and model to predict monthly volume of sales in the regional markets (on the example of Kiev) have been proposed. For modeling seasonality and structural changes in the sales dynamics the dummy variables have been used in the regression models.

Keywords: sales, car market, regression, dummy variables

Р1зке зменшення кутвельно1 спроможносп населення i тдприемств, пов'язане з девальвашею нацюнально1 валюти, високим рiвнем шфляцп i напруженою сошально-полггачною обстановкою в Украш, обумовлюють рiзку зм^ динамiки продажу бшьшосп товарiв тривалого користування. Наяв-шсть структурних зрушень в динамщ продаж1в дослiджуваного продукту ускладнюе використан-ня для цшей прогнозування класичних регресш-них моделей або класичних моделей часових рядiв. Задачi прогнозування обсягiв продажу товарiв за умов економiчноï рецесiï ще бiльш актуальнi для корпоративного менеджменту та iнвесторiв нiж в умовах стабшьного росту попиту на щ товари.

Анaлiз останшх дослiджень та публжацш

Теоретичнi засади прогнозування попиту та обсяпв продажу в маркетингу закладено Дж.С. Армстронгом, Р.Дж. Броуд^ Ж.Ж. Ламбе-ном, М. Месконом, М.Дж. Бейкер та iн. Перелж методiв та моделей прогнозування сошально-економiчних показник1в на даних час надзвичайно великий. Серед формалiзованих методiв прогнозування найпопулярнiшими е економетричш ме-тоди, засоби data mining (в тому чи^ прогнозування за допомогою нейронних мереж), адаптивш моделi часових рядiв, засоби iмiта-цiйного моделювання та прогнозування в рамках

експерименпв iз модельним представленням ринку.

Провести змiстовний аналiз змiн специфiкацiï та сили взаемозв'язку мiж соцiально-економiчни-ми змiнними дае саме економетричне моделювання. За словами М.Дж. Бейкера, економетричш методи особливо корисш тод^ коли очжуються суттевi змiни причинних змiнних для обсяпв продажу [1]. Безпосередньо многофакторш регресшш моделi прогнозування динамiки продаж1в на регiональних ринках розглянуто в роботах Брусневоï 1.М., Машковоï Я.Ю., Мiнко 1.С.

Метою статтi стали дослщження та моделювання динамiки продаж1в нових автомобiлiв в Украш та ïï регiонах за допомогою многофак-торних регресiй з включенням dummy-змiнних.

Виклад основного мaтерiaлу дослiдження

За даними 2013 р. [2] тшьки 191 автомобiль нараховувався в середньому на 1000 оаб в УкраМ (для порiвняння, аналопчний показник у Бiлорусi - 355, в Росп - 317, в Естонп - 524, у США - 801 автомобiль). Все ще низький (порiвняно з евро-

ЕКОНОМ1КА: реалП часу

№2(18), 2015

ECONOMICS: time realities

пейськими 400-600 автомобмми на 1000 oci6 [2]) pibeHb забезпеченосп населення автомобмми в Укра1т свiдчить про потенцiaл розвитку авто-мобiльного ринку в довгостроковiй перспектив^ однак через поточну економiчну ситуацш викликае велик! сумнiви можливiсть зростання продаж1в у короткостроковому перiодi.

Рiвень автомобшзацл населення можна пор!в-няти з рiвнем валового внутрiшнього продукту

(дaлi ВВП) на душу населення за паритетом кушвельно! спроможностi для бшьшосп кра1н свiту (див. рис. 1) - корелящя даних показнишв по 92 кранам свiту за нашими розрахунками дор!в-нюе 0.70. Винятки становлять кра!ни, в яких дiють зaконодaвчi квоти на володшня i користування aвтомобiлями (наприклад, Сшгапур, Гонгонг) або е нaцiонaльнi особливосп розвитку транспортно! мереж (як в Макао).

1200

2 1000

ю 'о

с о о

0

й

1

JS и d ic с

800

600

400

200

♦ ♦ ♦

♦ ч ♦♦

♦ ♦ ♦

♦♦ ♦

♦ ♦

♦ ♦

А»'

0 10000 20000 30000 40000 50000 60000 70000 80000 90000 100000 ВВП за ПКС на душу населення, дол. США

Рис. 1. Взаемозв'язок показника забезпеченосп автомоб!лями та ВВП за ПКС на душу населення

Все ще низький р!вень забезпеченосп автомо-б!лями, з одного боку, i поточш показники ВВП на душу населення, з шшого боку, обумовлюють величину попиту на автомобшьному ринку Украши.

Показник зaбезпеченостi населення автомо-бмми, вочевидь, мае певний граничний рiвень (обумовлений природними, еколопчними, законо-давчими або соцю-культурними обмеженнями й умовами) для кожно! кра!ни, тому його динaмiкa може бути адекватно описана за допомогою криво! Гомперца. В загальному випадку криву Гомперца можна подшити на 4 вщр!зки: початко-ва фаза з незначним зростанням показника; логaрифмiчнa фаза з штенсивним зростанням показника; фаза уповiльнення зростання; фаза

плато, коли зростання показника припиняеться, i вш майже не змiнюеться (тобто цей показник досяг меж1).

На пiдстaвi офщшних статистичних даних про наявшсть aвтомобiлiв в домогосподарствах Украши в перiод 2000-2014 рр. [3], а також !з допущенням щодо величини гранично! забезпе-ченосп 175 авто на 100 домогосподарств, були оцшеш параметри криво! Гомперца:

-0,013« ,1Ч

Pt = 175• е-5'2Л0 'e , (1)

де Pt - середнiй показник забезпеченосп домогосподарств автомобмми, од. на 100 домогосподарств у t-му рощ, t е [2000;2014].

Таблиця 1. Регресiйнa статистика по моделi (1) для р!вня дов!ри 95%

Емпiричне значения t-статистики для a=-0,013 Емтричне значення t-статистики для b=5,2*10u Емтричне значення F-статистики Коефщент детерминаил R2 Середня вдаосна похибка апроксимацп, %

-6,9 7,1 55,3 0,86 4,7

На пiдстaвi регресшно! статистики з табл. (1) можна зробити висновок про адекватшсть моделi (1) за критерiем Фiшерa, знaчущiсть вах

оцшок пaрaметрiв моделi за критерiем Стьдента та задовшьну точшсть апросимацп моделлю (1) вихщних даних. Поточна динамжа зростання

0

Teopia i nparrma eKOHOMÍKH Ta ynpaBJÍHHa npoMHcjjoBHMH nignpHeMCTBaMH

3a6e3neHeHOCTÍ aBToMo6ijaMH goMorocnogapcTB yKpaÏHH B 2000-2014 pp. BignoBigHo go kphboï pocTy (1) BÍgnoBÍgae nepmin - HanajbHiH $a3i 3 He3HanHHM 3pocraHHaM noKa3HHKa. ImeHcu^iKa^a pocTy 3a6e3neneHHocTÍ aBToMo6ijaMH rocnogapcTB Mo®jHBa jume 3a yMoB cyrreBoro 3pocraHHa gocrynHocTi ^oro ToBapy gja goMorocnogapcTB.

3a HaaBHocri Mogeji nporao3yBaHHa piBHa 3a6e3neHeHocri aBToMo6ijaMH Ta nporHo3oBaHoro o6cary BBn Ha gymy HacejeHHa Mo®Ha cnpo6yBaTH oцiннтн Man6yTHÍH ^opÍHHHH o6car npoga®y hobhx aBToMo6ijiB b KpaïHi. y 3B'a3Ky 3 npHB'a3Koro b 6iflbmocri BHnagKÍB цiнн Ha aBTOMo6im 3 KypcoM goj. CmA, BejHHHHy BBn Ha gymy HacejeHHa BpaxoBaHo b goj. CmA (gaHi 3 [4]). ^ja Mogejro-BaHHa 3aje®HocTÍ mí® o6caraMH npoga®y hobhx aBTiBoK b yKpaÍHi Ta BKa3aHHMH eKoHoMÍHHHMH 3míhhhmh 6yjo o6paHo perpeciro Í3 ^íkthbhhmh 3míhhhmh (TecT ^oy Ha Bu6ip^ 2000-2013 p. noKa-3aB HeogHopigHicTb gocjig®yBaHoï 3aje®Hocri Ha npoMi®Kax Hacy 2002-2008 p. Ta 2009-2014 p.):

Yt = a0 + «p¡t +«2P2t + «3Git + «4G2t, (2)

ge Yt - o6car npoga®y hobhx aBTOMo6imB b yKpaÏHi b y t-My poцi, t e [2002;2014] ;

Pit Ta P2t - $íkthbhí 3MÍHHÍ «noKa3HHK 3a6e3neneHocTi aBToMo6ijaMH Ha 100 goMorocno-gapcTB b t-My nepiogi», ^o 3agaroTbca BignoBÍgHo aK:

' 0, t = 2002,...2008 Pt, t = 2009,...,2014 (3)

P,, t = 2002,...2008

Pit =\ , P2t =

lt I 0, t = 2009,...,2014 2t

Git Ta G2t - $íkthbhí 3míhhí «noKa3HHK BBn Ha gymy HacejeHHa b gojapax CmA (no cepegHboMy Kypcy HBy 3a nepiog) y t-My po^», ^o 3agaroTbca BignoBigHo aK

G =

Gt, t = 2002.. 2008 0, t = 2009...2014'

G2t =

0, t = 2002..2008 Gt, t = 2009...2014'

(4)

ge Gt - BejHHHHa BBn Ha gymy HacejeHHa b gojapax CmA (no cepegHboMy Kypcy HBy 3a nepiog) b t-My po^ b yKpaÏHi.

MeTogoM HaHMeHmux KBagpaTÍB Ha ochobí BHxigHoï iH^opMa^ï, npegcTaBjeHoï b Ta6j. 2, orpu-MaHo oцiнкн napaMeTpiB Mogeji o6cariB npoga®y hobhx aBTo b yKpaÏHi:

Y, = 369098 - 27860 ■ P1t - 24601 ■ P2, + 206 ■ G1t + 99 ■ G2I, (5)

Ta6jH^ 2. BuxigHi Ta po3paxyHKoBi gaHi gja Mogeji perpeciï (5)

Pík 06car npoga®y, hobhx aBToMo6ijiB [5] 3a6e3neneHÍcTb aBToMo6ijflMH Ha 100 goMorocnogapcTB [3] BBn Ha gymy HacejeHHa, gojj. emA [4] 06caru npoga®y 3a Mogejjro (5), hobhx aBToMo6ijiB

t Y Pt P2, Git G2, Y

2002 108131 16 0 883,1 0 105217

2003 154769 16 0 1052,7 0 140151

2004 211940 16 0 1373,2 0 206158

2005 265475 16 0 1839,1 0 302114

2006 371199 17 0 2310,0 0 371239

2008 623252 20 0 3887,5 0 612558

2009 162291 0 19 0 2548,8 153877

2010 161413 0 21 0 2980,0 147342

2012 229926 0 22 0 3870,4 210846

2013 204928 0 22 0 4007,1 224372

2014 85556 0 23 0 3049,4 105006

Оцiнeнa Mogejb (5) 3 piBHeM goBipu 95% Mo®e 3Hany^i, cepegHa BigHocHa noxu6Ka anpoкcнмaцiï 6yTH BH3HaHa ageKBaTHoro, bcí oцiнкн napaMeTpiB cKjagae MeHm hí® 10% (gHB. Ta6j. 3).

Ta6jHua 3. PerpecÍHHa craTHcTHKa no Mogeji (5) gja piBHa goBipu 95%

EMnipHHHe 3HaneHHA t-cTaTHcTHKH gja EMnipHHHe 3HaneHHA F- cTaTHcTHKH Кoe$iцieнг geTepMHHauiï R2 CepegHa BigHocHa noxu6Ka anpoкcнмaцiï, %

a0 ai a2 a3 a4

2,6 -2,8 -3,0 12,0 4,4 108,4 0,99 7,7

3rigHo Í3 oTpuMaHHMH 3HaneHHaMH Koe^i^emÎB perpeciï (5), a6cojMTHe 3HaneHHa Koe^i^eHTa 6ija P2t MeHm hí® 6ija P1t, oT®e $aKTop piBHa 3a6e3ne-

HeHocri aBToMo6ijaMH nicji ^rnaHcoBoï Kpu3H 2008 p. craB MeHme BnjHBaTH Ha nonuT Ha aBToMo6iji. OgHonacHo 3 цнм 3 2009 p., nopÍBHaHo

i3 2002-2008 pp., 36inbmeHHa BBn gymy HaceneHHa cnpuHHHano 6inbm Hi® b gBa pa3H MeHmuft e$eKT cmMyna^i npoga®iB hobhx aBTOMo6iniB.

b 2015 po^ BBn yKpal'HH Ha gymy HaceneHHa cKnagaTHMe 2001,6 gon. CfflA, aK oniKye MB® [6], a piBeHb 3a6e3neneHocri goMorocogapcTB aBTOMo6inaMH He 3MiHHTbca, to 3rigHO i3 mo-gennro (5) i3 ftMOBipHicTro 95% MaKcuManbHuft o6car npoga®y hobhx aBTO b 2015 p. He nepeBH^HTb 100 thc. aBTOMo6iniB.

y 3B'a3Ky i3 cyTTGBHM 3HH®eHHaM o6cariB npoga®y b 2014 p., a TaKO® pi3KHM 3MeHmeHHaM goxogiB HaceneHHa y gonapoBOMy eKBiBanemi, 3a HaaBHocri hobhx CTaTHcmHHHx gaHHx 2015 p. MO®eMO peKOMeHgyBaTH BBecm HOBi ^iKTHBHi 3MiHHi b Mogenb (2), BuginuBmu 3a ix gonoMororo

OKpeMO imepBan nacy 2014-2015 pp., Ta оцiннтн napaMeTpu TaKOi Mogeni.

^,HHaMiKa Ta o6caru npoga®iB Ha perioHanbHHx aBT0M06inbHHx puHKax yKpal'HH Bigpi3HaroTbca. 3a gonoMororo caM00praHi3yronHx KapT KoxoHeHa 6yna npoBegeHa пpоцegypa KnacTeproa^i perioHanbHHx aBT0M06inbHHx puHKiB Ha nigcTaBi gaHHx npo BanoBOMy perioHanbHOMy npogyKTy (gani - BPn) b po3paxyHKy Ha ogHy oco6y (rpH.) i HaaBHOMy goxogy (gani - H^,) Ha gymy HaceneHHa (rpH.) 3a perioHaMH b 2010-2013 pp. (Ha nigcTaBi o^i^HHux gaHHx [3]). 3Hany^HM (3 piBHeM 3Hany^ocri He MeHme 74% no Bcix Knacreproa^ax b 2011-2013 pp.) BuaBunoca po36HTTa perioHanbHHx puHKiB Ha Tpu Knacrepu (gHB. puc. 2): I - perioHH «nigepu npoga®iB», II -perioHH 3 cepegHiM Ta III - HH3bKHM piBHeM npoga-®iB hobhx aBT0M06iniB.

Phc. 2. CaMOoprarn3a^HHa KapTa KoxoHeHa gna perioHanbHHx aBTOMo6inbHHx puHKiB 2013 poKy

He3Ba®aroHH Ha Te, ^o ^opinrn o6caru npoga-®iB 3 2010 no 2013 pp. 3MiHroBanuca, cKnag Bugi-neHHx KnacTepiB Big poKy go poKy 3anumuBca npaKTHHHO He3MiHHHM (guB. Ta6n. 4), 3a BHHaTKOM

OgecbKOi o6n., aKa nepeftmna y 2013 p. i3 KnacTepy perioHiB 3 HH3bKHM piBHeM npoga®iB go KnacTepy cepegHix o6cariB npoga®iB.

Ta6nuua 4. CKnag i xapaKTepucTHKH agep KnacTepiB perioHanbHHx puHKiB hobhx aBT0M06iniB, 2011-2013 pp.

KnacTep CKnag KnacTepy CepegHift Hfl Ha gymy HaceneHHa, rpH CepegHift BPn Ha ogHy oco6y, rpH CepegHift o6car npoga®y, og.

2011 piK

I m. Khib 42576,7 79729,0 35250

II ^OHeubKa KHiBcbKa, nojrraBcbKa, ^HinponeTpoBctKa, 3anopi3bKa, XapKiBcbKa, .HyraHcbKa o6nacTi 22711,8 32682,8 13426

III 06nacmi, ^0 He BBiurnnu do KnacmepiB I ma II 18067,6 18573,0 3660

2012 piK

I m. Khib 52708,9 97429,0 48429

II ^OHeubKa KuiBcbKa, nojrraBcbKa, ^HinponeTpoBcbKa, 3anopi3bKa, XapKiBcbKa, .HyraHcbKa o6nacTi 26382,7 35577,4 14990

III 06nacmi, ^0 He BBiurnnu do KnacmepiB I ma II 20649,8 20934,0 4254

Теорiя i практика економжи та управлшня промисловими пiдприeмствами

Подовження таблиц 4.

2013 piK

I м. Кшв 52924,5 96054,0 46198

II Донецька, Заж^зька, Полтавська, Диiпропетровська, Харкiвська, Кшвська, Одеська, Луганська областi 27076,8 34746,5 13289

III Областi, що не ввшшли до macmepie I та II 21317,0 20698,0 3079

На шдстав1 даних табл. 4, можна помггити, що, незважаючи на зростання показника середнього доходу на душу населения в 2013 р. пор1вняно з 2012 р. вщзначаеться зниження середшх обсяпв продаж1в автомобшв по всьому кластер1в та одночасне зниження розм1ру ВРП на 1 особу. У зв'язку з тим, що показник ВРП на ввдшну в1д НД включае в себе амортизацшш вщрахування (у тому числ1 на оновлення автомобшьного парку тдприемств) спостертаеться бшьш псний взаемо-зв'язок саме показнишв ВРП i обсягу продаж1в автомобшв в регiонi. Для репошв з III кластеру на ввдшну вiд перших двох кластерiв рiзниця мiж ВРП i НД на душу населення несуттева. Тому для цшей прогнозування обсягiв продаж1в нових автомобiлiв можна рекомендувати для кластерiв <шдери продаж1в» i «середнш рiвень продаж1в» в якостi факторно! змшно! використовувати показник ВРП на 1 особу, а для репошв з кластера з низьким рiвнем продаж1в - НД на душу населення або ВРП на 1 особу.

Автомобшьному ринку властива сезоншсть продаж1в. Тому для моделювання фактору сезон-ностi в регресшних моделях прогнозування продаж1в автомобiлiв необхщне застосування фiктивних булевих змiнних.

На приклащ м. Киева можна показати порядок використання регресiй з фштивними змiнними для прогнозування обсягiв продажу нових автомобшв. На пiдставi аналiзу сезонних змiн в продаж автомобшв в м. Киевi за перюд з сiчня 2010 по ачень 2015 р. було зроблено висновок про значу-щiсть 8 сезонних iндексiв - для мгсящв з сiчия по серпень кожного року.

Незалежним регресором для моделi прогно-зування обсяпв продажу авто може виступити або ВРП в м. Киев^ або показники, що мають оцiнити потеншал платоспроможного попиту на новi автомобш з боку населення та тдприемств. Для

моделювання щомюячно! динамiки продаж1в було обрано два показника - середня величина заро-бiтноï платнi та обсяг реалiзованоï продукцiï за основними видами дiяльностi м. Киевi, причому обидвi величини були переведенi автором за середньомюячним курсом НБУ [8] в е^валент в доларах США (через прив'язку цiн на новi авто до курсу дол. США).

Через рiзку змiну динамiки продаж1в автомо-бiлiв наприкiнцi 2013 р. оцшки параметрiв моделей регресп, побудованих на даних, що включають спостереження до жовтня 2013 р., е не-стiйкими. Ршенням цiеï проблеми може бути або використання окремих моделей для рiзних про-мiжкiв часу, або використання фжтивних змiнних для моделювання структурних зрушень в динамiцi показника (як це зроблено в моделi (5)).

Побудована автором модель прогнозування обсяпв продажу нових автомобшв в м. Киевi (див. табл. 5) включае 8 фжтивних змшних та мае такий вид (на iнтервалi жовтень 2013 р. - а-чень 2015 р.):

YK =-2024+ 0,2X1t + 5,5X2t -335dj + 445d2 -427d3 -847d4

(6)

де Yt - модельне значення обсягiв продажу нових автiвок в м. Киевi в у t-му мiсяцi;

X1t - обсяг реалiзованоï продукцiï за основними видами дiяльностi в м. Киевi в t-му мюящ, тис. дол. США;

X2t - середня величина заробiтньоï платнi в м. Киевi в t-му мiсяцi, дол. США;

dj - фжтивна змшна для моделювання сезонних волн в j-му мiсяцi ( j = 1,12 ), що задаеться як

d ={1, t = j, j {0, t * j.

Таблиця 5 Вихвдт та розрахунковi данi для моделi прогнозування обсягiв продаж автомобшв в м. Киевi

— 1059d5 - 914d6 - 422d7 - 99d8

Перюд Фактичт обсяги продажу в м. Киев^ автомобшш [5] Обсяг реатзоважй продукцп в м. Киев^ тис. дол. США [8] Середня заробггня плата в м. Киев^ дол. США [3] Обсяги продажу за моделлю (6), нових автомобшш

YK Xi Х2 Y K

Жовтень 2013 3715 7720,73 630,1 3372

Листопад 2013 3698 8926,34 622,7 3629

nodoeweHHX ma6m^ 5.

rpygeHb 2013 4012 9403,39 695,2 4149

Cinem, 2014 2603 7171,06 598,4 2725

htothh 2014 3410 7225,59 578,5 3410

Bepe3eHt 2014 2311 7328,48 533,1 2311

KBiTeHb 2014 1223 6209,32 462,3 1223

TpaBeHb 2014 907 5926,90 456,2 907

^epBeHt 2014 1055 6199,05 444,5 1055

Hunem 2014 1630 5682,79 482,6 1630

CepneHb 2014 1447 5336,79 406,6 1447

BepeceHb 2014 1378 5221,33 411,9 1547

^oBTeHt 2014 1431 6312,02 423,4 1880

HucTonag 2014 1726 5856,74 369,2 1468

TpygeHt 2014 1867 6477,01 398,3 1783

Cinem, 2015 702 4558,72 327,3 580

Koe^i^eHT geTepMrna^i' gna Mogeni (6) gopiB-hme 0,97, BOHa BH3HaeTbca ageKBaraoro 3a Kpure-pieM ®imepa 3 piBHeM goBipu 95%, ogHaK He Bci oцiнкн napaMeTpiB BH3HaMTbca 3Hany^HMH nepe3 HaaBHicTb MynbTHKoniHeapHocTi He3ane®Hux 3MiH-hhx. CepegHa BigHOCHa noxu6Ka aпpoкснмaцii' 3a MogennM (6) cKnagae 6%, noxu6Ka nporHO3y gna nMToro 2015 p. - 6ina 16% (b nMTOMy 2015 p. ce-pegHa 3apnnaTa KuaHHHa cKnagana 258 gon. CfflA, o6car peaniзaцii' ochobhhx BugiB npogy^ii' b m. KueBi CKnaB 4485 thc. gon., ^aKTHHHo 6yno npo-gaHo 776 aBTOMo6iniB, nporHo3 3a MogennM (6) CKnaB 899 aBTOMo6iniB).

^epe3 HeBenHKy goB^HHy Bu6opKH perpeciro (6) Mo®Ha BHKopucToByBaTH nume gna KopoTKocTpo-KoBoro nporHo3yBaHHa Ha oguH мicaцb Bnepeg. ToMy gna po3po6KH ^oMica^Hux nporHo3iB npo-ga®iB aBToMo6iniB b Mogenax, aHanorinHux 3a CKnagoM 3MiHHHx Mogeni (6), MaMTb nepeo^HM-BaTHCb napaMeTpu Ha nigcTaBi oHoBneHux gaHux.

BlICIIOBK'll

^epe3 hh®hhh 3a cepegboeBnponencbKHH piBeHb 3a6e3neneHocri HaceneHHa aBToMo6inaMH yKpaiHa Mae noTeH^an po3BHTKy aBToMo6inbHoro puHKy b goBrocipoKoBrn nepcneKTHBi. CepegHbocTpoKoBi nporHo3H npoga^iB aBTOMo6iniB b yKpai'Hi peKo-MeHgyeTbca po3po6naTH Ha nigcTaBi aHani3y piBHa 3a6e3neneHocri HaceneHHa aBToMo6inaMH Ta Benu-HHHi nnarocnpoMo^Horo nonury, KopoTKocTpoKoBi - aHani3y guHaMiKH goxogiB HaceneHHa Ta nig-npueMcTB i BpaxoByBaTH ce3oHHicTb npoga^iB Ha aBToMo6inbHoMy puHKy.

^,HHaMiKa Ta o6caru npoga^iB Ha perioHanbHux aBToMo6inbHux puHKax yKpai'HH pi3HaTbca: KinbKa poKiB nocninb cyTTeBo Bunepeg^ye Bci yKpai'HcbKi o6nacTi 3a o6caraMH npoga^iB aBToMo6iniB m. KhIb;

b 2013 p. KuiBcbKa, ,3,oHe^Ka, 3anopi3bKa, nonTaB-cbKa, ^.HinponeTpoBcbKa, XapKiBcbKa, OgecbKa i Hy-raHcbKa o6nacri 3a o6caraMH npoga^iB Ta noTeH-цiany nnarocnpoMo^Horo nonury Bxogunu go KnacTepy perioHiB i3 cepegHiM piBHeM npoga^iB, Bci iHmi o6nacTi Kpai'HH - go KnacTepy HH3bKoro piBHa npoga^iB. ^epe3 BmcKoBHH KoH^niKT Ha cxogi Kpai'Hi b 2014-2015 pp. aBTOMo6inbHHH phhok BTpa-thb BenuKy gonM npoga^iB HyraHcbKol i ^oHe^Koi' o6nacTen.

,3,eBanbBa^a Ha^oHanbHoi' BanMTH, bhcokhh piBeHb iH$na^i' i Hanpy^eHa co^anbHo-nonrraHHa o6cTaHoBKa 3 nonaray 2014 p. npu3Benu go cyTTeBux 3MiH b gHHaM^i npoga^iB aBToMo6iniB b yKpai'Hi. ^na nporHo3yBaHHa ^opinHux o6cariB npoga^y aBToMo6iniB b yKpai'Hi 3anponoHoBaHo perpeciHHy Mogenb 3 ^kthbhumh 3MiHHHMH gna anpoKcuMa^i' cTpyKTypHoro 3pymeHHa b gHHaM^i npoga^iB, ge He3ane®HHMH ^aKTopaMH BucTynaMTb noKa3HHK 3a6e3neneHocri HaceneHHa aBToMo6inaMH Ta Benu-HHHa BBn Ha gymy HaceneHHa, Bupa^eHa b go-napax CfflA.

^na nporHo3yBaHHa ^oMica^Hux o6cariB npoga^y Ha perioHanbHux aBToMo6inbHux puHKax nponoHyeTbca BHKopucToByBaTH perpeciHHi Mogeni i3 ^iKTHBHHMH 3MiHHHMH gna Bigo6pa®eHHa ce3oH-HocTi npoga^iB, ge He3ane®HHMu ^aKTopaMH BucTynaMTb cepegHboMicaroa 3apo6iTHa nnaTHa Ta (nepe3 gocTynHicTb BignoBigHoi' cTaTHCTHHHoi' iH^opMa^I) o6car peani3oBaHoi' npogy^ii' 3a ochobhhmh BugaMH gianbHocTi b perioHi, nepepa-xoBaHi b eKBiBaneHTy cyMy b gonapax CfflA (nepe3 npuB'a3Ky 6inbmocTi цiн Ha HoBi aBTo go Kypcy gon. CfflA). no6ygoBaHi Mogeni gocTaTHbo ageKBaTHo onucyMTb peanbHy guHaMiKy o6cariB npoga^y hobhx aBToMo6iniB b yKpai'Hi Ta m. KueBi.

Teopiя i Epanma eкoнoмiки та yпpaвлiння пpoмиcлoвими пiдпpиeмcтвaми

Список л^ератури:

1. Baker M. J. Sales forecasting / Michael J. Baker // The IEBM Encyclopedia of Marketing; International Thompson Business Press. - 1999. - p. 278-290. - Available at : http://www.forecastingprinciples.com/ paperpdf/Sales%20Forecasting%20from%20Encyclopedia.pdf

2. Рейтинг обеспеченности населения разных стран автомобилями [Электронный ресурс]. - Режим доступа: http://sedmoyden.ru/news/auto/596245-rejting-obespechennosti-naseleniya-raznykh-stran-avtomobilyami

3. Офщшний сайт Державно1 служби статистики Украши. - Режим доступу: http://www.ukrstat. gov.ua/

4. Валовый внутренний продукт Украины [Электронный ресурс]. - Режим доступа: http://index. minfin. com.ua/index/gdp/

5. Украинский автомобильный портал [Электронный ресурс]. - Режим доступа: http://autoportal.ua/ rating/regions.html

6. Report for Ukraine // IMF World Economic Outlook; International Monetary Fund. - April 2015. -Available at : http://www.imf.org/external/pubs/ft/weo/2015/01/weodata/weoselser.aspx?c=926&t=1

7. Основш тенденцп валютного ринку; офщшний сайт НБУ Украши [Електронний ресурс]. -Режим доступу: http://www.bank.gov.ua/control/uk/publish

8. Обсяг реалiзованоï продукцп за основними видами дiяльностi в 2012-2015 рр.; Головне управлшия статистики у м. Киeвi [Електронний ресурс]. - Режим доступу: http://kiev.ukrstat.gov. ua/p.php3?c=2261&lang= 1

Надано до редакцп 2.12.2014

Ковпак Ельвiра Олександавна / Elvira O. Kovpak

Kovpak. elvira@gmail. com

Посилання на статтю /Reference a Journal Article:

Ковпак Е. О. Прогнозування обсягiв продажу нових aBmoMo6iniB в УкраШ [Електронний ресурс] /Е.О. Ковпак // EKOHOMiKa: реали часу. Науковий журнал. — 2015. — № 2 (18). — С. 82-88. — Режим доступу до журн.: http://economics. opu. ua/files/archive/2015/n2. html