14. Методы изучения сезонных явлений. Коэффициенты сезонности. Графическое изображение рядов динамики.

Сезонное колебание — это более или менее устойчивые внутригодовые колебания в ряду динамики, обусловленные специфическими условиями производства или потребления данного товара.

Сезонные колебания характеризуются индексами сезонности (J_S) совокупность которых образует сезонную волну. Индекс сезонности - средняя величина, определенная из % отношений по одноименным месяцам фактических уровней ряда динамики к выровненным уровням.

Для выявления сезонных колебаний берут данные за несколько лет с распр6еделением по месяцам, это делается для того, чтобы выявить устойчивую сезонную волну, на которой бы не отражались индивидуальные факторы одного года. Определяя индексы сезонности, пользуются несколькими методами, выбор которых зависит от вида ряда:

1). Если ряд содержит определенную тенденцию в развитии, то прежде чем определить сезонную волну, определяют общую тенденцию, при этом рассчитывают % фактических данных к выровненным, а индекс сезонности по формуле:

2). Если же ряд не содержит ярко выраженную тенденцию, то такой ряд называют стабильным, а индекс сезонности рассчитывают по формуле:

Коэффициент сезонности — это величина, на которую увеличиваются / уменьшаются продажи по сравнению со средними в определенный период времени. 

Коэффициент сезонности применим для различных периодов. Это может быть неделя, тогда коэффициент присваивается для каждого дня недели. Например, в продуктовом магазине спрос возрастает к выходным, значит для субботы и воскресения коэффициент сезонности будет выше. Для прогнозирования спроса с применением коэффициента сезонности по дням недели необходимо чтобы поставки осуществлялись несколько раз в неделю.

Для большинства товаров применяют коэффициенты сезонности для каждого месяца. В данном случае для расчета коэффициентов используют помесячную статистику продаж, а полученные коэффициенты используют для прогнозирования спроса на несколько месяцев вперед.

Для чего используют коэффициенты сезонности: Для расчета прогноза; Для планирования деятельности, т.е. для определения приоритетов по месяцам в рамках года; Для выбора лучшего времени проведения мероприятий по стимулированию сбыта для товаров или услуг; Для выбора лучшего времени для рекламирования товаров или услуг; и т.д. Ряды динамики могут быть изображены графически. Наиболее распространенным видом графического изображения является линейная диаграмма, которая строится в прямоугольной системе координат. По оси абсцисс откладывается время, а по оси ординат – уровни ряда. Другие способы графического изображения рядов динамики: столбиковая диаграмма; секторная диаграмма и другие.

15. Статистическое прогнозирование на основе рядов динамики.

Существует две большие группы методов прогнозирования:

-         фактографические

-         экспертные.

Фактографические методы - это прогнозирование с помощью тренда. Тренд можно представить как однофакторную регрессионную модель, где факторным признаком является время, а результативным интересующий нас показатель. Прогноз делается следующим образом - берется прогнозный горизонт (выбирается год, месяц)  в соответствующий тому моменту времени, который нас интересует, и подставляется значение года или месяца в уравнение тренда. В результате получаем прогнозное значение интересующего нас показателя. Применение данного метода ограничено точностью данной модели, чем дальше прогноз, тем хуже точность предсказания. Поэтому прогноз по тренду используется для кратко и среднесрочных предсказаний.

Кроме прогнозирования по тренду можно использовать методы прогнозирования по регрессионным моделям: , где  - факторные признаки. Прогнозирование по регрессионной модели происходит в два этапа:

Мы находим прогнозное значение факторов признаков. Некоторые факторные признаки можно прогнозировать по тренду, а другие можно задавать нормативно или экспертным методом.

Прогнозные значения факторных признаков подставляются в регрессионную модель и находятся прогнозные значения результативного признака.

Недостаток этого метода - это невозможность прогнозировать долгосрочно. В некоторых случаях, перед построением тренда или регрессионной модели используются методы кластерного анализа или факторного анализа. Так есть неоднородная статистическая совокупность, если мы ее разобьем на группы, то точность исследования увеличивается. Факторный анализ применяется для того, чтобы уменьшить число факторных признаков, поскольку большое число факторных признаков уменьшает точность регрессионной модели.