|
|
Развитие автомобильного рынка Российской Федерации
Развитие автомобильного рынка Российской Федерации
27 Курсовая работа: Развитие автомобильного рынка РФ Содержание - Введение
- Глава 1. Теоретические основы прогнозирования развития автомобильного рынка РФ
- 1.1 Основные подходы к прогнозированию автомобильного рынка
- 1.2 Обоснование выбора метода прогнозирования автомобильного рынка в РФ
- Глава 2. Характеристика автомобильного рынка рф как объект прогнозирования
- 2.1 Ретроспективный анализ автомобильного рынка РФ
- 2.2 Сценарии динамики развития автомобильного рынка РФ
- Глава 3. Прогноз состояния автомобильного рынка в РФ
- 3.1 Построение прогнозной модели
- 3.2 Составление прогноза состояния автомобильного рынка
- 3.3 Верификация прогноза состояния автомобильного рынка РФ
- Заключение
- Список литературы
- Приложение 1
ВведениеАктуальность рассматриваемой темы заключается в том, что в настоящее время автомобилестроению принадлежит самая ведущая роль в развитии и машиностроения вообще, и транспортного машиностроения в частности. Автомобильная промышленность мира - это емкий и весьма значительный сектор мировой экономики и международного бизнеса, ведь это не только собственно автомобили, но и разнообразные товары по обслуживанию автомобиля, а также, в значительной мере, рынок производства и продажи автозапчастей. Рынок автомобилей имеет ряд смежных рынков и отраслей: от наиболее тесно прилегающих (рынка деталей и блоков автомобилей и нефтедобывающей промышленности) до менее очевидных (строительство дорог, производство аксессуаров для автомобилей и т.п.). Автомобиль обеспечивает высокую мобильность человека, эффективность труда, определяет современный образ жизни общества. Он является показателем уровня обеспеченности материальными средствами как отдельного человека (его владельца), так и общества или государства в целом (в данном случае речь идет об автообеспеченности населения страны).Важной особенностью автомобилей являются их адаптационные возможности в том, что касается, в частности, интеграции в едином процессе перевозки с другими видами транспорта: водным (паромы, суда для горизонтальной погрузки и разгрузки грузов и т.д.), железнодорожным (платформы, трейлеры), авиационным (большегрузные самолеты). При этом используется перевозка не только колесной техники, но и контейнеров, также других видов «юнитизированных» грузовых мест. В результате клад автомобильного транспорта в формирование единой мировой транспортной системы весьма велик.Объектом исследования курсовой работы выступает автомобильный рынок РФ, а предметом - будущее состояние автомобильного рынка РФ, рассматриваемое на краткосрочную перспективу, а также пути и способы достижения этого состояния.Целью курсовой работы является разработка программы достижения прогнозируемых состояний объекта.В связи с данной целью можно выделить следующие задачи:1. Провести ретроспективный анализ развития автомобильного рынка РФ;2. Определить факторы, оказывающие влияние на объект исследования;3. Составить прогноз развития автомобильного рынка РФ в долгосрочной перспективе;4. Разработать плана мероприятий по достижению прогнозируемого состояния объекта исследования.Работа состоит из трех частей. Во введении данной работы отражены актуальность, цель, задачи.В первой части курсовой работы представлены основные подходы к прогнозированию объекта исследования и дано обоснование методов прогнозирования;Во второй части был проведен ретроспективный анализ объекта исследования; описаны сценарии развития в долгосрочной перспективе.В третьей части работы была построена прогнозная модель, составлен прогноз и проведена верификация прогноза.В заключении представлены выводы по курсовой работе.В работе были использованы программные продукты MS Excel, Statistica 6.0., так как они содержат широкий спектр линейных и нелинейных средств моделирования, поддерживают непрерывные и категориальные предсказания, взаимодействия, иерархические модели. Глава 1. Теоретические основы прогнозирования развития автомобильного рынка РФ1.1 Основные подходы к прогнозированию автомобильного рынкаАвтомобильный рынок РФ относится к экономическим объектам, которые в свою очередь относятся к сложным, многомерным, динамическим, нестационарным, активным (целенаправленным) системам, что чрезвычайно затрудняет задачу прогнозирования экономических показателей. В силу ряда объективных и субъективных причин наиболее популярен подход, основанный на экстраполяции временных рядов. Однако такой подход не всегда дает удовлетворительный прогноз, поскольку основан на учете только части причин, по которым происходит изменение прогнозируемого показателя (ПП). Для выбора эффективного метода прогнозирования необходимо провести системный анализ - определить факторы, действующие на объект и в объекте исследования и оценить их влияние на прогнозируемый показатель.Основу прогнозирования составляет либо причинно-следственные связи между ПП и факторами на него влияющими, либо инерционные свойства объекта (в этом случае «причиной» является время). Можно выделить пять причины изменения ПП, которые разобьем на две группы: внешние и внутренние. К внешним причинам относятся изменения входных возмущающих и управляющих переменных, а также неконтролируемых - шумов. Внутренние причины связаны с такими свойствами объекта, как динамичность, нестационарность и целенаправленность.1. Влияние возмущающих и управляющих переменных можно представить в виде следующей математической модели:P=F (X) (1.1)где P - ПП;F - некоторая функция;X - вектор возмущающих и управляющих переменных.Прогнозирование представляет собой достаточно сложную задачу, что подтверждается рассмотренным анализом причин и факторов, потенциально влияющих на изменение прогнозируемого показателя. Решение такой задачи, как и всякой другой сложной задачи, требует системного подхода, который помогает понять суть проблемы и выбрать адекватные методы ее решения, а также оценить причины возможных неудач.Для прогнозирования автомобильного рынка РФ могут быть использованы различные методы прогнозирования.Статистические методы объединяют совокупность методов обработки количественной информации об объекте прогнозирования по принципу выявления содержащихся в ней математических закономерностей развития и математических взаимосвязей характеристик с целью получения прогнозных моделей.Методы аналогий направлены на то, чтобы выявлять сходство в закономерностях развития различных процессов и на этом основании производить прогнозы.Опережающие методы прогнозирования строятся на определенных принципах специальной обработки научно-технической информации, реализующих в прогнозе ее свойство опережать развитие научно-технического прогресса.Экспертные методы разделяются на два подкласса. Прямые экспертные оценки строятся по принципу получения и обработки независимого обобщенного мнения коллектива экспертов (или одного из них) при отсутствии воздействий на мнение каждого эксперта мнения другого эксперта и мнения коллектива. Экспертные оценки с обратной связью в том или ином виде воплощают принцип обратной связи путем воздействия на оценку экспертной группы (одного эксперта) мнением, полученным ранее от этой группы или от одного из ее экспертов.Прямые экспертные оценки по признаку аппарата реализации делятся на виды экспертного опроса и экспертного анализа. В первом случае используются специальные процедуры формирования вопросов, организации получения на них ответов, обработки полученных ответов и формирования окончательного результата. Во втором - основным аппаратом исследования является целенаправленный анализ объекта прогнозирования со стороны эксперта или коллектива экспертов, которые сами ставят и решают вопросы, ведущие к поставленной цели.Методы экстраполяции тенденций являются, пожалуй, самыми распространенными и наиболее разработанными среди всей совокупности методов прогнозирования. Использование экстраполяции в прогнозировании имеет в своей основе предположение о том, что рассматриваемый процесс изменения переменной представляет собой сочетание двух составляющих - регулярной и случайной: (1.1)Считается, что регулярная составляющая f (a, х) представляет собой гладкую функцию от аргумента (в большинстве случаев - времени), описываемую конечномерным вектором параметров а, которые сохраняют свои значения на периоде упреждения прогноза. Эта составляющая называется также трендом, уровнем, детерминированной основой процесса, тенденцией. Под всеми этими терминами лежит интуитивное представление о какой-то очищенной от помех сущности анализируемого процесса. Интуитивное, потому что для большинства экономических, технических, природных процессов нельзя однозначно отделить тренд от случайной составляющей. Все зависит от того, какую цель преследует это разделение и с какой точностью его осуществлять.Экстраполяционные методы прогнозирования основной упор делают на выделение наилучшего в некотором смысле описания тренда и на определение прогнозных значений путем его экстраполяции. Методы экстраполяции во многом пересекаются с методами прогнозирования по регрессионным моделям. Иногда их различия сводятся лишь к различиям в терминологии, обозначениях или написании формул. Тем не менее сама по себе прогнозная экстраполяция имеет ряд специфических черт и приемов, позволяющих причислять ее к некоторому самостоятельному виду методов прогнозирования.Как отмечается во многих исследованиях, для зарубежной методологии характерно многообразие подходов к прогнозированию спроса, однако общим для большинства из них остается дифференциация методологии относительно национального, регионального, локального и отраслевого уровней; выделение компонентов совокупной занятости и учет специфики их изменений.Зарубежные исследователи используют сочетание экспертных, статистических и математических методов, с помощью которых оценивается место каждой отрасли экономики в совокупной занятости в стране.Анализ и обобщение исследований по методам прогнозирования позволяет выделить несколько методологических подходов.Первый подход (расчетный, нормативный)Базируется на исчислении необходимых ресурсов исходя из норм выработки, производительности труда на конкретных рабочих местах. В случае внедрения комплексов новой техники и технологии эти расчеты производятся по проектам эксплуатационной документации.Второй подход (программы развития + опросный подход)Строится на оценках тенденций изменения интегрированных экономических показателей, базируется на использовании следующих документов:прогнозы по отраслям экономики;региональные и отраслевые программы и прогнозы развития отраслей материального производства;региональные и отраслевые программы конверсии оборонных предприятий;данные наиболее крупных предприятий - потребителей специалистов о перспективах своего развития;программы развития деятельности предприятий и организаций системы жизнеобеспечения (энергетика, транспорт и т.д.);программы и прогнозы служб занятости о предполагаемом высвобождении работников на предприятиях и в организациях;программы приватизации и развития малого бизнеса.Третий подход (динамический подход, поиск тенденций)Опирается на анализ тенденций изменений технико-экономических показателей, использует многофакторные экономико-математические модели (корреляционно-регрессионный анализ). Моделирование производится на основе создания информационно-нормативной базы данных по технико-экономическим, демографическим и нормативно-справочным показателям. Сущность прогноза сводится к определению движения занятости специалистов в зависимости от изменения этих показателей.Также в зарубежной практике применяется регрессионный анализ отобранных показателей позволяет строить корреляционно-регрессионную модель потребности в специалистах, которая используется для оценки на интервале прогнозирования с учетом ожидаемых значений технико-экономических показателей в прогнозируемом периоде.При выборе метода обследования исследователями рассматривались различные варианты сбора данных: экспертные интервью, опрос, личное анкетирование и т.д.1.2 Обоснование выбора метода прогнозирования автомобильного рынка в РФАвтомобильный рынок РФ относится к товарным рынкам РФ, которые подвержены влиянию различных нелинейных факторов таких как, уровень наличной денежной массы, уровень монетизации и доля скрытого объема производства, высокий уровень налогообложения, безработица.Для составления прогноза будут использоваться методы математического моделирования. В связи с тем, что объект прогнозирования - величина многомерная и подвержен влиянию различных факторов.В курсовой работе для исследуемых факторов наилучшими показателями характеризуется полиномиальная функция. Данная функция может быть представлена следующим образом: 1.1Параметризация данной модели осуществляется с применением метода наименьших квадратов, используя в качестве независимой переменной время t=1,2,…,n, а в качестве зависимой переменной - фактические уровни временного ряда объемов денежного предложения.Применение метода наименьших квадратов для оценки параметров функции приводит к следующей системе нормальных уравнений: 1.2Для второго фактора наилучшими показателями характеризуется логарифмическая функция.1.3Параметризация данной функции будет также осуществляться с применением метода наименьших квадратов.В качестве метода верификации прогноза избрана прямая и обратная верификация, параметризация которых будет осуществлена в соответствующей части работы. При прямой верификации используется линейная модель экспоненциального сглаживания Хольта, в которой использован поправочный коэффициент б=0.3. 1.4где N - число предшествующих периодов, входящих в скользящее среднее;Aj - фактическое значение в момент времени j;Fj - прогнозируемое значение в момент времени j.Также будет задействована обратная верификация.Так как данные методы являются оптимальными для выполнения поставленных задач. Глава 2. Характеристика автомобильного рынка рф как объект прогнозирования2.1 Ретроспективный анализ автомобильного рынка РФВременной ряд автомобильного рынка РФ, составленный за последние 6 лет, характеризуется следующими показателями, представленными в таблице 2.1Таблица 2.1Статистические характеристики временного ряда|
Показатели | Значения | | Среднее значение | 30,5667 | | Стандартная ошибка | 4,1848 | | Стандартное отклонение | 20,5012 | | Медиана | 24,9 | | Минимум | 7,6 | | Максимум | 74,2 | | Сумма | 733,6 | | Наибольший (1) | 74,2 | | Наименьший (1) | 7,6 | | Уровень надежности (95,0%) | 8,6569 | | |
Таким образом, на основе анализа статистических характеристик временного ряда, можно сделать следующие выводы: Стандартная ошибка равная 4,1848 характеризует стандартное отклонение выборочного среднего. Медиана 24,9 - это число, которое является серединой множества чисел. Стандартное отклонение показывает насколько широко разбросаны значения относительно их среднего, то есть на 20,5012. Минимум 7,6 - наименьшее значение, которое принимает показатель. Максимум 74,2 - наибольшее значение, которое принимает показатель. Наилучшим образом выявленная тенденция описывается экспоненциальной зависимостью вида y=aebx, которая характеризуется значением коэффициента детерминации на уровне 0,9991, что свидетельствует о том, что тренд является достоверным, так как коэффициент детерминации стремится к 1. Коэффициент детерминации показывает то, что уравнение регрессии R^2 описывает 99,91% вариации переменной. Аналогичные выводы о наличии экспоненциальной зависимости могут быть получены в результате проведенного корреляционного анализа между уровнями ряда, которые свидетельствуют о существенной зависимости последующих уровней ряда от предыдущих на лагах 1 - 3 (таблица.2.2). Таблица 2.2 Расчёт корреляции |
№ лага | 1 | 2 | 3 | | Коэффициент корреляции | 0,5371 | 0,1303 | -0,1512 | | |
Таким образом, было проведено исследование развития объекта прогнозирования с определенного момента в прошлом и до настоящего времени. Результаты анализа доказывают, что на основе представленного временного ряда можно составить прогноз развития автомобильного рынка на 2008 году. 2.2 Сценарии динамики развития автомобильного рынка РФНеобходимо оценить статистическую пригодность названных факторов для использования в прогнозной модели. Для этого необходимо исключить мультиколлинеарность факторов на основе проведения корреляционного анализа между временными рядами. Результаты корреляционного анализа представлены в таблице 2.3. Таблица 2.3. Корреляционный анализ прогнозного фона автомобильного рынка РФ|
Наименование показателя | 1 | 2 | 3 | 4 | | 1. Инфляция | 1,00 | -0,94 | -0,92 | -0,95 | | 2. Объем ВВП | -0,94 | 1,00 | 0,98 | 0,98 | | 3. Ср. мес. зар. плата | -0,92 | 0,98 | 1,00 | 0,98 | | 4. Эк-ки актив. население | -0,95 | 0,98 | 0,98 | 1,00 | | |
Таким образом, можно выделить следующие сценарии динамики автомобильного рынка: Пессимистический. Инфляция в 2008 году составит 12% (вместо планируемых 9-9,5%), что приведет к ухудшению экономической обстановки в стране, что повлечет уменьшение спроса на автомобильном рынке РФ. Оптимистический. Произойдет существенное улучшение общего состояния рыночной обстановки в России. В связи с тем, что автомобильный рынок РФ подвержен воздействию со стороны различных факторов, использование экстраполяционных методов прогнозирования представляется возможным лишь в рамках верификации, тогда как прогнозная модель должна строиться с учетом влияния различных факторов на данный рынок. Необходимость идентификации функции, лежащей в основе прогнозной модели, заставляет провести оценку статистической значимости нескольких моделей: линейной, логарифмической, степенной, экспоненциальной. Выбор модели будет осуществлен по коэффициенту детерминации (R-квадрат), который дает количественную оценку меры анализируемой связи. Таблица 2.4 Характеристики регрессионной модели |
Наименование показателя | Уровень значимости | Коэффициент детерминации | | | a1 | a2 | | | Степенная | 0,05812 | 0,00006 | 0,8605 | | Логарифм | 0,000004 | 0,00017 | 0,6622 | | Экспоненциальная | 0,99999 | 1,0000 | 0,9992 | | Линейная | 0,000028 | 0,0177 | 0,9264 | | |
Поскольку экспоненциальная и линейная функции характеризуется наилучшими показателями, следовательно, производственная функция будет строиться на основе многофакторной линейной функции, которая в общем виде может быть представлена следующим образом: Y (t) = a0+a1x1 (t) +a2x2 (t) (2.1) где Y (t) - количество выпущенных автомобилей в России (тыс. шт), x1 (t) - экономически акт население, x2 (t) - уровень инфляции, t-момент времени (t=2002-2007 гг.). В качестве метода верификации прогноза избрана экспертная и обратная верификации, параметризация которых будет осуществлена в соответствующей части работы. Глава 3. Прогноз состояния автомобильного рынка в РФ3.1 Построение прогнозной моделиОсобенностью экономических явлений является то, что они определяются большим числом взаимодействующих факторов, поэтому, для определения связи между одной зависимой переменной и несколькими независимыми переменными, применяется множественный регрессионный анализ. В нем анализу подвергается зависимость одного признака (результирующего) от набора независимых (факторных) признаков. Разделение признаков на результирующий и факторные осуществляется исследователем на основе содержательных представлений об изучаемом явлении (процессе).Цель регрессионного анализа состоит в определении общего вида уравнения регрессии, построении оценок неизвестных параметров, входящих в уравнение регрессии, и проверке статистических гипотез о регрессии [14].Для корректного использования регрессионного анализа требуется выполнение определенных условий. Факторные признаки должны быть некоррелированы (отсутствие мультиколлинеарности), они предполагаются замеренными точно и в их измерениях нет автокорреляции, т.е. значения признаков у одного объекта не должны зависеть от значений признаков у других объектов. Для этого оценивается коэффициент корреляции, который не должен быть больше 0,6.При построении регрессионных моделей необходимо выбрать вид функциональной зависимости, характеризующей взаимосвязи между результативным признаком и несколькими признаками-факторами.В данной работе используется линейная регрессия, т.е. зависимость вида:Y (t) = a0+a1x1 (t) +a2x2 (t) (3.1)где Y (t) - результативный признак,x1 (t), x2 (t) - факторные признаки;a1, a2 - коэффициенты регрессии, показывающие степень влияния соответствующего фактора на прогнозируемый показатель при фиксированном значении остальных факторов,a0 - свободный член уравнения.Полученная модель представляет собой производственную функцию, то есть экономико-математическую модель, которая позволяет учесть влияние факторных признаков на исследуемый зависимый параметр.Модель имеет аддитивный характер, так как рассматриваемые факторы не взаимодействуют друг с другом, следовательно, при построении модели используется сумма факторов, а не их произведение.Для оценки факторов обычно используют коэффициент корреляции - R и коэффициент детерминации - R-квадрат. Коэффициентом корреляции R определяет степень тесноты связи результирующего признака Y со всем набором факторных признаков, он может принимать значения в диапазоне от - 1 до +1, причём если значение находится ближе к 1, то это означает наличие сильной связи между переменными, а если ближе к 0, то слабой. Коэффициент детерминации R-квадрат имеет простой смысл - это показатель того, насколько изменения зависимого признака объясняются изменениями независимого. Чем ближе R-квадрат к единице, тем точнее уравнение регрессии описывает эмпирические данные.Полученные коэффициенты представлены в таблице:Таблица 3.1Коэффициенты уравнения множественной регрессии|
| | B | Уровень значимости | | Константа | | -15,366325 | 0, 190097 | | Экономически активное население | 1,0271 | 0,000007 | 0,000517 | | Уровень инфляции | 0,0339 | 0,279710 | 0,630120 | | |
Коэффициент детерминации и коэффициент корреляции, равные соответственно R2 = 0,9983, R = 0,9966 характеризуются хорошими показателями. После этого окончательная производственная функция будет иметь вид: Y (t) = - 15,3663+0,000007x1+0,2797x2 (3.2) При построении прогнозной модели необходимо рассмотреть следующие параметры прогноза: период основания, период упреждения. Период основания прогноза, то есть промежуток от настоящего момента в прошлое, на данных которого строится прогноз, равен 6 годам. Период упреждения (период времени от настоящего времени в будущее, для которого составляется прогноз) в данной модели равен 1 году. 3.2 Составление прогноза состояния автомобильного рынкаДля построения прогноза выпуска на автомобильном рынке РФ необходимо отобрать факторы, воздействующих на результативный объект.На основе двух переменных, а именно: уровень инфляции и количество экономически активного населения строится прогнозная модель.Рассмотрим эти факторы более подробно.Рис.3.1 Изменение уровня экономически активного населения за 2002-2007гг.Рис.3.2 Изменение уровня инфляции за 2002-2007гг.Уравнение регрессии для прогнозируемого объекта выглядит следующим образом:Y = - 15,3663 + 0,000007*экономически активное население + 0,2797*Уровень инфляцииДля интерпретации направления связи между переменными смотрят на знаки «+» или «-» регрессионных коэффициентов. Если регрессионный коэффициент положителен, то связь этой переменной с зависимой переменной положительна, если регрессионный коэффициент отрицателен, то и связь носит отрицательный характер.Для того чтобы осуществить прогноз с помощью полученной множественной регрессии необходимо спрогнозировать факторные признаки. В данном случае это можно осуществить при помощи уравнений, полученных при построении трендов временных рядов факторов. В результате получаем следующие данные, представленные в таблице 3.2Таблица 3.2. Прогноз факторов, влияющих на количество выпущенных автомобилей|
Год | Экономически активное население млн. чел | Уровень инфляции, % | | 2008 | 16100 | 9 | | |
Используя данные таблицы 3.2 и полученное уравнение регрессии можно построить прогноз в 2008 году: Y (t) = - 15,3663+0,000007*16100+0,2797*9 = 93,4 млн. шт. Во второй главе были представлены различные сценарии объема автомобильного рынка РФ. Выше обозначенное значение было найдено в рамках умеренного сценария, согласно которому сохранится имеющиеся тенденции. Согласно пессимистическому сценарию произойдет увеличение уровня инфляции и незначительное увеличение экономически активного населения, что повлечет следующие результаты: Таблица 3.3 Прогнозные значения показателей в 2008 году согласно пессимистическому сценарию |
Наименование показателей | Экономически активное население млн. чел | Уровень инфляции, % | Кол-во выпущенных автомобилей, млн. шт. | | Их значение | 13700 | 10 | 78 | | |
То есть, очевидно, что в случае реализации данного сценария замедлятся темпы роста ВВП, особо не увеличатся активы автомобильного рынка на фоне увеличения численности экономически активного населения. Однако вероятность реализации данного сценария оценивается как низкая. Новые прогнозные значения показателей представлены в таблице: Таблица 3.4. Прогнозные значения показателей в 2008 году согласно оптимистическому сценарию |
Наименование показателей | Экономически активное население млн. чел | Уровень инфляции, % | Кол-во выпущенных автомобилей, млн. шт. | | Их значение | 17201 | 8,5 | 100 | | |
Степень вероятности осуществления данного сценария средняя и представляется возможным приближение значения количества выпущенных автомобилей к спрогнозированному и представленному выше. 3.3 Верификация прогноза состояния автомобильного рынка РФДля проведения проверки точности прогноза в данной работе используются следующие способы верификации: экспертная, прямая и обратная.Обратная верификация - проверка точности прогнозной модели на периоде прогнозной ретроспекции, то есть проводится сравнение полученных с помощью прогнозной модели значений и значений исходного временного ряда. Для этого сравним временной ряд в ретроспективе с 2002-2007 гг. и расчетный ряд, построенный с помощью регрессионной модели на основе значений факторных показателей. Данные представлены в таблице и на графике: Таблица 3.5Сравнение временных рядов |
Год | Исходный временной ряд | Расчетный временной ряд | Абсолютное отклонение | Относительное отклонение | | 2002 | 10,5 | 10,4 | 0,1 | -0,95 | | 2003 | 15,4 | 16 | -0,6 | 3,89 | | 2004 | 23,9 | 24,8 | -0,9 | 3,76 | | 2005 | 35,1 | 34,8 | 0,3 | -0,85 | | 2006 | 54,5 | 51,9 | 2,6 | -4,77 | | 2007 | 74,2 | 75,7 | -1,5 | 2,02 | | |
Таким образом, данные таблицы свидетельствуют о незначительных отклонениях значений временных рядов. Рис.3.3 Обратная верификация Так как прогнозная модель практически точно повторяет исходные данные, можно считать, что модель прогноза построена верно. Прямая верификация проводится с помощью использования другого, альтернативного метода. В данной работе использован метод экспоненциального сглаживания. Результаты верификации представлены на графике: 27 Рис. 3.4 Экспоненциальное сглаживание Таблица 3.6 Относительное отклонение при экспоненциальном сглаживании, % |
Год | 2002 | 2003 | 2004 | 2005 | 2006 | 2007 | 2008 | | Значение | -2,21613 | -2,21613 | -2,21613 | -2,21613 | -2,21613 | -2,21613 | -2,21613 | | |
Экспертная верификация - это сопоставление результатов прогноза с мнением экспертов, авторитетных в данной области. Таким образом, в целом построенная модель и полученное прогнозное значение оценивается как достоверное. Характеризуя прогноз, можно утверждать, что он является: поисковым, так как направлен на получение информации о будущем состоянии объекта; точечным, потому что результат представлен в виде единственного значения; многомерным, так как он был составлен для объекта, характеризующегося 2 факторами. ЗаключениеВ данной работе для характеристики автомобильного рынка РФ использовалось количество выпущенных автомобилей.Для построения прогноза был взят временной ряд выпуска автомобилей за 2002-2007 года. Исследование развития рынка доказало, что на основе представленного временного ряда представляется возможным построение прогнозного значения количества выпущенных автомобилей в 2008 году.Определение факторов прямо и косвенно влияющих на развитие объекта прогнозирования показало, что на выпуск автомобилей влияют такие показатели как экономически активное население и инфляция. На основе данного вывода были разработаны условия прогнозирования, из которых наибольшей вероятностью обладает оптимистический сценарий в рамках которого будет наблюдаться тенденция уровня инфляции.С помощью метода нелинейного оценивания в программном обеспечении «Статистика» были найдены значения регрессионных коэффициентов, поэтому окончательная производственная функция приняла следующий вид:Y (t) = - 15,3663+0,000007x1-0,2797x2На основе взятых факторов был построен прогноз количества выпущенных автомобилей на 2008 год, который составил 100 млн. шт.Для полноты проведенного анализа была проведена проверка точности прогноза (следовательно и прогнозной модели) с помощью обратного, экспертного и прямого методов верификации, которая показала что он является достоверным. В результате исследования было выявлено, что наиболее существенное влияние на выпуск автомобилей влияют выше упомянутые факторы, поэтому для увеличения выпуска автомобилей следует в первую очередь разработать программу регулирования этих факторов. Список литературы1. Баранов Э.Ф., Гельвановский М.И. Россия в цифрах 2006: Крат. стат. сб. / Росстат. - М., 2006. - 447с. 2. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTICA в среде Windows. - М.: Финансы и Статистика, 2000. - 398с. 3. Дуброва Т.А. Статистические методы прогнозирования: Учеб. пособие для вузов. - М.: ЮНИТИ - ДАНА, 2004. - 206с. 4. Егоров В.В., Парсаданов Г.А. Прогнозирование национальной экономики: Учеб. пособие. - М.: ИНФРА - М, 2002. - 184с. 5. Ивашковский С.Н. Макроэкономика: Учебник. - 2-е изд., испр. и доп. - М.: Дело, 2003. - 372 с. 6. Колемаев В.А. Математическая экономика: Учебное пособие. - М.: Дело, 2003. - 372 с. 7. Парсаданов Г.А. Прогнозирование национальной экономики: Учебник/ Г.А. Парсаданов, В.В. Егоров. - М.: Высш. шк., 2003. - 304с. 8. Демченко И.Д. О перспективах развития автомобильного рынка // Экономика и жизнь. - 2007. - №4. - С.7-8. 9. Новикова В. Автомобильный рынок РФ: состояние и перспективы // Аналитический журнал. - 2007. - №10. - С.38-40. 10. Ротынских М. Перспективы развития автомобильного рынка // Аналитический журнал. - 2006. - №3. - С.77-80. 11. Официальный сайт Федеральной Службы Статистики РФ: www.gks.ru 12. Официальный сайт программного обеспечения «Статистика 6.0. «: www.statsoft.ru Приложение 1Таблица. Объемы выпуска автомобилей с 2002-2007 годы|
Годы | Кварталы | Количество выпущенных автомобилей автомобильной промышленностью в РФ, млн. шт. | | 2002 | I | 7,6 | | | II | 8,4 | | | III | 9,4 | | | IV | 10,5 | | 2003 | I | 11,5 | | | II | 12,5 | | | III | 13,8 | | | IV | 15,4 | | 2004 | I | 16,7 | | | II | 18,5 | | | III | 21,2 | | | IV | 23,9 | | 2005 | I | 25,9 | | | II | 28,6 | | | III | 30,2 | | | IV | 35,1 | | 2006 | I | 38,4 | | | II | 42,5 | | | III | 47,0 | | | IV | 54,5 | | 2007 | I | 57,6 | | | II | 62,5 | | | III | 67,7 | | | IV | 74,2 | | |
|
 |
