ПРОГНОЗУВАННЯ ЕКОНОМІЧНИХ ПОКАЗНИКІВ ТОРГІВЕЛЬНОГО ПІДПРИЄМСТВА З УРАХУВАННЯМ СЕЗОННОСТІ ПРОДАЖІВ
DOI:
https://doi.org/10.32782/IT/2024-1-11Ключові слова:
прогнозування, тренд, сезонність, ряд Фур'є, модель, торгівельне підприємство.Анотація
Прогноз обсягу продажу та інших економічних показників є важливими складовими під час планування діяльності торгових організацій. Він будується на кількох факторах: історичні дані, галузеві та ринкові тенденції, поточний стан воронки продажів. Точність прогнозу залежить від двох найважливіших елементів: збору достовірних вхідних даних та отримання правильних висновків. Переоцінивши динаміку зростання, компанія може даремно інвестувати кошти у збільшення запасів чи чисельності команди. Недооцінка обсягу продажу може призвести до появи дефіциту і, як наслідок, часткову втрату потенційного прибутку. При побудові прогнозу продажів має значення оцінка сезонності попиту. Облік сезонності ускладнює задачу прогнозування, збільшуючи кількість змінних, що призводить до застосування більш складних моделей у практиці управління бізнесом. Тому метою даної роботи є розробка практичного алгоритму побудови прогнозу економічних показників торговельного підприємства з яскраво вираженою сезонністю продажів, що базується на використанні різних підходів прогнозування за допомогою рядів Фур'є. У розробленому алгоритмі використовуються значення деякого економічного показника торговельного підприємства протягом кількох попередніх років. Цей період розбивається на дві частини: набір калібрувальних даних та набір перевірочних даних, який дозволить проаналізувати якість результатів побудови прогнозу. Дані з калібрувального набору апроксимуються рядами Фур'є (для кожного року окремо). Будується ряд, коефіцієнти якого є експоненціально згладженими значеннями коефіцієнтів рядів Фур'є, взятими з калібрувального набору. Далі формується прогноз для перевірочного періоду, при побудові якого коефіцієнти ряду Фур'є підбираються з урахуванням мінімізації похибки відхилень прогнозних значень економічного показника від значень з перевірочного періоду. Наукова новизна даної роботи полягає в розробці методики прогнозування економічних показників, що базується на апроксимації часових рядів рядами Фур'є за декілька попередніх років, знаходженні середнього згладженого значення коефіцієнтів рядів Фур'є та побудові ефективного прогнозу тренд-сезонної моделі показників торговельного підприємства. Створений алгоритм апробовано на реальних даних підприємства оптової торгівлі та впроваджено в практику планування закупівель. Прогноз, побудований за допомогою цього алгоритму в подальшому планується застосовувати для створення системи керування залишками підприємства з використанням дискретних систем керування зі спостерігачами вектору стану.
Посилання
Fildes R, Goodwin P, Lawrence M, Nikolopoulos K. Effective forecasting and judgmental adjustments: an empirical evaluation and strategies for improvement in supply-chain planning. International Journal of Forecasting. 2009. Vol. 25(1). P. 3–23.
Acara Y, Gardner ES. Forecasting method selection in a global supply chain. International Journal of Forecasting. 2012. Vol. 28(4). P. 842–848.
Xia M, Zhang Y, L. W, Ye X. Fashion retailing forecasting based on extreme learning machine with adaptive metrics of inputs. Knowledge-Based Systems. 2012. Vol. 36. P. 253–259.
Smith C.D, Mentzer J.T. Forecasting task technology fit: The influence of individuals, systems and procedures on forecast performance. International Journal of Forecasting. 2010. Vol. 26(1). P. 144–161.
Holt CC. Forecasting seasonal and trends by exponentially weighted moving averages. International Journal of Forecasting. 2004. Vol. 20(1). P. 5–10.
Ймовірнісно-статистичні методи моделювання і прогнозування: наук.-навч. вид. / Гуськова В. Г., Бідюк П. І., Гасанов А. С. Київ: Видавництво НПУ імені М. П. Драгоманова, 2022. 456 с.
W. Press; S. Teukolsky, W. Vetterling, B. Flannery. Chapter 12. Fast Fourier Transform. Numerical Recipes: The Art of Scientific Computing. New York, USA:Cambridge University Press. 2007. ISBN 978-0-521-88068-8.
A. Fumi, A. Pepe, L. Scarabotti and Massimiliano M. Schiraldi. Fourier Analysis for Demand Forecasting in a Fashion Company. International Journal of Engineering Business Management. 2013. Vol. 5(37). DOI:10.5772/56840
Li M., Liu Y., Zhi S., Wang T., Chu F. Short-time Fourier Transform Using Odd Symmetric Window Function. Journal of Dynamics, Monitoring and Diagnostics, 2021. Vol. 1(1). P. 37–45. DOI: 10.37965 https://doi.org/10.37965/jdmd.v2i2.39
L. Ye, N. Xie, J. E. Boylan, Z. Shang, Forecasting seasonal demand for retail: A Fourier time-varying grey model. International Journal of Forecasting. 2024. DOI: https://doi.org/10.1016/j.ijforecast.2023.12.006.
M. Dekker, K. van Donselaar, P. Ouwehand. How to use aggregation and combined forecasting to improve seasonal demand forecasts, International Journal of Production Economics, Vol. 90, Issue 2, 2004, P. 151–167, https://doi.org/10.1016/j.ijpe.2004.02.004.
Ord K., Fildes R. A., Kourentzes N. Principles of business forecasting: 2nd ed. Wessex Press Publishing Co. 2017. 588 p.
Brown R. G. Smoothing forecasting and prediction of discrete time series. New York. Dover Publications. Dover Phoenix Ed. 2004.480 p.
