Методи оцінки місткості ринку і прогнозування попиту (стр. 2 из 6)

Прогноз збуту – 1) оцінка майбутнього попиту на товар на основі передбачення про найбільш ймовірну поведінку покупців при виконанні ряду умов в майбутньому; 2) визначення того, що підприємство розраховує продати, виходячи з існуючої кон’юнктури, ринкового потенціалу і власних можливостей.

Прогнозування збуту залежить від дії двох груп чинників:

¾ контрольованих: ціни, канали розподілу, система просування, характеристики продукції, товарна політика підприємства;

¾ неконтрольованих: стан економіки, темпи інфляції, процентні ставки, демографічні зміни, смаки споживачів, конкуренція, стан галузі.

Звідси прогнозування збуту повинно враховувати можливості підприємства стосовно управління контрольованими чинниками і підлаштовування під дію неконтрольованих змінних.

Виділяють якісні та кількісні методи прогнозування збуту.

Якісні методи прогнозування збуту

1. Метод колективних оцінок керівництва і фахівців підприємства: базується на гіпотезі, що серед великого числа ідей, суджень є принаймні декілька таких, що відповідають найбільш ймовірному ходу майбутнього розвитку попиту. Ґрунтується на неформальному аналізі. Застосовується у формі обміну думками фахівців про тенденції розвитку попиту на товари, вироблені підприємством.

2. Об’єднана оцінка прогнозу збуту торговельними агентами. Недолік — прогноз, як правило, занижується, що можна компенсувати, встановивши та використавши індекс песимізму для кожного торгового агента (Іп).

,

де Q_р — досягнутий обсяг продажу минулого року,

Q_п — прогноз продаж на минулий рік.

3. Очікування покупців — опитування споживачів стосовно того, що і в яких обсягах вони будуть купувати.

4. Метод Дельфі (Дельфійський метод) — форма опитування експертів(від 100 до 1000 чоловік), при якій їх анонімні відповіді обробляються в ході декількох турів і після ознайомлення всіх учасників експертизи з проміжними результатами дістають групову оцінку досліджуваної проблеми (шляхом усреднененняподаних оцінок).

5. Метод створення сценаріїв майбутнього розвитку обсягів збуту, який передбачає розробку декількох можливих варіантів подій. Сценарії розробляються експертами спочатку індивідуально, а потім формується єдиний узгоджений текст. Сценарії передбачають не тільки змістові міркування, але й включають, як правило, результати техніко-економічного та статистичного аналізу з відповідними висновками.

Кількісні методи прогнозування

1. Екстраполяція часового рядупередбачає аналіз часових рядів (рядів динаміки) та їх проекція на майбутні періоди часу, тобто, поширення тенденцій, виявлених у минулому, на майбутні періоди.

- Прогнозування за середнім відсотком приросту показника попиту – базується на припущенні, що прогнозована величина попиту на товар збільшується (зменшується) на рівні постійного приросту (зменшення);

- Прогнозування на базі ковзної середньої – базується на розрахунку середнього значення прогнозованої величини попиту за фіксовану кількість періодів;

- Експоненційно зважена середня – опирається на послідовність вагових коефіцієнтів, що спадають з часом за експоненційним законом. Пізнішим спостереженням надається більша вага, а саме, ваги значення ряду спадають у міру віддалення в минуле.

- Метод Холта – базується на оцінці ступеня лінійного зростання (чи зниження) показника величини попиту в часі.

- Метод подвійного згладжування Брауна – призначений для прогнозування нестаціонарних рядів у випадку подвійного експоненційно зваженого значення.

- Метод адаптивного згладжування Брауна –заснований на застосування регресійного аналізу (коли мінімізується сума квадратів відхилення) на базі зваженої регресії. Найбільша увага приділяється інформації останніх періодів.

- Метод Муіра – застосовується у випадку лінійно-мультиплікативної моделі тренда в припущення, що зміна середньої процесу залежить від часу нелінійно, пропорційно самому значенню середньої., тобто лінійно в логарифмічній формі.

- Сезонно-декомпозиційна модель Холта-Вінтера – заснована на застосуванні експоненційно зваженої середньої для сезонних рядів;

- Модель Бокса Дженксінса – метод призначений для обробки авто регресійних рядів без апріорних припущень щодо коефіцієнтів, які дисконтують. Виключення тренду проходить шляхом переходу до різниць ряду і допущення кореляційних залишків.

2. Економіко–математичне моделювання – побудова економіко-математичної моделі попиту у вигляді деякої функціональної залежності величини попиту від екзогенних та ендогенних факторів, які його визначають.

- Прогноз на основі індикаторів – оцінка ходу розвитку процесу збуту продукції на базі одного або декількох відомих показників (індикаторів) суміжних галузей промисловості;

- Аналітичні моделі попиту і споживання – побудова функції попиту, що відбиває залежність між обсягом попиту та комплексу факторів, які на нього впливають. Найбільш поширеними є однофакторні функції, що виражають залежність попиту від рівня доходу населення;

- Прогноз попиту з використанням коефіцієнта еластичності будь-якого фактора – знаючи коефіцієнт еластичності будь-якого фактора за попередній період і припускаючи, що він не зміниться істотно в прогнозований період, обчислюють величину попиту з урахуванням зміни розглянутого фактора і його коефіцієнта еластичності.

- Кореляційно-регресійний аналіз – визначення напряму і сили зв’язку між залежними змінними і залежною змінною (попитом). Побудова однофакторної і багатофакторної регресійної моделі.

Застосування кореляційно-регресійного аналізу включає такі основні етапи:

1) Вибір показника попиту на товар.

2) Збирання вихідної статистичної інформації, її систематизація та оцінка.

3) Відбір істотних факторів, які необхідно врахувати при побудові моделей прогнозування попиту.

4) Підбір математичної форми зв’язку між величиною попитц і факторами, що на нього впливають.

5) Розрахунок параметрів і побудова економічно-математичної моделі прогнозування попиту.

6) Оцінка побудови моделі.

7) Виконання розрахунків за моделлю.

8) Економічна інтерпретація моделі і розробка рекомендації з її використання.

Вихідним показником попиту може бути величина попиту на окремі товари у вартісному чи натуральному вираженні, питома вага товару в загальному обсязі платоспроможного попиту на всі товари тощо. В економіко-математичну модель включаються тільки кількісно вимірювані фактори, при чому найбільш істотні.

Такими факторами є доходи населення, ціни товарів, розмір і склад сімей, число сімей. Крім них, рекомендується виділяти групу специфічних факторів формування попиту на конкретний товар. Проводиться детальний аналіз і визначається ступінь впливу окремих факторів за допомогою коефіцієнтів кореляції, параметрів рівняння регресії. Коефіцієнт кореляції r змінюється від -1 до +1. Якщо r=0, то зв'язок між факторами відсутній повністю.

Фактори прийнято поділяти на екзогенні, тобто зовнішні стосовно модельованого об’єкта, і ендогенні, тобто, внутрішні, властиві моделюючому процесу. До екзогенних належать практично всі фактори, що впливають на попит. Ендогенні включають загальну тенденцію розвитку попиту на конкурентні товари. В економіко-математичній модель ендогенний фактор, як правило вводиться у вигляді спеціального фактора – тренда t.

Економіко-математичні моделі (ЕММ) попиту будуються у вигляді одно- чи багатофакторних рівнянь регресії, у яких незалежними змінними виступають фактори, що впливають на попит, а залежною змінною – сам попит на товар.

При одно факторному аналізі описується зв'язок фактор Q і одного фактор x. Збирання експериментальних даних проводиться шляхом багаторазового вимірювання величин

. При проведенні одно- та багатофакторного аналізу рівняння регресії прийнято поділяти за формами зв’язку: лінійні, параболічні, степеневі, показникові тощо. Число факторів, що включаються в модель повинно бути меншим, ніж число спостережень. При цьому фактори повинні бути незалежні між собою. З двох факторів, що при парній кореляції один з одним мають досить високий коефіцієнт кореляції, в багатофакторній моделі залишають тільки один з них, більш вагомий з точки зору дослідника.

Після вибору форми математичного зв’язку за методом найменших квадратів визначають значення параметрів математичної моделі через побудову системи нормальних рівнянь.

Підбираючи математичну форму зв’язку, необхідно орієнтуватися на таку, для якої буде більше кореляційне відношення та менша відносна помилка. Якщо

, то модель досить адекватно описує реальний процес формування попиту.

Оскільки показники кореляційного зв’язку обчислюються за вибірковими даними і є випадкова величинами, то необхідно встановити значимість показників кореляції і коефіцієнтів моделі. Для цього визначають помилку коефіцієнта кореляції за величиною середньоквадратичного відхилення.

При побудові регресійних моделей використовуються стандартні пакети прикладних програм, наприклад, ППП «StatGraphics” – для аналізу динамічних рядів, побудови авторегресивних та динамічних моделей, SPSS – при побудові багатофакторних регресійних моделей, BMDR – при використанні багатофакторної лінійної регресії, MicroTSP – при побудові простої регресії, прогнозуванні, побудові моделей із ковзним середнім.