Прогнозирование товарооборота торговой организации

     Увеличение  количества наблюдений и соответственно размера совокупности данных значительно  повышает практическую ценность проводимого  исследования. Широкое применение этот инструмент анализа находит при расчете и оценке статистических характеристик множества различных экономических показателей но основе больших массивов данных по каждому из них. 

     2.2 Отбор данных и  подготовка данных  для корреляционного анализа

     Основной  целью корреляционного анализа  является установление характера влияния  факторной переменной на исследуемый  показатель и определение тесноты  их связи с тем, чтобы с достаточной  степенью надежности строить модель развития исследуемого показателя.

     Для анализа и прогнозирования товарооборота  выбраны следующие факторы:

• Оборачиваемость товаров, дни
• Удельный вес торговой площади в общей, %
• Удельный вес торгово-оперативного персонала в общей численности работников, %
• Удельный вес товаров с высокими торговыми надбавками, %

      Исходные  данные для проведения корреляционного  анализа отражены в таблице 4. На основании этих данных проведем корреляционный анализ, результаты представим в таблице 5. 

Таблица 4 - Исходные данные для  проведения корреляционного анализа

 

Таблица 5 - Матрица парных коэффициентов корреляции

 

     На  основе приведенной матрицы можно  оценить связь значений товарооборота  с каждым фактором и выбрать наиболее значимые из них. Коэффициенты корреляции, характеризующие тесноту связи объема товарооборота с отобранными факторами составляют: для фактора "оборачиваемость товаров" -0,9054, для фактора "удельный вес торговой площади в общей" 0,750; для фактора "удельный вес товаров  с высокими торговыми надбавками" 0,509; для фактора "удельный вес торгово-оперативного персонала в общей численности" 0,387.Согласно шкале Чеддока для торгового предприятия показатель объема товарооборота имеет весьма высокую тесноту связи с фактором "оборачиваемость товаров" и высокую - с фактором "удельный вес торговой площади в общей". С фактором "удельный вес товаров с высокими надбавками" присутствует линейная связь. Значение коэффициента корреляции, рассчитанное для товарооборота и фактора "удельный вес торгово-оперативного персонала", свидетельствует о слабо выраженной линейной связи между этими показателями. Знак "-" перед коэффициентом корреляции В23 означает, что между объемом товарооборота и размером товарооборачиваемости в днях имеет место обратная связь,т.е. при росте количества дней одного оборота товарного запаса предприятия в днях объем его реализации при прочих равных условиях будет падать. С остальными факторами объем товарооборота находится в прямой зависимости. 

3 Вычисление скользящего среднего 

     Расчет  скользящего среднего позволяет  упростить определение и анализ тенденции в развитии динамического ряда на основе сглаживания колебаний изменений по временным интервалам.  Сглаживание колебаний динамичного ряда предполагает вычисление новых данных, каждая из которых представляет собой средний показатель  нескольких результатов о наблюдении первоначального ряда.

    В таблице 6 представлена прогноз розничного товарооборота торгового предприятия на основе метода скользящего среднего.  

Таблица 6 – Прогноз товарооборота  на основе скользящего  

 

      Приведенные в таблице 6 выходные значения свидетельствуют, что показатель скользящего среднего имеет сравнительно небольшую тенденцию  к увеличению (рисунок 3), что означает прогнозируемое увеличение товарооборота.

    Таким образом, прогнозируемый ТО на 17 месяц составил 35428 млн. р.

    Данный  метод является быстрым и простым  способом краткосрочного прогнозирования. Расчет скользящего среднего является быстрым и простым способом прогнозирования  экономических показателей.

 

Рисунок 3 - Скользящее среднее

4 Составление линейных  прогнозов

4.1 Использование функции  ЛИНЕЙН для создания  модели тренда

    Функция ЛИНЕЙН помогает определить характер линейной связи между результатами наблюдений и временем их фиксации и дать ей математическое описание. Для построения используется модель вида y = mx + b, где y – исследуемый показатель, x = t – временной тренд, m, b – параметры уравнения. Расчет параметров ЛИНЕЙН производится на основе метода наименьших квадратов. В таблице 7 производится расчет и оценка линейной модели тренда с помощью функции ЛИНЕЙН. 

Таблица 7 - Расчет и оценка линейной модели тренда с помощью функции ЛИНЕЙН 
 

 
 
 
 
 
 
 
 

    Таким образом, прогноз дохода на 17 месяц равен:

    у= =27920,08+437,425*17 = 35356,305 млн. р., где y – прогнозируемый товарооборот, x – порядковый номер месяца.  
 

     4.2 Использование функции  ТЕНДЕНЦИЯ для  построения прогноза  товарооборота 

    Функция ТЕНДЕНЦИЯ рассчитывает прогнозные значения используемого показателя в соответствии с линейным трендом. Она позволяет одновременно прогнозировать значения для нескольких временных периодов. В таблице 8 представлен прогноз на следующий период.

Таблица 8 - Расчет прогноза товарооборота с помощью функции ТЕНДЕНЦИЯ