Notice: Undefined offset: 0 in /var/www/referat.ru/public/skins/default/application/item/index.phtml on line 15

Notice: Undefined offset: 0 in /var/www/referat.ru/public/skins/default/application/item/index.phtml on line 16

Прогнозирование сегмента автомобильного рынка на примере московского региона — страница 2

  • Категория
  • Раздел
  • Просмотров 9727
  • Скачиваний 534
  • Размер файла 240
    Кб

автомобилей, что позволит оперативно отслеживать потребительские предпочтения и тренды их изменений. Точность составления прогнозов будет зависеть от количества и качества учтенных факторов внешней и внутренней экономической среды. Конечно же, построить абсолютно достоверный прогноз невозможно. Однако, рассматривая максимально широкий круг факторов, возможно построить прогноз с определенной долей вероятности, наиболее

близкой к реальной ситуации.   Среди основных факторов выделяют:   ·       Ситуация на мировых автомобильных рынках; ·       Основные события на автомобильном рынке России; ·       Ключевые макроэкономические показатели; ·       Динамика продаж новых автомобилей; ·       Динамика продаж автомобилей с пробегом; ·      

Изменение марочной структуры рынка; ·       Изменение модельной структуры рынка; ·       Динамика и структура импорта легковых автомобилей; ·       Обзор ценовой политики основных участников рынка.   Рассматривая мировую практику прогнозирования автомобильного рынка можно выделить два основных метода - технический и фундаментальный анализ. Технический анализ

основывается на значениях продаж предыдущих периодов. На основании этих данных строится прогноз статистическими методами: выделяются сезонный и календарный факторы, тренды, циклы и пр. Для построения наиболее точных и качественных прогнозов, западными маркетологами используются все современные методы математической статистики. Для простых случаев обычно используется метод ARIMA(Autoregressive integrated moving average), основанная на

методологии Бокса-Женкинса.[1] Для более сложных, - хорошо зарекомендовали себя методы прогнозирования на базе теории хаоса, волн Эллиотта, нейронных сетей и прочего. Для установления возможности применения асимптотических результатов при конечных (т. н. «малых») объемах выборок полезны компьютерные статистические технологии. Они позволяют также строить различные имитационные модели. Отметим полезность методов

размножения данных (бутстреп-методов). Системы прогнозирования с интенсивным использованием компьютеров объединяют различные методы прогнозирования в рамках единого автоматизированного рабочего места прогнозиста. Прогнозирование на основе данных, имеющих нечисловую природу, в частности, прогнозирование качественных признаков основано на результатах статистики нечисловых данных. Весьма перспективными для