2. Анализ состояния и прогноз рыночной среды
Для решения поставленной задачи на первом этапе необходимо осуществить стратегическое планирование, которое подразумевает выработку стратегии поведения на следующие пять периодов функционирования фирмы, т.е. на периоды t0+1, t0+2, t0+3, t0+4, t0+5.При этом необходимо дать прогноз относительно изменения цены на продукцию обоих видов, цены на ресурс и объемов продаж, которые можно будет реализовать на рынке. Стратегическое планирование или прогнозирование основывается на ретроинформации (статистики) об изменении исследуемых параметров в прошедшие периоды. Используя численные методы, необходимо получить уравнение регрессии, которое представляет собой функциональную зависимость некоторого параметра от времени. В нашем случае под параметром следует понимать цену на продукцию первого или второго вида, цену на ресурс, объем продаж первой или второй продукции. Для проведения дальнейших исследований в курсовом проекте принимается допущение, что возможно использовать регрессии первого порядка:
Полученные уравнения регрессии позволяют дать прогноз изменения интересующих параметров, а именно цен на продукцию, цены на ресурс и объемов продаж первой и второй продукции, в зависимости от времени. Так как в постановке задачи, речь идет о стратегии поведения фирмы в течение следующих пяти лет, то исследование следует ограничить будущими пятью годами.
Любая математическая модель, каковой является и уравнение регрессии, характеризуется некоторой погрешностью. Поэтому, необходимо по показателю среднеквадратического отклонения модели оценить погрешность прогноза и рассчитать пессимистический и оптимистический прогноз для исследуемого параметра. При этом под пессимистическим прогнозом будем понимать ситуацию, когда параметры задачи изменяются неблагоприятным для фирмы образом, а именно их изменение приведет к тому, что предприятие получит минимально возможную прибыль. Оптимистический прогноз является полной противоположностью пессимистического прогноза и рассчитывается для ситуации, в которой фирма получит максимально возможную прибыль.
Математическая модель расчета прогнозного параметра для оптимистического варианта имеет вид:
где значение исследуемого параметра при оптимистическом прогнозе,номинальное прогнозное значение. Знакотражает содержательный смысл параметра. Речь идет о том, что некоторые параметры, такие как цены на выпускаемую продукцию или объем продаж, при своем увеличении приводят к росту прибыли предприятия. Напротив, цена на используемый ресурс только при своем уменьшении положительно сказывается на изменении прибыли. Поэтому выбор знака однозначно определяется содержательным и экономическим смыслом исследуемого параметра системы.
Математическая модель расчета прогнозного параметра для пессимистического варианта имеет вид:
где значение исследуемого параметра при пессимистическом прогнозе. Выбор знакатакже определяется содержательным смыслом прогнозируемого параметра.
Таблица 1. Регрессионная модель для цены на первую продукцию
Линейная регрессия. Метод наименьших квадратов.
Период |
Цена реализации первой продукции (Y-зависимая переменная) |
Порядковый номер величины в выборке (№п/п года Х1 |
Предсказанное Y (уравнение регрессии Y=26,02+1,34*Х1) |
Пессимистический прогноз |
Оптимистический прогноз |
t0-10 |
27,3 |
1 |
27,36 |
|
|
t0-9 |
28,5 |
2 |
28,7 |
|
|
t0-8 |
30,4 |
3 |
30,04 |
|
|
t0-7 |
31,3 |
4 |
31,38 |
|
|
t0-6 |
32,7 |
5 |
32,72 |
|
|
t0-5 |
34 |
6 |
34,06 |
|
|
t0-4 |
35,5 |
7 |
35,4 |
|
|
t0-3 |
36,8 |
8 |
36,74 |
|
|
t0-2 |
37,8 |
9 |
38,08 |
|
|
t0-1 |
39,4 |
10 |
39,42 |
|
|
t0 |
40,8 |
11 |
40,76 |
|
|
t0+1 |
42,1 |
12 |
42,1 |
35,72 |
48,48 |
t0+2 |
43,44 |
13 |
43,44 |
37,06 |
49,82 |
t0+3 |
44,78 |
14 |
44,78 |
38,4 |
51,16 |
t0+4 |
46,12 |
15 |
46,12 |
39,74 |
52,5 |
t0+5 |
47,46 |
16 |
47,46 |
41,08 |
53,84 |
|
|
|
|
|
|
Среднеквадратичное отклонение |
6,38 |
|
Таблица 2. Регрессионная модель для цены на вторую продукцию
Линейная регрессия. Метод наименьших квадратов.
Период |
Цена реализации второй продукции (Y-зависимая переменная) |
Порядковый номер величины в выборке (№п/п года Х2 |
Предсказанное Y (уравнение регрессии Y=17,74+0,38*Х2) |
Пессимистический прогноз |
Оптимистический прогноз |
t0-10 |
17,9 |
1 |
18,12 |
|
|
t0-9 |
18,4 |
2 |
18,5 |
|
|
t0-8 |
19,1 |
3 |
18,88 |
|
|
t0-7 |
19,4 |
4 |
19,26 |
|
|
t0-6 |
19,4 |
5 |
19,64 |
|
|
t0-5 |
20,4 |
6 |
20,02 |
|
|
t0-4 |
20,8 |
7 |
20,4 |
|
|
t0-3 |
20,4 |
8 |
20,78 |
|
|
t0-2 |
20,9 |
9 |
21,16 |
|
|
t0-1 |
21,5 |
10 |
21,54 |
|
|
t0 |
22 |
11 |
21,92 |
|
|
t0+1 |
22,3 |
12 |
22,3 |
20,48 |
24,12 |
t0+2 |
22,68 |
13 |
22,68 |
20,86 |
24,5 |
t0+3 |
23,06 |
14 |
23,06 |
21,24 |
24,88 |
t0+4 |
23,44 |
15 |
23,44 |
21,62 |
25,26 |
t0+5 |
23,82 |
16 |
23,82 |
22 |
25,64 |
|
|
|
|
|
|
|
|
|
|
|
|
Среднеквадратичное отклонение |
1,82 |
|
Таблица 3. Регрессионная модель для цены на ресурс
Линейная регрессия. Метод наименьших квадратов.
Период |
Цена сырьевого ресурса (Y-зависимая переменная) |
Порядковый номер величины в выборке (№п/п года Х |
Предсказанное Y (уравнение регрессии Y=5,37+0,18*Х) |
Оптимистический прогноз |
Песимистический прогноз |
t0-10 |
5,2 |
1 |
5,55 |
|
|
t0-9 |
5,7 |
2 |
5,73 |
|
|
t0-8 |
6,2 |
3 |
5,91 |
|
|
t0-7 |
6,4 |
4 |
6,09 |
|
|
t0-6 |
6,7 |
5 |
6,27 |
|
|
t0-5 |
6,1 |
6 |
6,45 |
|
|
t0-4 |
6,2 |
7 |
6,63 |
|
|
t0-3 |
6,5 |
8 |
6,81 |
|
|
t0-2 |
7 |
9 |
6,99 |
|
|
t0-1 |
7,4 |
10 |
7,17 |
|
|
t0 |
7,3 |
11 |
7,35 |
|
|
t0+1 |
7,53 |
12 |
7,53 |
6,63 |
8,43 |
t0+2 |
7,71 |
13 |
7,71 |
6,81 |
8,61 |
t0+3 |
7,89 |
14 |
7,89 |
6,99 |
8,79 |
t0+4 |
8,07 |
15 |
8,07 |
7,17 |
8,97 |
t0+5 |
8,25 |
16 |
8,25 |
7,35 |
9,15 |
|
|
|
|
|
|
|
|
|
|
|
|
Среднеквадратичное отклонение |
0,9 |
|
Таблица 4. Регрессионная модель для объема продаж (спроса) на первую продукцию.
Линейная регрессия. Метод наименьших квадратов.
Период |
Объем продаж (спроса) первой продукции (Y-зависимая переменная) |
Порядковый номер величины в выборке (№п/п года Х1 |
Предсказанное Y (уравнение регрессии Y=380,71+5,61*Х1) |
Пессимистический прогноз |
Оптимистический прогноз |
t0-10 |
387 |
1 |
386,32 |
|
|
t0-9 |
392 |
2 |
391,93 |
|
|
t0-8 |
397 |
3 |
397,54 |
|
|
t0-7 |
403 |
4 |
403,15 |
|
|
t0-6 |
409 |
5 |
408,76 |
|
|
t0-5 |
414 |
6 |
414,37 |
|
|
t0-4 |
420 |
7 |
419,98 |
|
|
t0-3 |
425 |
8 |
425,59 |
|
|
t0-2 |
431 |
9 |
431,2 |
|
|
t0-1 |
437 |
10 |
436,81 |
|
|
t0 |
443 |
11 |
442,42 |
|
|
t0+1 |
448,03 |
12 |
448,03 |
421,32 |
474,74 |
t0+2 |
453,64 |
13 |
453,64 |
426,93 |
480,35 |
t0+3 |
459,25 |
14 |
459,25 |
432,54 |
485,96 |
t0+4 |
464,86 |
15 |
464,86 |
438,15 |
491,57 |
t0+5 |
470,47 |
16 |
470,47 |
443,76 |
497,18 |
|
|
|
|
|
|
|
|
|
|
|
|
Среднеквадратичное отклонение |
26,71 |
|
Таблица 5. Регрессионная модель для объема продаж (спроса) на вторую продукцию.
Линейная регрессия. Метод наименьших квадратов.
Период |
Объем продаж (спроса) второй продукции (Y-зависимая переменная) |
Порядковый номер величины в выборке (№п/п года Х2 |
Предсказанное Y (уравнение регрессии Y=180,49+9,74*Х2) |
Пессимистический прогноз |
Оптимистический прогноз |
t0-10 |
190 |
1 |
190,23 |
|
|
t0-9 |
200 |
2 |
199,97 |
|
|
t0-8 |
210 |
3 |
209,71 |
|
|
t0-7 |
220 |
4 |
219,45 |
|
|
t0-6 |
229 |
5 |
229,19 |
|
|
t0-5 |
239 |
6 |
238,93 |
|
|
t0-4 |
248 |
7 |
248,67 |
|
|
t0-3 |
258 |
8 |
258,41 |
|
|
t0-2 |
268 |
9 |
268,15 |
|
|
t0-1 |
278 |
10 |
277,89 |
|
|
t0 |
288 |
11 |
287,63 |
|
|
t0+1 |
297,37 |
12 |
297,37 |
250,99 |
343,75 |
t0+2 |
307,11 |
13 |
307,11 |
260,73 |
353,49 |
t0+3 |
316,85 |
14 |
316,85 |
270,47 |
363,23 |
t0+4 |
326,59 |
15 |
326,59 |
280,21 |
372,97 |
t0+5 |
336,33 |
16 |
336,33 |
289,95 |
382,71 |
|
|
|
|
|
|
|
|
|
|
|
|
Среднеквадратичное отклонение |
46,38 |
|