Прогнозирование товарооборота торговой организации

МИНИСТЕРСТВО  ОБРАЗОВАНИЯ РЕСПУБЛИКИ БЕЛАРУСЬ

 УО «БЕЛАРУССКИЙ ГОСУДАРСТВЕННЫЙ ЭКОНОМИЧЕСКИЙ УНИВЕРСТИТЕТ» 
 
 
 
 

Кафедра экономики  торговли 
 
 
 
 
 

ИНДИВИДУАЛЬНАЯ  РАБОТА 

по  дисциплине: Автоматизация рабочего места специалиста

на  тему: Прогнозирование товарооборота торговой организации 
 
 
 
 
 
 
 
 
 
 
 

Студентка ФЭУТ, 5 курс

группа РГС - 1                                                                               Н.Ю. Шкуринская 
 

Руководитель                                                                               

к.э.н., асс.                                                                                       Н. А. Подобед 
 
 
 
 
 
 
 
 

МИНСК 2011

СОДЕРЖАНИЕ 

1 Оформление экономических данных в  Excel 3

2 Основные инструменты анализа экономических данных 5

2.1 Инструмент «описательная статистика» 5

2.2 Отбор данных и подготовка данных для корреляционного анализа 6

3 Вычисление скользящего среднего 8

4 Составление линейных прогнозов 9

4.1 Использование функции ЛИНЕЙН для создания модели тренда…………..9

4.2 Использование функции ТЕНДЕНЦИЯ для построения прогноза товарооборота………………………………………………………………………10

4.3 Использование функции ПРЕДСКАЗ для построения прогноза товарооборота 10

5 Построение нелинейных прогнозов 11

5.1 Составление нелинейного прогноза с помощью функции ЛГРФПРИБЛ 11

5.2 Составление нелинейных прогнозов с помощью функции РОСТ 12

6. Прогнозирование с применением экспоненциального сглаживания 13

7. Добавление линии тренда к рядам данных на диаграмме ……………………14 
1 Оформление экономических данных средствами Excel 

    В работе проведен анализ экономических  показателей торгового объекта.

    Цель  работы заключается в изучении динамики товарооборота и его прогнозировании средствами MS Excel, анализе факторов, на него влияющих. Сведения об объеме товарооборота за 16 месяцев представлены в таблице 1.

    Таблица 1 – Объем товарооборота торгового предприятия за 16 месяцев 

     Наглядно  проследить тенденцию изменения  товарооборота можно на рисунках 1, 2 и 3

Рисунок 1 - Динамика товарооборота  торгового предприятия

Рисунок 2 - Динамика товарооборота торгового предприятия 
 

Рисунок 3 - Динамика товарооборота  торгового предприятия 

     Динамика  товарооборота изучается путем  расчета базисных и цепных отклонений, базисных, цепных темпов изменения, а так же удельного веса товарооборота за каждый месяц в общем объеме. Расчеты представлены в таблице 2. 

Таблица 2 - Динамика товарооборота  торгового предприятия 

     По  результатам таблицы можно судить, что наибольший удельный вес в общем объеме товарооборота в 16-ом месяце, его доля составляет 7,1%, а базисный темп изменения составил 126,9%. Что касается наибольшего цепного темпа роста, то в 16 месяце он имел значение – 103,5 

2 Основные инструменты  анализа экономических  данных

     2.1 Инструмент «описательная  статистика»

     Инструмент  описательная статистика предназначен для оценки выборки экономических  данных, когда есть необходимость проследить характер распределения и определить меру разброса фактических величин вокруг среднего значения.

     Для анализа воспользуемся данными  из таблицы 1. В таблице 3 представлена статистическая оценка данных о товарообороте. 

Таблица 3 - Статистическая оценка данных о товарообороте

     Среднее значение (31638,1875) является основной характеристикой центра распределения, вычисляется по средней арифметической. Отклонения от него в сумме равняются нулю.

     Стандартная ошибка равна 543,4189469. Она оценивает меру ошибки рассчитанного на основе сформированной выборки среднего значения

     Медиана равна 31342 – данное значение делит заданное множество данных на две равные части, т.е. половина чисел оказывается больше и половина – меньше медианы.

     Мода  – значение, которое встречается  чаще других во множестве данных. В  данном случае таких значений не наблюдается.

     Стандартное отклонение и дисперсия выборки - статистические характеристики разброса всех данных. Большое стандартное  отклонение указывает на то, что  значения сильно разбросаны относительно среднего. Стандартное отклонение равно – 2173,675788.

     Асимметрия и эксцесс - коэффициенты, отражающие отклонение фактически распределенных данных от нормального распределения. Эксцесс   (-0,238133799) характеризует отклонение от нормального распределения. Эксцесс характеризует «крутизну» подъема кривой распределения по сравнению с нормальной кривой. В случае отрицательного эксцесса (как в данном случае) сравниваемая кривая имеет более низкую и пологую вершину. Асимметричность характеризует качественную однородность исследуемой совокупности. В данном случае асимметрия незначительна (0,341308898).

     Интервал (7815) – разность между минимальным и максимальным значением данных.

     Минимум (минимальное значение товарооборота) равно 28231.

     Наибольшее  значение товарооборота (максимум) составляет 36046.

     Сумма представляет собой величину просуммированных значений товарооборота по месяцам (506211).

     Счет (16) равен количеству месяцев, заданных в условии.

     Наибольший(3)-если нужно вкл строку наиб значение входного диапазона

     Наименьший(5)-если нужно вкл строку наим знач входного диапазона

     Уровень надежности равен 96,0%. Установка уровня надежности позволяет с заданной вероятностью определить доверительный интервал для среднего значения совокупности данных.

     Таким образом, приведенные данные позволяют проследить, что за 16 исследуемых месяцев размер товарооборота составил в среднем 31638,1875млн.. руб. и колеблется в пределах 28231—36046 млн. руб.

     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