помогою параметричної моделі Бокса-Дженкінса. Модель передбачає для коректного прогнозу технічно менше 30 спостережень. Програмний продукт призначений для прогнозування будь-якого параметра, щодо якого є належне кількість замірів в конкретному проміжку часу.
Достоїнствами даного програмного продукту є:
- Невисокі вимоги до рівня підготовки фахівця в галузі прогнозування для роботи з ПЗ (якщо таке взагалі припустимо для фахівця в цій області).
- Не потрібно багато часу на вивчення пакета для початку роботи з ним (близько 1 години).
Недоліками є:
- В описі системи наведені великі обсяги інформації про принципи побудови статистичних моделей, сутності методу Бокса-Дженкінса і безліч відомостей з підручника з статистики, але відсутня інформація про причини вибору розробниками ПЗ саме моделі Бокса-Дженкінса для системи прогнозування в пакеті. p> - Надлишкова вимогливість до зібраних (підготовлюються) для аналізу даними, яка пояснюється сутністю застосовуваної в ПЗ моделі Бокса-Дженкінса. Модель передбачає для коректного прогнозу не менше 30 спостережень.
Недоліками всіх перерахованих вище програмних продуктів є їх висока вартість, а багато Киргизстанські підприємства і установи не можуть їх придбати.
Огляд і аналіз існуючих методів прогнозування
Залежно від поставлених завдань і необхідних результатів використовуються різні методи прогнозування. Виділяють методи короткострокового і середньострокового прогнозування:
В· Методи короткострокового прогнозування застосовуються в тих випадках коли:
1) частота даних за аналізований період не більше року (тижневі, місячні, квартальні і т. п.);
2) прогноз робиться для конкретного об'єкта окремо і послідовно на кожен наступний момент часу;
3) прогнози будуються для великого числа об'єктів;
4) якщо прогноз складається для конкретного товару або ринкового продукту, у завдання прогнозування також входить: а) аналіз попиту з метою вироблення політики в сфері управління запасами і виробництвом відповідного товару, б) аналіз продажів з метою впорядкування торгових операцій.
Очевидно, для подібного роду застосувань прогностичні методи і моделі (або набір моделей) повинні бути:
1) легкими у зверненні - в сенсі обчислень і витрат, пов'язаних із зберіганням інформації;
2) гнучкими і тому допускають для найширшого кола об'єктів застосування різного набору пов'язаних між собою типів прогностичних моделей, ефективно працюють в самих різних ситуаціях;
3) досить повно автоматизованими і вимагають по можливості мінімального втручання людини;
4) досить обгрунтованими в науковому сенсі, реалізованими у вигляді програм на ЕОМ.
В· Середньострокове прогнозування, як правило, доцільно у випадках, коли:
1) маються щорічні дані і їх можна взяти з офіційних джерел;
2) прогнози є одноразовими, тобто не повторюються і не підправляються (адаптуються) з надходженням нових даних;
3) прогнози здійснюються для часових рядів щодо малої довжини;
4) прогнозується, наприклад, динаміка не окремого об'єкта або попиту на деякий товар, а процесу, що має спільну природу, такого, як обсяг капіталовкладень, прибутку або суми продажів на деякій ринку товарів.
В· Адаптивне прогнозування.
Необхідність в тому, щоб прогнози були чутливими до змін даних, очевидна. Більш чутливий прогноз, в кінцевому рахунку, призведе і до меншої різниці між прогнозованим і фактичним значеннями, а значить, точність буде вище. Інша вимога, за яким прогноз повинен бути малочувствітелен в умовах стійкості (малого зміни даних), не так очевидно, оскільки в цьому випадку і високо - і низькочутливих прогноз призведе приблизно до одних і тих же призначень.
Перші адаптивні моделі були розроблені на початку 50-х років XX століття [1]. В їх основі лежить метод експоненціального згладжування, запропонований Р.Г. Брауном. Надалі в розвиток і вдосконалення методів адаптивного прогнозування великий внесок внесли Р. Вейд, Д. Мат, Дж. Бокс, Г. Дженкінс, П. Харрісон, Д. Вард, Г. Тейл, С. Вейдж, Р. Маркланд, П.Р.Уінтерс, Р.Ф. Майер, Й. А Мюллер, Д. Трігг, А. Ліч, М.Л. Шоун, У. Чоу, С. Роберті, Р. Рід, А. Рао, А. Шапіро, Ю.П. Лукашин, Є.М. Левитський, А.Г. Іваненко, А.А. Френкель, Є.М. Четиркін, В.В. Венсел. p> система прогнозування попит
Вибір та обгрунтування інструментального програмного засобу, який використовується при вирішенні завдання
Для реалізації поставленого завдання необхідно засіб, який дозволить розробити систему зручну і потужну, а також модифікуються і відповідає сучасним вимогам до програмному забезпеченню.
Для розробки системи прогнозування я вибрав інструментальний засіб розробки Microsoft Visual Studio 2008 (мова С #), Microsoft Access 2003. Microsoft Visual Studio 2008 є об'єктно-орієнтованим засобом розробки клієнт - се...
