Совершенствование информационной системы бизнес-процесса «Маркетинг» предприятия ООО «Юнипроф-16»

Выпускная квалификационная работа, охватывающая реинжиниринг бизнес-процессов, прогнозирование, разработку программного продукта для интеграции MS Excel с 1С. ...

ОГЛАВЛЕНИЕ
ПЕРЕЧЕНЬ ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ 3
ВВЕДЕНИЕ 4
1 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ЭКОНОМЕТРИЧЕСКОГО ПРОГНОЗИРОВАНИЯ 6
1.1 Основные понятия 6
1.2 Основные виды уравнений регрессии 9
1.3 Оценка значимости уравнения регресии 10
1.4 Автокорреляция остатков. Критерий Дарбина–Уотсона 11
1.5 Выбор формы уравнения регрессии 12
1.6 Множественная регрессия 13
1.7 Метод разности средних 15
1.8 Метод Фостера-Стюарта 16
1.9 Метод «пиков» и «ям» 17
1.10 Экспоненциальное сглаживание 18
1.11 Сезонная корректировка X-11 (метод Census II) 19
2 ПРЕДПРОЕКТНЫЙ АНАЛИЗ ПРЕДПРИЯТИЯ ООО «ЮНИПРОФ-16» 21
2.1 Анализ деятельности предприятия 21
2.1.1 Наименование и реквизиты предприятия 21
2.1.2 Виды деятельности предприятия ООО «Юнипроф-16» 21
2.1.3 Услуги предприятия ООО «Юнипроф-16» 22
2.1.4 Анализ экономических показателей предприятия ООО «Юнипроф-16» 23
2.1.5 Организационная структура и характеристика трудовых ресурсов 24
2.2 Анализ состава и информационных связей бизнес процесса «Маркетинг» 25
2.2.1 Состав и структура действующей ИС и ее сегментов. 25
2.2.2 Состав бизнес процесса «Маркетинг» предприятия ООО «Юнипроф-16». 31
2.2.3 Организационно-логическая сущность решения бизнес процесса «Маркетинг» 31
2.2.4 Схема информационных связей бизнес-процесса«Маркетинг». 32
2.2.5 Таблица потоков информационных связей бизнес процесса «Маркетинг» 32
2.3 Актуальные проблемы предприятия ООО «Юнипроф-16» 35
2.4 Постановка задачи 35
3 РЕИНЖИНИРИНГ БИЗНЕС-ПРОЦЕССОВ ПРЕДПРИЯТИЯ ООО «ЮНИПРОФ-16» 36
3.1 Бизнес-процессы и их описание предприятия ООО «Юнипроф-16» 36
3.2 Состав бизнес процесса «Маркетинг» предприятия ООО «Юнипроф-16». 40
3.3 Таблица потоков информационных связей задачи «Прогнозирование основных факторов влияющих на бизнес процесс «Маркетинг» 42
3.4 Организационно-логическая сущность решения группы задач «Прогнозирование основных факторов влияющих на бизнес процесс «Маркетинг» 50
3.5 Алгоритм решения бизнес задачи «Прогнозирование объемов оказываемых услуг предприятием ООО «Юнипроф-16» 51
3.6 Схема информационных связей группы задач«Прогнозирование основных факторов влияющих на бизнес процесс «Маркетинг»». 52
3.7 Диаграмма исполнителей группы бизнес-задач прогнозирования основных факторов влияющих на бизнес процесс «Маркетинг» 53
3.8 Показатели эффективности бизнес-процессов 53
4 АНАЛИЗ ВЛИЯНИЯ ВНЕШНИХ ФАКТОРОВ НА ОБЪЕМ ОКАЗЫВАЕМЫХ УСЛУГ, ПРОГНОЗИРОВАНИЕ ДИНАМИКИ ИХ ИЗМЕНЕНИЯ 56
4.1 Исследуемый показатель 56
4.2 Отбор внешних факторов, влияющих на объем оказываемых предприятием услуг 58
4.2.1 Анализ динамики изменения входных данных 60
4.2.2 Корреляционный анализ факторов 63
4.3 Множественная регрессия 66
4.3.1 Множественная линейная регрессия 66
4.3.2 Множественная нелинейная регрессия 68
4.3.3 Спецификация множественной регрессии. 69
4.4 Прогнозирование динамики изменения факторов и прогнозируемой величины 72
4.4.1 Прогнозирование динамики изменения курса доллара 72
4.4.2 Прогнозирование динамики изменения стоимости композитных панелей 78
4.4.3 Прогнозирование динамики изменения объемов оказываемых услуг предприятием ООО «Юнипроф-16» 86
4.4.4 Прогноз динамики изменений объема оказываемых услуг предприятием ООО «Юнипроф-16» при помощи моделей ARIMA 89
4.5 Интеграция пакета «Statistica»с платформой 1С 8.2 91
4.6 Обоснование экономической эффективности внедрения проекта на предприятие ООО «Юнипроф-16» 96
4.6.1 Состав задач и организационные диаграммы проекта 96
4.6.2 Расчет затрат на разработку программного обеспечения подпроцесса «Прогнозирование объемов оказываемых услуг» 119
4.6.3 График окупаемости «Прогноза объемов продаж» интегрированного с базой данных 1С 120
ЗАКЛЮЧЕНИЕ 123
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 125
ПРИЛОЖЕНИЕ A 128
ПРИЛОЖЕНИЕ Б 150
ПРИЛОЖЕНИЕ В …………………………………………………………….. 152
ПРИЛОЖЕНИЕ Г …………………………………………………………….. 166

В современных рыночных условиях крайне важно осуществлять маркетинговую деятельность, т.к. она включает в себя важные аспекты, которые способствуют продвижению продукции что приводит к увеличению прибыли, планированию объемов работ, реализации задач PR , рекламы и т.д.
Актуальность исследования заключается в необходимости совершенствования БП «Маркетинг». Результаты решения задач данного бизнес-процесса используются впоследствии задачами других деловых процессов, т.к. бизнес-процесс является одним из определяющих в развитии и увеличении прибыли предприятия.
Объектом исследования выступает предприятие ООО «Юнипроф-16» основной деятельностью, которого является облицовка внешних фасадов зданий композитными панелями.
В качестве предмета исследования рассматривается система маркетинговой деятел ьности предприятия ООО «Юнипроф-16».
Целью исследования является совершенствование маркетинговой деятельности предприятия и прогнозирование объемов оказываемых работ ООО “Юнипроф-16”.

Эти данные представлены в таблице 4.2:Таблица 4.2 - Внешние факторы, «вероятно» определяющих количественное изменение объема оказываемых услугДатаКурс доллара (По соотношению к рублю)Коэффициент ежемесячной инфляцииСтоимость топливаСтоимость копозитных панелей (за кв.м)Количество занятых на предприятии рабочихЦена керамической плитки (руб. за кв.м)Цена утеплительного материала (руб за кв.м)Апрель 201228,00140,3126,23706,830480210Май 201230,97580,5226,50722,230480210Июнь 201232,68450,8926,6989030480210Июль 201232,79081,2326,6989830480210Август 201231,60110,126,68722,130480210Сентябрь 201231,81810,5526,92722,930480210Октябрь 201230,94930,4627,53712,130480210Ноябрь 201231,71840,34[28]27,7976230480240Декабрь 201230,60920,5427,0572131480240Январь 201331,33990,9727,7987631480240Февраль 201332,11390,5628,0288231480240Март 201330,01060,3428,1581933480240Продолжение таблицы 4.2ДатаКурс доллара (По соотношению к рублю)Коэффициент ежемесячной инфляцииСтоимость топливаСтоимость копозитных панелей (за кв.м)Количество занятых на предприятии рабочихЦена керамической плитки (руб. за кв.м)Цена утеплительного материала (руб за кв.м)Апрель 201330,45120,5128,2719,533500240Май 201331,20660,6628,13758,733500240Июнь 201331,80290,4228,07769,435500240Июль 201332,54170,8228,01819,235500240Август 201333,94210,1428,5858,935500240Сентябрь 201332,29070,2129,46819,134500240Октябрь 201331,25610,5729,08790,727500270Ноябрь 201332,68070,5629,53817,630500270Декабрь 201335,86580,5129,4283630500270Январь 201433,00130,5929,22819,730500270Февраль 201434,25590,729,3282330500270Март 201436,93911,0229,7839,228500270Апрель 201436,08130,930,12827,922740270Май 201434,77940,930,3182622740290Июнь 201434,56540,6230,5182222740290Июль 201434,38530,4931,16821,222740290Август 201436,00140,2431,7282622740290Сентябрь 201438,00580,6532,2488021740290Октябрь 201440,74570,8232,7388820740290Ноябрь 201447,33291,2833,0489620800290Декабрь 201461,15122,6232,74102322800330Январь 201565,17383,8532,56150022800330Февраль 201562,66322,2232,08128020800330Март 201562,14971,2132,12117520800330Апрель 201549,60490,4632,12107020800330Рисунок 4.2– Динамика изменения курса доллараРисунок 4.3Динамикаизмененияежемесячного коэффициента инфляцииРисунок 4.4- Динамика изменения цены на топливоРисунок 4.5- Динамика изменения цены на композитные панелиРисунок 4.6- Динамика изменения количества занятых на предприятии рабочихРисунок 4.7-Динамика изменения стоимости на керамическую плиткуРисунок 4.8- Динамика изменения средней стоимости на утеплительные материалКорреляционный анализ факторовЗадачей корреляционного анализа является определение количественной характеристики тесноты связи между двумя признаками, то есть величины коэффициента корреляции.Для того чтобы построить парную регрессию, необходимо выявить те признаки-факторы, которые в большей степени влияют на результирующий фактор. Для отбора признаков-факторов рассчитываются линейные коэффициенты парной корреляции между результирующим признаком и каждым объясняющим фактором. Расчет данного параметра позволит на начальных этапах исключить те факторы, которые незначительно влияют на результативный признак, либо не влияют вообще. Парная регрессия будет строиться только на основании тех факторов, которые имеют сильное влияние на результативный признак.Перечислим имеющиеся факторы:Y – объем оказываемых услуг (м2);X1 – курс доллара (руб.);X2 – коэффициент инфляции;X3 – цена на топливо (руб.);X4 – стоимость композитных панелей (руб. за м2);X5 – количество рабочих занятых на предприятии (чел.);X6 – стоимость керамогранитной плитки (руб. за м2);X7 – средняя стоимость утеплительного материала (руб. за м2).Для выбора факторных признаков, имеющих наибольшее влияние на прогнозируемый показатель, рассчитываем матрицу линейных коэффициентов парной корреляции.Таблица 4.3 - Значение коэффициентов корреляции и их интерпретацияКоэффициент корреляцииЗначениеЗначимостьИнтерпретацияY – объем оказываемых услугryx1-0,35ЗначимУмеренная обратная линейная зависимость между курсом доллара и объемом оказываемых услуг – при увеличении курса доллараобъем оказываемых работ, снижается.ryx2-0,45ЗначимУмеренная обратная линейная зависимость между коэффициентом инфляции и объемом оказываемых услуг – при увеличении коэффициента инфляции объем оказываемых услуг снижается.ryx3-0,01Не значимryx4-0,37ЗначимУмеренная обратная линейная зависимость между стоимостью композитной плиты и объемом оказываемых услуг – при увеличении стоимости композита объем оказываемых услуг снижается.ryx5- 0,02Не значимryx6-0,03Не значимryx70,04Не значимПроизведем анализ частных коэффициентов корреляции:Таблица 4.4 – Таблица частных коэффициентов корреляцииКоэффициент корреляцииЗначениеЗначимостьryx1/x2,x3,x4,x5,x6,x7-0,44значимryx2/x1,x3,x4,x5,x6,x7-0,23незначимryx3/x1,x2,x4,x5,x6,x7-0,49значимryx4/x1,x2,x3,x5,x6,x70,42значимryx5/x1,x2,x3,x4x6,x7-0,75значимryx6/x1,x2,x3,x4,x5,x7-0,08не значимryx7/x1,x2,x3,x4,x5,x6-0,10не значимrx1x3/y,x2,x4,x5,x6,x70,01незначимrx3x4/y,x1,x2,x5,x6,x7-0,08не значимrx4x5/y,x1,x2,x3,x6,x70,22не значимrx1x2/y,x3,x4,x5,x6,x70,45значимrx2x4/y,x2,x3,x4,x6,x7-0,46значимrx1x4/y,x1,x3,x4,x6,x7-0,31не значимВ результате корреляционного анализа выявлены следующие пары значений, имеющие наибольший коэффициент корреляции:Yиx1 (ryx1= -0,35);Yиx2 (ryx2= -0,45);Yиx4 (ryx5= -0,37);Но поскольку выявлена зависимость между фактором X1 иX2: rx1,x2/ y,x3,x4,x5,x6,x7=0,45, то следует выбрать один из этих факторов. Т.к. не значимый частный коэффициент корреляции получили между фактором X1 и X4, rx1,x4/ y,x2,x3,x5,x6,x7=-0,31то в дальнейшем будем использовать эту пару факторов.Обратная связь прогнозируемого фактора с курсом доллара обуславливается, тем что с увеличением курса доллара происходит повышение цен на входные материалы.Обратная связь прогнозируемого фактора со стоимостью входного материала – композитные панели, связана с тем, что с увеличением стоимости входных материалов происходит увеличение себестоимости оказываемых услуг.Множественная регрессияМножественная регрессия отличается от парной тем, что на зависимую случайную переменную (результирующий показатель) воздействуют одновременно независимых факторов . Уравнение множественной регрессии имеет вид: .Множественная регрессия отдельно рассматривает только два вида зависимостей: линейную и нелинейную. Они отличаются только алгоритмами построения уравнений регрессии. Общим для них является способ выбора из заданного множества факторов попарно независимых.Множественная линейная регрессияМножественная линейная регрессия является простейшим формой множественной зависимости. Ее уравнение записывается в виде:y=a0+a1x1+a2x2+…+anxn STYLEREF 1 \s 4. SEQ Формула \* ARABIC \s 1 1где y – результирующий показатель (зависимая переменная), xj(j=1;n)независимый фактор.Таблица 4.5–Таблица значений коэффициентов корреляцииBetaStd.Err.BStd.Err.t(34)p-levelIntercept1822,339213,70298,527440,000000Х1-0,8635600,138496-19,7383,1655-6,235270,000000Х4-0,8549370,138496-24,5703,9803-6,173010,000001Полученное уравнение линейной регрессии имеет вид:Y=1822,339-19,738*Х1-24,570*Х4Таблица 4.6 - Таблица коэффициетов значимости моделиValueMultiple R0,7651Multiple R?0,5854Adjusted R?0,5610F(2,34)24,0059p0,0000Std.Err. ofEstimate151,8306Значимость уравнения и модели в целом можно оценивать по некоторым критериям, например таким как t-критерия Стьюдента, равного для полученного уравнения tрасч=8,527, tрасч=2,03, т.еtрасч>tрасч-нулевая гипотеза отвергается, уравнение значимо.Так же оценка производиться при помощи F-критерий Фишера, где необходимо сравнить полученное значение с табличным, и получаем следующий результат: Fтабл=2,72, Fфакт=24,0059, т.е.Fтабл<Fфактзначит модель в целом статистически значима.Можно, используя значение уровня значимости p для отдельныхкоэффициентов регрессииa0,a1,a2выяснить, насколько значимой является влияние той или иной переменной xна параметр yпри условии, что все другие факторы xjостаются неизменными. Проанализировав значения уровней значимости для каждого параметра, можно сказать, что все параметры a0,a1,a2 являются значимыми.Параметр a1=19,738показывает, что объем оказываемых услуг в среднем снижается на 20%, при увеличении курса доллара на 1% при условии, что цена на композитные панели остается неизменной. Параметр a2=24,570 показывает, что объем оказываемых услуг в среднем снижаетсяна24,6%, при увеличении стоимости композитных панелей на 1% при условии, что курс доллара остается прежним. Параметрa0=1822,339 экономически не интерпретируется, посколькуX1– курс доллара, и X4–стоимость композитных панелей не могут быть равными нулю. Поэтому, будем полагать, что параметр a0 включает в себя неучтенные в модели факторы, влияющие на объем оказываемых услуг.Сравнивая модули значений бета-коэффициентов, которые равны:X1=-0,86X5=-0,85можно сделать вывод, что сила влияния курса доллара и количества рабочих на предприятии на объем оказываемых услуг в общем случае одинакова.На основании значения коэффициента множественной регрессииR=0,7651 делается вывод, что зависимость объема оказываемых услуг от курса доллара, коэффициента инфляции и количества рабочих на предприятии характеризуется как довольно высокая, в которой 76,5% вариации объема реализации определяется вариацией данных факторов. Прочие факторы, не включенные в модель, составляют соответственно 23,5%.Для оценки качества и адекватности построенного уравнения регрессии проанализирован коэффициент детерминацииR2=0,5854. Он характеризует долю вариации объема оказываемых услуг, обусловленной регрессией и изменчивостью объясняющих факторов. Коэффициент детерминации достаточно близок к единице, значит, регрессия достаточно хорошо описывает зависимость между объемом оказываемых услуг и внешними факторами. Также для проверки качества и значимости построенного уравнения в целом использовали значение уровня значимостиp. Он показал, что уравнение в целом значимое.Положительная автокорреляция не была обнаружена об этом можно судить по критерию Дарбина-Уотсона который равен в данном случае равен 1,374, он не достаточно близок к значению 2, поэтому не позволяет говорить об адекватности построенной модели.Множественная нелинейная регрессияСоотношение между социально-экономическими явлениями и процессами далеко не всегда можно выразить линейными функциями, так как при этом могут возникать неоправданно большие ошибки. Для оценки параметров нелинейных моделей используется подход линеаризации модели. Он заключается в том, что с помощью подходящих преобразований исходных переменных исследуемую зависимость представляют в виде линейного соотношения между преобразованными переменными.Для выбора уравнения регрессии построили различные виды нелинейных зависимостей, определили неизвестные параметры и показатели необходимые для выбора формы уравнения регрессии:Экспоненциальная зависимость:Y=-1954,7+e8,383164-0,008817*x1-0,010497*x4Гиперболическая зависимость:Y=1005,55+1032,09*1X1-1092,67*1X4Степенная зависимость:Y=17,96547*x1-2,90084*x4-1,96479Логарифмическая зависимость:Y=6626,242-996,857*LnX1-801,713*Ln X4Полиномиальная зависимость:Y=10,07148- 0,22976*X1-0,33467*X4+0,005470*X1* X4+0,00234*X12+0,00528*X42Спецификация множественной регрессии.В данном разделе представлены коэффициенты значимости полученных регрессионных зависимостей и для удобства сравнения и анализа представлены в таблице спецификации множественной регрессии:Таблица 4.7 – Спецификация множественной регрессии№Уравнения регрессионной моделиПараметрыЗначимость параметровr или ηЗначимость r или ηδ %ТочностьЗначимость уравненияDWАвтокорреляция1Линейная модельa=1822,339значим0,7651значим0,0760%высокаязначимо1,374Не определеноa1=-19,738значимa2=-24,570значим2Гиперболическая модельa=-1905,55значим0,791значим0,0837%высокаязначимо1,831Автокорреляция отсутствуетb=47932,09значимс=25192,67значим3Степенная модельa=17,96547значим0,759значим0,0768%высокаязначимо1,3057Не определеноb=-2,90084незначимс=-1,96479незначим4Логарифмическая модельa=6626,242значим0,778значим0,0770%высокаязначимо1,2978Не определеноb=-996,857значимс=-801,713значим5Экспоненциальная модельa=8,383164значим0,765значим0,0748%высокаязначимо1,3271Не определенноb=-0,008817незначимс=-0,010497незначимПродолжение таблицы 4.7№Уравнения регрессионной моделиПараметрыЗначимость параметровr или ηЗначимость r или ηδ %ТочностьЗначимость уравненияDWАвтокорреляция№6Полиномиальная зависимостьa=10,07148значим0,7078значим0,0757%высокаязначимо1,1386Положительная автокорреляцияb=-0,22976незначимc=-0,33467незначимd=0,005470незначимe=0,00234незначимf=0,00528незначимВыбирается гиперболическая регрессия, поскольку именно у этой модели все коэффициенты уравнения, корреляционное отношение и в целом уравнение значимы, отсутствует автокорреляция и коэффициент аппроксимации достаточно мал. Таким образом, модель множественной регрессии имеет вид:Y=1005,55+1032,09*1X1-1092,67*1X4Прогнозирование динамики изменения факторов и прогнозируемой величиныПрогнозирование динамики изменения курса доллараОпределение наличия тенденции развития курса доллараДля определения наличия тенденции развития фактора произведем анализ при помощи метода Фостера-Стьюарта, поскольку метод разности средних не чувствителен к слабопроявляющимся тенденциям:Таблица 4.8 – Метод Фостера-СтьюартаКурс доллара(по отношению к рублю)UtVtwtdt28,001430,9758101132,6845101132,7908101131,6011011-131,8181101130,9493011-131,7184101130,6092011-131,3399101132,1139101130,0106011-130,4512101131,2066101131,8029101132,5417101133,94211011Продолжение таблица 4.8Курс доллара (по отношению к рублю)UtVtwtdt34,2559101136,9391101136,0813011-134,7794011-134,5654011-134,3853011-136,0014101138,0058101140,7457101147,3329101161,1512101165,1738101162,6632011-162,1497011-149,6049011-132,2907011-131,2561011-132,6807101135,8658101133,0013011-1Далее для определения тенденции необходимо вычислить tрасч и сравнить его с табличным значением t-критерия Стьюдента:tрасчдля D получили равное 3,162055;tрасчдля W получили равное 14,92036;Оба результата больше табличных критических значений t-критерия Стьюдента (tтеор=2,03425), следовательно гипотезы об отсутствии тенденции развития средних и в дисперсии отвергаются, т.е. тренд средней есть, но присутствует сезонная составляющая, которую следует выделить из временного ряда.Метод Фостера-Стьюарта доказывает наличие тенденции курса доллара, то есть дальнейший анализ временного ряда возможен.Выявление аномальных уровней рядаМетодом Ирвина необходимо провести предварительный анализ временных рядов экономических показателей. Выявить и устранить аномальные значения уровней, обязательно определить причины их возникновения. Аномальный уровень – это отдельное значение уровня временного ряда, которое не отвечает потенциальным возможностям исследуемой экономической системы, однако, оставаясь во временном ряду, оказывает существенное влияние на основные характеристики ряда и на трендовую модель. Причинами аномальных наблюдений могут быть ошибки первого рода (ошибки при агрегировании показателей, при передаче информации и др.) и ошибки второго рода (связаны с возникновением аномальных уровней из-за воздействия факторов, имеющих объективный характер, но проявляющихся эпизодически, редко).Таблица 4.9 - Метод Ирвина. Выявление аномальных уровнейДатаY(y-ycp)^2λtλαАномальный уровень?апр.1228,001483,17208304--неаномальныймай.1230,975837,766838060,0295888370,853975049неаномальныйиюн.1232,684519,684954410,0169978640,853975049неаномальныйиюл.1232,790818,752996170,0010574550,853975049неаномальныйавг.1231,601130,472309650,0118349380,853975049неаномальныйсен.1231,818128,123643580,002158680,853975049неаномальныйокт.1230,949338,093250380,0086426780,853975049неаномальныйноя.1231,718429,191036360,0076508790,853975049неаномальныйдек.1230,609242,407094410,0110341370,853975049неаномальныйянв.1331,339933,424273450,0072688820,853975049неаномальныйфев.1332,113925,073784090,0076996230,853975049неаномальныймар.1330,010650,561670130,0209232790,853975049неаномальныйапр.1330,451244,489873460,0043830160,853975049неаномальныймай.1331,206634,983356380,0075145940,853975049неаномальныйиюн.1331,802928,285091080,0059318930,853975049неаномальныйиюл.1332,541720,972488610,007349460,853975049неаномальныйавг.1333,942110,107140790,0139309470,853975049неаномальныйсен.1332,290723,334435250,0164278530,853975049неаномальныйокт.1331,256134,4002540,0102920290,853975049неаномальныйноя.1332,680719,718688330,0141716840,853975049неаномальныйдек.1335,86581,5762123860,0316848460,853975049неаномальныйПродолжение таблицы 4.9ДатаY(y-ycp)^2λtλαАномальный уровень?янв.1433,001316,97417730,028495570,853975049неаномальныйфев.1434,25598,2103622740,0124805520,853975049неаномальныймар.1436,93910,0331869920,0266920280,853975049неаномальныйапр.1436,08131,0815437850,0085332520,853975049неаномальныймай.1434,77945,4843690220,0129510850,853975049неаномальныйиюн.1434,56546,5324866540,0021288360,853975049неаномальныйиюл.1434,38537,4855481090,0017916050,853975049неаномальныйавг.1436,00141,2541154760,0160766940,853975049неаномальныйсен.1438,00580,7823880620,0199394380,853975049неаномальныйокт.1440,745713,136471270,027256070,853975049неаномальныйноя.1447,3329104,27732650,0655283720,853975049неаномальныйдек.1461,1512577,43739290,1374621540,853975049неаномальныйянв.1565,1738786,94427260,0400161570,853975049неаномальныйфев.1562,6632652,39003630,0249750320,853975049неаномальныймар.1562,1497626,42215940,0051082130,853975049неаномальныйапр.1549,6049155,84094370,1247935870,853975049неаномальныйАнализ показал, что ряд не имеет аномальный уровней.Анализ наличия и моделирования сезонных колебанийПроверим временной ряд на наличие сезонной (циклической) компоненты, для этого будем использовать критерий «пиков и ям» и метод поворотных точек. Получили следующие значения:Число экстремальных точекp=15;Мат. ожиданиеMp=23,33;Очевидно, что значения p иM(p)сильно отличаются, следовательно, принимаем гипотезу о наличии периодической составляющей.По методу поворотных точек получили следующие значения:Общее число поворотных точекp=15;Мат. ожидание Mp=23,33;Дисперсия σp2=16*n-2990=6,26;p-1,96*σp2=18,43116Т.к. p=15<p-1,96*σp2=18,43116, то гипотеза о случайности ряда отклоняется. Ряд имеет периодическую компоненту.Применения методов сезонной декомпозиции и методов экспоненциального сглаживание для прогноза динамики изменения курса доллараПроведен анализ и построение прогноза курса доллара. Данные по курсу доллара содержат месячные показатели в руб., начиная с апреля 2012 г. и заканчивая апрелем 2015 г.Рисунок 4.9 – Динамика изменения курса доллараКак видно на графике изменения динамики, курс доллара находился приблизительно на одном уровне, с относительно небольшими колебаниями до августа 2014 года, затем начал стремительно расти, а в январе 2015 года зафиксировано максимальное значение, равное 65,1738 руб. Далее курс доллара имеет тенденцию к снижению, что связано со стабилизацией экономического положения с стране.Для построения графиков использовались два метода: метод Census X 11 для выделения тренд-циклической и сезонной компонент и метод Экспоненциального сглаживания для построения прогноза тренд-циклической компоненты.\sРисунок 4.10 – График тренд-циклической компоненты.Для исключения сезонной составляющей был использован метод экспоненциального сглаживания:Рисунок 4.11 – Экспоненциальное сглаживаниеНа основе полученного линейного тренда X1t=24,06483+0,68718*T получаем прогнозные значения:Таблица 4.10- Таблица предсказанных значенийДатаНижний пределПредсказанное значениеВерхний пределМай 201545,2817849,8341354,38647Июнь 201545,7831850,5213155,25944Июль 201546,2823651,2084956,13462Август 201546,7795751,8956757,01178Сентябрь 201547,2750252,5828557,89069Октябрь 201547,7689053,2700458,77117Представим график предсказанных значений: Рисунок 4.