ARIMA – ПРОГНОЗИРОВАНИЕ СПРОСА ПРОИЗВОДСТВЕННОГО ПРЕДПРИЯТИЯ
Аннотация
Каждому предприятию в условиях нестабильной внешней среды необходим контроль и анализ объема продаж. В статье решается практическая задача разработки модели прогнозирования объема спроса по шести товарным группам крупного промышленного предприятия, производителя парфюмерно-косметической и хозяйственно-бытовой продукции в аэрозольной упаковке. Предложен алгоритм прогнозирования спроса на основе ARIMA-моделей с использованием ППП Statistica. По каждой товарной группе получен прогноз по двум моделям с точностью прогнозирования в пределах 80-98%.
Литература
Официальный сайт ПРОФстажировки.
РФ. 2.0 [Электронный ресурс] – Режим доступа:
https://xn--80aeliblxdekein0a.xn--p1ai/
Официальный сайт АО «Арнест» [Электронный ресурс]// https://arnest.ru/uslugi/
Федеральный закон «О коммерческой
тайне» от 29.07.2004 № 98-ФЗ (в ред. Федеральных
законов от 18.04.2018 № 86-ФЗ) [Электронный
ресурс]
Кулин Н.И., Козлов Е.А., Жук Ю.А.
Прогнозирование весеннего половодья рек с использованием методов машинного обучения //
Научно-технический вестник информационных
технологий, механики и оптики. 2021. №1. URL:
https://cyberleninka.ru/article/n/prognozirovanievesennego-polovodya-rek-s-ispolzovaniem-metodovmashinnogo-obucheniya (дата обращения:
04.2021).
Сырцова А. О. Метод прогнозирования
результатов ЕГЭ на основе объединения моделей
ARIMA и нейронной сети моделей ARIMA и
нейронной сети. Скиф. 2019. №5-1 (33). URL:
https://cyberleninka.ru/article/n/metodprognozirovaniya-rezultatov-ege-na-osnoveobedineniya-modeley-arima-i-neyronnoy-seti-modeleyarima-i-neyronnoy-seti (дата обращения: 04.04.2021)
Шалунова М.А. Прогнозирование продаж фармацевтической компании при помощи модели ARIMA. Хроноэкономика. 2018. №3 (11).
URL: https://cyberleninka.ru/article/n/prognozirovanieprodazh-farmatsevticheskoy-kompanii-pri-pomoschimodeli-arima (дата обращения: 04.04.2021).
Боровиков В.П., Боровиков И.П.
Statistica: статистический анализ и обработка данных в среде Windows. Издание 2-е, стереотипное.
М.: Информационно-издательский дом «Филинъ»,
608 с.
Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. М.:
ЮНИТИ. 1998. [Электронный ресурс].
REFERENCES
The official website for the professional
training of the Russian Federation. 2.0 [Electronic resource]//URL: https://xn--80aeliblxdekein0a.xn--p1ai/
Official website of Arnest JSC [Electronic
resource] // https://arnest.ru/uslugi/
Federal Law "On Commercial Secrets" dated July 29, 2004 No. 98-FZ (as amended by Federal
Laws dated April 18, 2018 No. 86-FZ) [Electronic resource]
//http://www.consultant.ru/document/cons_doc_LAW_
Kulin N.I., Kozlov E.A., Zhuk Yu.A.
Forecasting spring flood of rivers using machine learning methods // Scientific and technical bulletin of information technologies, mechanics and optics. 2021.
No. 1.
Syrtsova A.O. Method for predicting USE
results based on combining ARIMA models and a neural network of ARIMA models and a neural network.
Skif. 2019. No. 5-1 (33). URL:
https://cyberleninka.ru/article/n/metodprognozirovaniya-rezultatov-ege-na-osnoveobedineniya-modeley-arima-i-neyronnoy-seti-modeleyarima-i-neyronnoy-seti (date of access : 04.04.2021)
Shalunova M.A. Forecasting sales of a
pharmaceutical company using the ARIMA model //
Chronoeconomics. 2018. N 3 (11). URL:
https://cyberleninka.ru/article/n/prognozirovanieprodazh-farmatsevticheskoy-kompanii-pri-pomoschimodeli-arima (date of access: 04/04/2021).
Borovikov V.P., Borovikov I.P. Statistica:
statistical analysis and data processing in the Windows
environment. M .: Information and publishing house
«Filin», 1998. 608 p.
Ayvazyan S.A., Mkhitaryan V.S. Applied
statistics and foundations of econometrics. M.: UNITI.
[Electronic resource]
