Прогнозирование сегмента автомобильного рынка на примере Московского региона

Окатьев Константин Викторович

Москва 2009

1. Разработка процедур и инструментария прогнозирования

Автомобильный рынок, в силу своей специфичности, является очень динамичным, поэтому, для проведения оценки первоначального состояния автомобильного сегмента на определенный период времени и построения дальнейшего прогноза развития могут быть использованы различные экономические методики, процедуры и инструменты.

В свете мирового финансово-экономического кризиса, построение прогнозов в автомобильном секторе приобретает огромную актуальность.

По мере развития экономического кризиса у участников рынка возрастает необходимость в получении как можно более полной и достоверной информации, с тем, чтобы все предпринимаемые шаги были тщательно взвешены и делались с открытыми глазами. Растут требования к регулярности и стабильности получения информации. Оперативность получения информации о происходящих на рынке изменениях становится более важной. Своевременность получения такой информации позволяет корректировать планы и повышать эффективность маркетинговых мероприятий.

В качестве первоначального инструмента прогнозирования автомобильного сегмента рынка может быть рассмотрен обзор автомобильных рынков зарубежных стран, включающий регистрацию автомобилей в странах Европы и продажи автомобилей по брендам. Это позволяет прогнозировать возможное развитие ситуации в нашей стране и общее состояние тех или иных автопроизводителей.

Обзор основных событий на автомобильном рынке России позволяет исследовать причины, влияющие на те, или иные происходящие на нем процессы, а также позволяет спрогнозировать возможные процессы. В этом случае, следует рассматривать структуру рынка с раскладкой по маркам и моделям в динамике, а также

группировку по классам и типам автомобилей, что позволит оперативно отслеживать потребительские предпочтения и тренды их изменений.

Точность составления прогнозов будет зависеть от количества и качества учтенных факторов внешней и внутренней экономической среды. Конечно же, построить абсолютно достоверный прогноз невозможно. Однако, рассматривая максимально широкий круг факторов, возможно построить прогноз с определенной долей вероятности, наиболее близкой к реальной ситуации.

Среди основных факторов выделяют:

Ситуация на мировых автомобильных рынках;

Основные события на автомобильном рынке России;

Ключевые макроэкономические показатели;

Динамика продаж новых автомобилей;

Динамика продаж автомобилей с пробегом;

Изменение марочной структуры рынка;

Изменение модельной структуры рынка;

Динамика и структура импорта легковых автомобилей;

Обзор ценовой политики основных участников рынка.

Рассматривая мировую практику прогнозирования автомобильного рынка можно выделить два основных метода - технический и фундаментальный анализ. Технический анализ основывается на значениях продаж предыдущих периодов. На основании этих данных строится прогноз статистическими методами: выделяются сезонный и календарный факторы, тренды, циклы и пр.

Для построения наиболее точных и качественных прогнозов, западными маркетологами используются все современные методы математической статистики. Для простых случаев обычно используется метод ARIMA(Autoregressive integrated moving average), основанная на методологии Бокса-Женкинса.[1] Для более сложных, - хорошо зарекомендовали себя методы прогнозирования на базе теории хаоса, волн Эллиотта, нейронных сетей и прочего.

Для установления возможности применения асимптотических результатов при конечных (т. н. «малых») объемах выборок полезны компьютерные статистические технологии. Они позволяют также строить различные имитационные модели. Отметим полезность методов размножения данных (бутстреп-методов). Системы прогнозирования с интенсивным использованием компьютеров объединяют различные методы прогнозирования в рамках единого автоматизированного рабочего места прогнозиста.

Прогнозирование на основе данных, имеющих нечисловую природу, в частности, прогнозирование качественных признаков основано на результатах статистики нечисловых данных. Весьма перспективными для прогнозирования представляются регрессионный анализ на основе интервальных данных, включающий, в частности, определение и расчет нотны и рационального объема выборки, а также регрессионный анализ нечетких данных.[2] Общая постановка регрессионного анализа в рамках статистики нечисловых данных и ее частные случаи - дисперсионный анализ и дискриминантный анализ, давая единый подход к формально различным методам, полезна при программной реализации современных статистических методов прогнозирования.[3]

Основными процедурами обработки прогностических экспертных оценок являются проверка согласованности, кластер-анализ и нахождение группового мнения. Проверка согласованности мнений экспертов, выраженных ранжировками, проводится с помощью коэффициентов ранговой корреляции Кендалла и Спирмена, коэффициента ранговой конкордации Кендалла и Бэбингтона Смита. Используются параметрические модели парных сравнений - Терстоуна, Бредли-Терри-Льюса - и непараметрические модели теории люсианов.[4] Полезна процедура согласования ранжировок и классификаций путем построения согласующих бинарных отношений. При отсутствии согласованности разбиение мнений экспертов на группы сходных между собой проводят методом