Эксоцман
на главную поиск contacts
В разделе собрана информация о статьях по экономике, социологии и менеджменту. Во многих случаях приводятся полные тексты статей. (подробнее...)

Journal of Marketing Research (JMR)

Выпуски:
Опубликовано на портале: 04-12-2003
Shiv G. Kapoor Journal of Marketing Research (JMR). 1981.  Vol. 18. No. 1. P. 94-101. 
Получение точных прогнозов продаж для выбора правильной стратегии является важной проблемой в маркетинге. При прогнозировании спроса в начале 1980-х годов использовались в основном статичные методы типа регрессионного или корреляционного анализа. Подобные методы игнорируют динамический характер и память анализируемых процессов и подходят к данным, которые, как правило, представляют собой временные ряды, как к независимым наблюдениям. При таком подходе серийная или автокорреляция, присутствующая в таких данных, искажает результаты анализа, маскирует настоящую природу взаимосвязи между анализируемыми переменными и увеличивает ошибку прогноза. Популярной методикой, не требующей наличия независимых наблюдений, является техника экспоненциального сглаживания (exponential smoothing). Однако эта методика слишком примитивна и к тому же не учитывает теорию правильного выбора сглаживающего фактора (weight factor). Идеальным решением при наличии автокоррелированных данных является использование в маркетинге методов анализа временных рядов. Преимущество применения этих методов над другими эконометрическими методами при прогнозировании спроса и продаж было продемонстрировано в работе Geurts and Ibranim (1975). Большинство разработок в области анализа временных рядов используют подход Бокса-Дженкинса (Box-Jenkins approach, т.е. ARIMA), согласно которому сезонность в данных моделируется при помощи стохастического оператора разности в форме (1 - Bs). Однако в ряде случаев, особенно, когда сезонность в данных не является однородной, использование подобного оператора не эффективно. Цель данной работы – продемонстрировать альтернативный подход к анализу временных рядов в применении к реальной ситуации в бизнесе. Согласно предлагаемому автором подходу нестохастическая часть вариации в данных моделируется с помощью детерминистской функции. Данный подход отличается от подхода Бокса и Дженкинса как по своей философии, так и по стратегии моделирования. В статье анализируется временной ряд, содержащий данные о продажах продуктовой линейки потребительских товаров. Описывается методология анализа нестационарных временных рядов, демонстрируется применение данной методологии для прогноза спроса на потребительские продукты.
ресурс содержит гиперссылку на сайт, на котором можно найти дополнительную информацию