Юнькова, Олена ОлександрівнаYunkova, OlenaКучер, Павло В.Kucher, PavloКучер, Павел В.2022-04-182022-04-182021Юнькова О. О. Моделювання та прогнозування товарних ринків на основі методу декомпозиції / Юнькова О. О., Кучер П. В. // Моделювання та інформаційні системи в економіці : зб. наук. пр. / М-во освіти і науки України, ДВНЗ «Київ. нац. екон. ун-т ім. Вадима Гетьмана» ; редкол.: О. Є. Камінський (голов. ред.) [та ін.]. – Київ : КНЕУ, 2021. – Вип. 101. – С. 182–191.2616-6437https://ir.kneu.edu.ua:443/handle/2010/37257Прогнози становлять значну інформаційну базу для процесу прийняття управлінських рішень. У даній роботі розглянуто процес дослідження та економетричного моделювання продажів різних товарів: два набори даних, що представляють різні снеки, лікарський препарат від грипу та простуди, знеболююче (нестероїдний протизапальний препарат), гель, що застосовуються проти болю в ногах, а також вітамінний комплекс. Часові ряди щодо продажів снеків і гелю представлено місячними даними, а всі інші набори — тижневими даними. Графічний аналіз даних, а також інструментарій перших різниць та автокореляційна функція показали наявність трендової та сезонної складової в даних часових рядах. Метод декомпозиції, який дає змогу виявляти як довгострокові тенденції розвитку процесів, так і виділити сезонні зміни, застосовано для побудови моделей часових рядів. Для реалізації цього методу вибрано середовище R, в якому передбачено широкий спектр послуг, інструментів і пакетів для аналізу даних. У даній роботі проведено аналіз даних і виділено комбінацію трендової та сезонної складової даних часових рядів. Декомпозицію ряду реалізовано методом LOESS (Seasonal Transformation using LOESS — “STL”). Алгоритм STL реалізує основні засади методу декомпозиції, а саме згладжує часові ряди за допомогою LOESS у двох циклах. У внутрішньому циклі виконується згладжування сезонних коливань і згладжування тренду, а зовнішній цикл мінімізує вплив викидів. При цьому у внутрішньому циклі спершу обчислюється сезонна компонента, а після її видалення обчислюється трендова складова. Залишки обчислюються шляхом віднімання сезонного та трендового компононентів із часових рядів. Виділені залишки перевіряються на відповідність нормальному закону розподілу. Всі зазначені кроки автоматично виконуються за допомогою мови R. Результати економетричного моделювання дозволили виявити головні тенденції, а також здійснити прогноз у короткостроковій перспективі. У результаті дослідження розроблено адекватну модель прогнозування для часових рядів, які можуть виникати на різних товарних ринках. Верифікація моделі показала достатню точність і достовірність виконаних на її основі прогнозів, тому її можна застосовувати у подальших дослідженнях для аналізу продажів продуктів різних категорій і прогнозування їхніх майбутніх значень. Forecasts are a significant information base for the management decision-making process. This study examined the process of research and econometric modeling of sales of different products: two sets of data representing different snacks, a drug for flu and colds, painkillers (nonsteroidal antiinflammatory drug), a gel used for pain in legs, as well as a vitamin complex. The periodicity of the time series of snacks and gel was on a monthly basis, all other sets of data had a weekly seasonality. Data analysis was performed and a combination of trend and seasonal components of time series data were identified. Decomposition was performed by the LOESS method (Seasonal Transformation using LOESS — “STL”). The algorithm of STL will realize basic principles of method of decouplig, namely smooths out sentinels rows by means of LOESS in two cycles. Smoothing of seasonal vibrations and smoothing of trend is executed in the inner loop, and an outer loop minimizes influence of extrass. Thus in the inner loop a seasonal component is calculated at first, and after her moving away the constituent of trend is calculated. Bits and pieces are calculated by deduction of seasonal and trend components from sentinel rows. The distinguished bits and pieces are checked for accordance to the normal law of distribution. All these steps are automatically performed using the R language. In addition, the analysis of the allocated balances for compliance with the normal distribution law was performed. Prognostication of future values of indexes will carry out on the basis of the built model. For quality of prognosis control part of data (last periods) is excluded from an analysis, to have the opportunity to check adequacy of the got results when compared to the noticed values. The results of econometric modeling allowed to identify the main trends, as well as to make a forecast in the short term. As a result of the study using the described procedure developed an adequate forecasting model for time series of different product markets, the verification of which showed sufficient accuracy and reliability of forecasts based on it, so it can be used in further research or analysis of products of different categoriesukмоделюваннячасовий рядметод декомпозиції часового рядупрогнозуваннятоварні ринкитрендсезонністьmodelingtime seriestime series decomposition methodforecastingcommodity marketstrendseasonalityArticle519.868:339.92