RUS  ENG
Полная версия
ЖУРНАЛЫ // Вестник Южно-Уральского государственного университета. Серия «Математическое моделирование и программирование» // Архив

Вестн. ЮУрГУ. Сер. Матем. моделирование и программирование, 2015, том 8, выпуск 4, страницы 107–112 (Mi vyuru292)

Краткие сообщения

Income modelling of enterprises on the basic of vector prediction

[Моделирование доходов предприятий на основе методов векторного прогнозирования]

E. N. Gorbatenko, N. N. Manuylov, S. V. Nikiforova

Vladimir branch of the Financial University under the Government of the Russian Federation

Аннотация: В статье предложен новый подход к моделированию доходов предприятий, основанный на методах векторного прогнозирования. Существующие подходы к моделированию доходов базируются на использовании традиционных методов прогнозирования показателей экономической динамики, таких как средний абсолютный прирост и средний темп роста. Традиционным методам свойственна количественная неточность и сильно приближенный характер прогнозов. Авторами предложена экономико-математическая модель задачи планирования доходов предприятий на год вперед поквартально. Для прогнозирования доходов использованы два метода векторного прогнозирования (метод ортогональных разностей и мультипликативный метод Хольта–Уинтерса). Данная модель позволяет получить прогноз на несколько шагов вперед одновременно. В отдельности каждый из методов не учитывает многообразия рассматриваемого процесса. Только в совокупности методы позволяют учитывать и слом тенденции, и сезонный характер доходов, тем самым обеспечивая необходимую устойчивость и надежность прогноза. Для обобщения двух прогнозов находится их линейная комбинация, при этом выбор весовых коэффициентов осуществляется на основе точности частных прогнозов. Точность этих частных прогнозов определяется как величина, обратно пропорциональная средней относительной ошибке прогноза.

Ключевые слова: планирование, доходы предприятий, прогнозирование, метод ортогональных разностей, метод Хольта– Уинтерса, обобщенный прогноз.

УДК: 338.984

MSC: 91B84

Поступила в редакцию: 11.04.2015

Язык публикации: английский

DOI: 10.14529/mmp150409



Реферативные базы данных:


© МИАН, 2024