Автор24

Информация о работе

Подробнее о работе

Страница работы

Прогнозирование показателей индустрии туризма и гостеприимства на примере региона Финляндии

  • 47 страниц
  • 2016 год
  • 437 просмотров
  • 0 покупок
Автор работы

Александра99

1250 ₽

Работа будет доступна в твоём личном кабинете после покупки

Гарантия сервиса Автор24

Уникальность не ниже 50%

Фрагменты работ

Введение 3
Глава 1. Теоретическое обоснование прогнозирования в индустрии гостеприимства и туризма 5
1.1. Сущность, классификация и методы прогнозирования 5
1.2. Характеристика временных рядов и основные этапы анализа 8
Глава 2. Ручное прогнозирование загрузки и цены гостиничных номеров и в регионе Финляндии Pirkanmaa 12
2.1. Описательная характеристика загрузки гостиничных номеров 12
2.2. Описательная характеристика цены гостиничных номеров 20
2.3. Ручное прогнозирование загрузки гостиничных номеров 25
2.4. Ручное прогнозирование цены за гостиничный номер 29
Глава 3. Автоматическое прогнозирование загрузки и цены гостиничных номеров в регионе Финляндии 34
3.1 Автоматическое прогнозирование загрузки номеров в регионе Pirkanmaa 34
3.2. Автоматическое прогнозирование цены за гостиничный номер в регионе Pirkanmaa 37
Заключение 41
Список использованной литературы 43
Приложения 45

1.1. Сущность, классификация и методы прогнозирования

Прогнозирование выступает важнейшей функцией научного управления индустрией гостеприимства и туризма. В современных условиях хозяйствования роль научно обоснованных социально–экономических прогнозов возрастает. Главное назначение прогнозирования в туризме заключается в выявлении существенных закономерностей его изменения и разработке гипотез о наиболее вероятностных темпах динамики различных сегментов.
Прогноз социально–экономического показателя – это некоторая вероятностная оценка его темпов и уровня в будущем, базирующаяся на определенной гипотезе развития предприятия или отрасли. Поскольку таких гипотез, как правило, бывает несколько, постольку прогнозирование можно рассматривать как научно–практическую деятельность, направленную на выявление и изучение наиболее вероятностных альтернатив будущего развития анализируемого явления1.
Любой прогноз обладает определенными характеристиками.
...

1.2. Характеристика временных рядов и основные этапы анализа

Временной ряд – это последовательность упорядоченных во времени значений наблюдаемого процесса, явления. Он включает два обязательных элемента: время и конкретное значение показателя, или уровень ряда. Существует большое разнообразие временных рядов, описывающих изменение экономических процессов. В качестве единицы времени выступают год, полугодие, квартал, месяц, декада, неделя, день. Отдельные социально–экономические показатели регистрируются за час, минуту и даже секунду. С целью упрощения расчетов время часто представляют в виде последовательности натуральных чисел6.
По Светуньковым: временным (динамическим) можно назвать упорядоченный во времени ряд наблюдений, в котором время наблюдения характеризует особенность состояния внешних и внутренних факторов поведения объекта наблюдения, в результате чего формирование ряда осуществляется неслучайным образом.7
Классифицируются временные ряды по различным признакам.
...

2.1. Описательная характеристика загрузки гостиничных номеров

В данной работе строится прогноз на 24 месяца на основе данных за 10 лет для двух показателей: загрузка номеров и цена для региона Pirkanmaa Финляндии.
Исходные статистические данные по загрузке и цене за период с 2006 по 2015 год представлены в приложении 113.
Данные из файла Excel переносятся в Statgraphics Centurion. Для анализа временных рядов надо посмотреть описательную характеристику (дескриптивные методы анализа).
Алгоритм выполнения: Describe Time-Series Analysis Descriptive Methods. Далее следует определить интервал выборки, равный одному месяцу и начальный период - 1.06 (Рис.1).

Рис. 1. Descriptive Methods

На первом этапе необходимо определить цикличность (колебания). Для этого следует провести зрительный анализ графика временных рядов на рисунке 2. На графике видно большое количество колебаний, впадин и вершин, ряд нестационарный.

Рис. 2.
...

2.2. Описательная характеристика цены гостиничных номеров

Теперь перейдем к описанию показателя «цена за гостиничный номер в регионе Pirkanmaa». Проведем аналогичные действия, описанные в предыдущем параграфе. После выбора необходимых параметров, получим график временных рядов (рис. 14) и график автокорреляционной функции (рис. 15). Для определения цикличности временного ряда, проведем анализ полученного графика. Ряд не имеет четко выраженную цикличность. Затем определим регулярность временного ряда, ряд не случаен, т.к. значения АКФ выходят за пределы доверительных интервалов на большом количестве лагов.

Рис. 14. График временного ряда для цены за номер в регионе Pirkanmaa

Рис. 15. Рис. 3. График АКФ для цены за номер в регионе Pirkanmaa
Следующим этапов является определение характеристик колебаний, следует построить график периодограммы и таблицу периодограммы.

Рис. 16. График периодограммы для цены за номер в регионе Pirkanmaa

На графике периодограммы (Рис.
...

2.3. Ручное прогнозирование загрузки гостиничных номеров

Переходим к построению прогноза. Для построения прогноза в ручном режиме на панели управления выбираем меню Forecast, затем User–Specified Model, период прогноза равен 24 месяцам (Рис. 21).

Рис. 21. Ручное прогнозирование

Statgraphics по умолчанию строит прогноз по 5 моделям. Задача эксперта определить наиболее адекватную модель. Для этого надо посмотреть на сравнение моделей (таблица 5) и на график АКФ (Рис. 22).
АКФ не должна выходить за пределы доверительных интервалов на всех лагах, модель должна пройти все тесты. Из списка моделей по умолчанию СГ строит первую модель, однако она не подходит, т.к. АКФ выходит за пределы доверительных интервалов на одном лаге и модель плохо прошла тесты.

Рис. 22.
...

2.4. Ручное прогнозирование цены за гостиничный номер

Переходим к построению прогноза. Для построения прогноза в ручном режиме на панели управления выбираем меню Forecast, затем User–Specified Model, период прогноза равен 24 месяцам.
Statgraphics по умолчанию строит прогноз по 5 моделям. Необходимо определить наиболее адекватную модель. Для этого надо следует сравнить полученные результаты по моделям (таблица 7) и проанализировать график АКФ (Рис. 26). АКФ не должна выходить за пределы доверительных интервалов на всех лагах, модель должна пройти все тесты.

Рис. 26.
...

3.1 Автоматическое прогнозирование загрузки номеров в регионе Pirkanmaa

Ряд носит комплексный сложный характер, прогнозирование достаточно тяжело. Воспользуемся функцией автоматического прогнозирования Statgraphics.
На основании данных, представленных на приложении 1, строим автоматический прогноз с помощью функции «Automatic Model Selection»
При автоматическом прогнозировании используется большее количество моделей, для более широкого ассортимента, выберем их все. Сравнение моделей представлено в таблице 9.
...

3.2. Автоматическое прогнозирование цены за гостиничный номер в регионе Pirkanmaa

Проведем действия, аналогичные алгоритму в п. 3.1. Для автоматического прогноза в верхней панели меню выберем вкладку Forecast - Automatic Model Selection. Для более широкого списка подбора моделей необходимо выбрать все модели. Для этого в функции Automatic Forecasting Options отмечаем все перечисленные модели. Таблица 11 показывает сравнение полученных результатов по моделям.
...

Заключение
На основе представленных статистических данных выполнялось прогнозирование в Statgraphics Centurion, а также анализ временных рядов с использованием дескриптивного метода, сезонной декомпозиции, сглаживания.
С использованием процедуры Ручного и Автоматического прогнозирования был построен прогноз исходного временного ряда на 24 месяца для показателей «Загрузка» и «Цена» гостиничных номеров в регионе Pirkanmaa. Адекватность выбранных подтверждается прохождением тестов и минимальным количеством ошибок.
Сравним полученные результаты при ручном и автоматическом прогнозировании на ноябрь 2017 года.
Прогноз загрузки номеров при ручном прогнозировании составляет 54,507%. При автоматическом – 52,2771%. Значения прогнозов отличаются незначительно, следует сравнить интервалы, в которых строится прогноз.
При ручном прогнозировании, значения загрузки находятся в интервале от 36,301% до 72,713%. При автоматическом – от 45,3809% до 59,1734%.
...

3. Афанасьев В., Юзбашев М. Анализ временных рядов и прогнозирование М.: Финансы и статистика, Инфра-М, 2010
4. Бабич Т., Козьева И., Вертакова Ю., Кузьбожев Э. Прогнозирование и планирование в условиях рынка. М.: Инфра-М, 2014
5. Басовский Л.Е. Прогнозирование и планирование в условиях рынка. Учебное пособие для вузов. - М.: Инфра-М, 2010. -260с.
6. Белянский В.П., Лайко М.Ю., Попов Л.А., Козлов Д.А. Прогнозирование в индустрии гостеприимства и туризма: Учебник. М.: Изд-во Рос. экон. акад., 2005
7. Кузык Б.Н., Яковец Ю.В.Душлин В.И. Прогнозирование, стратегическое планирование и национальное программирование. - М.: Экономика, 2011.- 591с.
8. Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. М. 2012 г.
9. Осипов А. Л. Эконометрика: учебное пособие - Новосибирск: Изд-во СибАГС, 2004. - 228 с.
10. Попов Л.А. Анализ и прогнозирование временных рядов STATGRAPHICS Centurion: Учебное пособие. – М.: Изд-во Рос. экон. акад., 2006. – 118 с.
11. Попов, Л.А. Прогнозирование в индустрии гостеприимства и туризма: Учебное пособие. – М.: Изд–во Рос. экон. акад., 2005

Форма заказа новой работы

Не подошла эта работа?

Закажи новую работу, сделанную по твоим требованиям

Согласен с условиями политики конфиденциальности и  пользовательского соглашения

Фрагменты работ

Введение 3
Глава 1. Теоретическое обоснование прогнозирования в индустрии гостеприимства и туризма 5
1.1. Сущность, классификация и методы прогнозирования 5
1.2. Характеристика временных рядов и основные этапы анализа 8
Глава 2. Ручное прогнозирование загрузки и цены гостиничных номеров и в регионе Финляндии Pirkanmaa 12
2.1. Описательная характеристика загрузки гостиничных номеров 12
2.2. Описательная характеристика цены гостиничных номеров 20
2.3. Ручное прогнозирование загрузки гостиничных номеров 25
2.4. Ручное прогнозирование цены за гостиничный номер 29
Глава 3. Автоматическое прогнозирование загрузки и цены гостиничных номеров в регионе Финляндии 34
3.1 Автоматическое прогнозирование загрузки номеров в регионе Pirkanmaa 34
3.2. Автоматическое прогнозирование цены за гостиничный номер в регионе Pirkanmaa 37
Заключение 41
Список использованной литературы 43
Приложения 45

1.1. Сущность, классификация и методы прогнозирования

Прогнозирование выступает важнейшей функцией научного управления индустрией гостеприимства и туризма. В современных условиях хозяйствования роль научно обоснованных социально–экономических прогнозов возрастает. Главное назначение прогнозирования в туризме заключается в выявлении существенных закономерностей его изменения и разработке гипотез о наиболее вероятностных темпах динамики различных сегментов.
Прогноз социально–экономического показателя – это некоторая вероятностная оценка его темпов и уровня в будущем, базирующаяся на определенной гипотезе развития предприятия или отрасли. Поскольку таких гипотез, как правило, бывает несколько, постольку прогнозирование можно рассматривать как научно–практическую деятельность, направленную на выявление и изучение наиболее вероятностных альтернатив будущего развития анализируемого явления1.
Любой прогноз обладает определенными характеристиками.
...

1.2. Характеристика временных рядов и основные этапы анализа

Временной ряд – это последовательность упорядоченных во времени значений наблюдаемого процесса, явления. Он включает два обязательных элемента: время и конкретное значение показателя, или уровень ряда. Существует большое разнообразие временных рядов, описывающих изменение экономических процессов. В качестве единицы времени выступают год, полугодие, квартал, месяц, декада, неделя, день. Отдельные социально–экономические показатели регистрируются за час, минуту и даже секунду. С целью упрощения расчетов время часто представляют в виде последовательности натуральных чисел6.
По Светуньковым: временным (динамическим) можно назвать упорядоченный во времени ряд наблюдений, в котором время наблюдения характеризует особенность состояния внешних и внутренних факторов поведения объекта наблюдения, в результате чего формирование ряда осуществляется неслучайным образом.7
Классифицируются временные ряды по различным признакам.
...

2.1. Описательная характеристика загрузки гостиничных номеров

В данной работе строится прогноз на 24 месяца на основе данных за 10 лет для двух показателей: загрузка номеров и цена для региона Pirkanmaa Финляндии.
Исходные статистические данные по загрузке и цене за период с 2006 по 2015 год представлены в приложении 113.
Данные из файла Excel переносятся в Statgraphics Centurion. Для анализа временных рядов надо посмотреть описательную характеристику (дескриптивные методы анализа).
Алгоритм выполнения: Describe Time-Series Analysis Descriptive Methods. Далее следует определить интервал выборки, равный одному месяцу и начальный период - 1.06 (Рис.1).

Рис. 1. Descriptive Methods

На первом этапе необходимо определить цикличность (колебания). Для этого следует провести зрительный анализ графика временных рядов на рисунке 2. На графике видно большое количество колебаний, впадин и вершин, ряд нестационарный.

Рис. 2.
...

2.2. Описательная характеристика цены гостиничных номеров

Теперь перейдем к описанию показателя «цена за гостиничный номер в регионе Pirkanmaa». Проведем аналогичные действия, описанные в предыдущем параграфе. После выбора необходимых параметров, получим график временных рядов (рис. 14) и график автокорреляционной функции (рис. 15). Для определения цикличности временного ряда, проведем анализ полученного графика. Ряд не имеет четко выраженную цикличность. Затем определим регулярность временного ряда, ряд не случаен, т.к. значения АКФ выходят за пределы доверительных интервалов на большом количестве лагов.

Рис. 14. График временного ряда для цены за номер в регионе Pirkanmaa

Рис. 15. Рис. 3. График АКФ для цены за номер в регионе Pirkanmaa
Следующим этапов является определение характеристик колебаний, следует построить график периодограммы и таблицу периодограммы.

Рис. 16. График периодограммы для цены за номер в регионе Pirkanmaa

На графике периодограммы (Рис.
...

2.3. Ручное прогнозирование загрузки гостиничных номеров

Переходим к построению прогноза. Для построения прогноза в ручном режиме на панели управления выбираем меню Forecast, затем User–Specified Model, период прогноза равен 24 месяцам (Рис. 21).

Рис. 21. Ручное прогнозирование

Statgraphics по умолчанию строит прогноз по 5 моделям. Задача эксперта определить наиболее адекватную модель. Для этого надо посмотреть на сравнение моделей (таблица 5) и на график АКФ (Рис. 22).
АКФ не должна выходить за пределы доверительных интервалов на всех лагах, модель должна пройти все тесты. Из списка моделей по умолчанию СГ строит первую модель, однако она не подходит, т.к. АКФ выходит за пределы доверительных интервалов на одном лаге и модель плохо прошла тесты.

Рис. 22.
...

2.4. Ручное прогнозирование цены за гостиничный номер

Переходим к построению прогноза. Для построения прогноза в ручном режиме на панели управления выбираем меню Forecast, затем User–Specified Model, период прогноза равен 24 месяцам.
Statgraphics по умолчанию строит прогноз по 5 моделям. Необходимо определить наиболее адекватную модель. Для этого надо следует сравнить полученные результаты по моделям (таблица 7) и проанализировать график АКФ (Рис. 26). АКФ не должна выходить за пределы доверительных интервалов на всех лагах, модель должна пройти все тесты.

Рис. 26.
...

3.1 Автоматическое прогнозирование загрузки номеров в регионе Pirkanmaa

Ряд носит комплексный сложный характер, прогнозирование достаточно тяжело. Воспользуемся функцией автоматического прогнозирования Statgraphics.
На основании данных, представленных на приложении 1, строим автоматический прогноз с помощью функции «Automatic Model Selection»
При автоматическом прогнозировании используется большее количество моделей, для более широкого ассортимента, выберем их все. Сравнение моделей представлено в таблице 9.
...

3.2. Автоматическое прогнозирование цены за гостиничный номер в регионе Pirkanmaa

Проведем действия, аналогичные алгоритму в п. 3.1. Для автоматического прогноза в верхней панели меню выберем вкладку Forecast - Automatic Model Selection. Для более широкого списка подбора моделей необходимо выбрать все модели. Для этого в функции Automatic Forecasting Options отмечаем все перечисленные модели. Таблица 11 показывает сравнение полученных результатов по моделям.
...

Заключение
На основе представленных статистических данных выполнялось прогнозирование в Statgraphics Centurion, а также анализ временных рядов с использованием дескриптивного метода, сезонной декомпозиции, сглаживания.
С использованием процедуры Ручного и Автоматического прогнозирования был построен прогноз исходного временного ряда на 24 месяца для показателей «Загрузка» и «Цена» гостиничных номеров в регионе Pirkanmaa. Адекватность выбранных подтверждается прохождением тестов и минимальным количеством ошибок.
Сравним полученные результаты при ручном и автоматическом прогнозировании на ноябрь 2017 года.
Прогноз загрузки номеров при ручном прогнозировании составляет 54,507%. При автоматическом – 52,2771%. Значения прогнозов отличаются незначительно, следует сравнить интервалы, в которых строится прогноз.
При ручном прогнозировании, значения загрузки находятся в интервале от 36,301% до 72,713%. При автоматическом – от 45,3809% до 59,1734%.
...

3. Афанасьев В., Юзбашев М. Анализ временных рядов и прогнозирование М.: Финансы и статистика, Инфра-М, 2010
4. Бабич Т., Козьева И., Вертакова Ю., Кузьбожев Э. Прогнозирование и планирование в условиях рынка. М.: Инфра-М, 2014
5. Басовский Л.Е. Прогнозирование и планирование в условиях рынка. Учебное пособие для вузов. - М.: Инфра-М, 2010. -260с.
6. Белянский В.П., Лайко М.Ю., Попов Л.А., Козлов Д.А. Прогнозирование в индустрии гостеприимства и туризма: Учебник. М.: Изд-во Рос. экон. акад., 2005
7. Кузык Б.Н., Яковец Ю.В.Душлин В.И. Прогнозирование, стратегическое планирование и национальное программирование. - М.: Экономика, 2011.- 591с.
8. Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. М. 2012 г.
9. Осипов А. Л. Эконометрика: учебное пособие - Новосибирск: Изд-во СибАГС, 2004. - 228 с.
10. Попов Л.А. Анализ и прогнозирование временных рядов STATGRAPHICS Centurion: Учебное пособие. – М.: Изд-во Рос. экон. акад., 2006. – 118 с.
11. Попов, Л.А. Прогнозирование в индустрии гостеприимства и туризма: Учебное пособие. – М.: Изд–во Рос. экон. акад., 2005

Купить эту работу

Прогнозирование показателей индустрии туризма и гостеприимства на примере региона Финляндии

1250 ₽

или заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 500 ₽

Гарантии Автор24

Изображения работ

Страница работы
Страница работы
Страница работы

Понравилась эта работа?

или

17 октября 2016 заказчик разместил работу

Выбранный эксперт:

Автор работы
Александра99
4.9
Купить эту работу vs Заказать новую
0 раз Куплено Выполняется индивидуально
Не менее 40%
Исполнитель, загружая работу в «Банк готовых работ» подтверждает, что уровень оригинальности работы составляет не менее 40%
Уникальность Выполняется индивидуально
Сразу в личном кабинете Доступность Срок 1—6 дней
1250 ₽ Цена от 500 ₽

5 Похожих работ

Курсовая работа

Тенденции развития туризма в городе-курорте Геленджик

Уникальность: от 40%
Доступность: сразу
550 ₽
Курсовая работа

Рекреационный потенциал Алтайского края для развития спортивного туризма

Уникальность: от 40%
Доступность: сразу
400 ₽
Курсовая работа

Создание и управление туристской организации

Уникальность: от 40%
Доступность: сразу
500 ₽
Курсовая работа

Роль туризма в экономике государства и регионов

Уникальность: от 40%
Доступность: сразу
450 ₽
Курсовая работа

Внешнее и внутреннее оформление офиса турагентства

Уникальность: от 40%
Доступность: сразу
300 ₽

Отзывы студентов

Отзыв Леонид Леонид об авторе Александра99 2015-05-08
Курсовая работа

Спасибо

Общая оценка 5
Отзыв Anechka1993 об авторе Александра99 2015-06-15
Курсовая работа

Спасибо за работу

Общая оценка 5
Отзыв Женя13 об авторе Александра99 2014-12-23
Курсовая работа

Спасибо за помощь!

Общая оценка 5
Отзыв Каспер об авторе Александра99 2014-07-22
Курсовая работа

Благодарю за квалифицированную помощь!

Общая оценка 5

другие учебные работы по предмету

Готовая работа

Государственный русский музей в туристско-экскурсионных программах для петербуржцев

Уникальность: от 40%
Доступность: сразу
2240 ₽
Готовая работа

Организация деятельности туристического агенства на примере ООО ...(одного из московских тур агенств)

Уникальность: от 40%
Доступность: сразу
2800 ₽
Готовая работа

Арктические туры как перспективное развитие туризма

Уникальность: от 40%
Доступность: сразу
4500 ₽
Готовая работа

Совершенствование системы обслуживания в туризме

Уникальность: от 40%
Доступность: сразу
2800 ₽
Готовая работа

О развитии спортивно-оздоровительного комплекса в мини-отеле

Уникальность: от 40%
Доступность: сразу
2000 ₽
Готовая работа

Развитие социального туризма в Крыму на примере предприятия

Уникальность: от 40%
Доступность: сразу
3000 ₽
Готовая работа

Туристская инфраструктура Московской области

Уникальность: от 40%
Доступность: сразу
1650 ₽
Готовая работа

Система бронирования в туризме (+ речь, + приложения)

Уникальность: от 40%
Доступность: сразу
1900 ₽
Готовая работа

PR технологии в туризме

Уникальность: от 40%
Доступность: сразу
3500 ₽
Готовая работа

Совершенствование туристского продукта в российских турфирмах на примере ООО "Данко Трэвел Компани"

Уникальность: от 40%
Доступность: сразу
2800 ₽
Готовая работа

Анализ событийного туризма в Кемеровской области

Уникальность: от 40%
Доступность: сразу
3380 ₽
Готовая работа

Города Северо-Запада России как центр туристической дестинации для жителей Китая

Уникальность: от 40%
Доступность: сразу
2800 ₽