Спасибо
Подробнее о работе
Гарантия сервиса Автор24
Уникальность не ниже 50%
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
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
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 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 ₽ |
Не подошла эта работа?
В нашей базе 144039 Курсовых работ — поможем найти подходящую