Темы диссертаций по экономике » Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда

Развитие системы прогнозирования спроса на грузовые перевозки железнодорожным транспортом тема диссертации по экономике, полный текст автореферата

Автореферат

Ученая степень	кандидат экономических наук
Автор	Куприянова, Галина Владимировна
Место защиты	Москва
Год	2003
Шифр ВАК РФ	08.00.05

Диссертация

Автореферат диссертации по теме "Развитие системы прогнозирования спроса на грузовые перевозки железнодорожным транспортом"

На правах рукописи

КУПРИЯНОВА ГАЛИНА ВЛАДИМИРОВНА

РАЗВИТИЕ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ СПРОСА НА ГРУЗОВЫЕ ПЕРЕВОЗКИ ЖЕЛЕЗНОДОРОЖНЫМ ТРАНСПОРТОМ

Специальность 08.00.05 - Экономика и управление народным хозяйством (экономика, организация и управление предприятиями, отраслями и комплексами - транспорт)

АВТОРЕФЕРАТ

Диссертации на соискание ученой степени кандидата экономических наук

Москва 2003 г.

Работа выпонена в Московском государственном университете путей сообщения (МИИТ)

Научный руководитель:

Ведущая организация: ВНИИЖТ МПС РФ

Защита состоится 10 декабря 2003 г. в 14Ч на заседании диссертационного совета Д 218.005.12 в Московском государственном университете путей сообщения (МИИТ) по адресу: 127994, г. Москва, ул. Образцова, 15, ауд. 3107.

С диссертацией можно ознакомится в библиотеке университета.

Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять по адресу совета университета.

доктор экономических наук, профессор Галабурда Виктор Геннадиевич

Официальные оппоненты:

доктор экономических наук, профессор Богданова Татьяна Владимировна

кандидат экономических наук, профессор Салатов Ким Хамитович

Автореферат разослан 10 ноября 2003 г.

Ученый секретарь диссертационного совета, доктор экономических наук, доцен

А.А. Вовк

'.ооз-А

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследуемой проблемы. В условиях рыночных преобразований особое значение для развития экономики России имеет стабильность функционирования железнодорожного транспорта. В настоящее время железнодорожный транспорт сохраняет ведущее положение в общетранспортном балансе грузовых перевозок нашей страны. Однако усиление конкуренции между видами транспорта может привести к потере железными дорогами части рынка и к ухудшению их финансово-экономического положения. Одно из важнейших направлений противодействия этой неблагоприятной тенденции - качественное определение перспективного спроса на перевозки грузов железнодорожным транспортом с учетом влияния совокупности экономических, политических, технологических, природных факторов и конъюнктуры транспортного рынка. Это позволит принимать эффективные управленческие решения в части выбора оптимальной стратегии развития, определить необходимый уровень технического оснащения железных дорог, планировать потребности в перевозочных ресурсах, проводить мероприятия по привлечению клиентов на железнодорожный транспорт.

Актуальность темы диссертации обусловлена необходимостью совершенствования системы прогнозирования спроса на грузовые перевозки железнодорожным транспортом для повышения эффективности управления ресурсами железных дорог в свете проводимых структурных реформ, усиления конкуренции на транспортном рынке, отмены централизованного планирования и договременных предварительных заявок на перевозки грузов железнодорожным транспортом. Для крупнейшей транспортной компании Российские железные дороги особенно необходима разработка современной методологии прогнозирования спроса на грузовые перевозки с адаптацией новейших математических методов и моделей к особенностям рынка транспортных услуг. Кроме того, необходимость использования современного математического аппарата в практике прогнозирования в реальных условиях накладывает определенные требования к его подбору. Выбранные методы дожны обеспечивать:

простоту и наглядность проведения анализа и прог.ю1л^ииау1|^мдльНЛ}|

БИБЛИОТЕКА С.ПетербуРг/бУ" I

- необходимое качество получаемых прогнозов для эффективного управления хозяйственной деятельностью компании;

- возможность обработки информации с помощью имеющихся технических средств.

Цель и задачи диссертационного исследования. Основной целью диссертационного исследования является разработка новых подходов прогнозирования спроса на грузовые перевозки железнодорожным транспортом для повышения качества получаемых прогнозов.

В соответствии с целью исследования в диссертационной работе были поставлены и решены следующие задачи:

- исследованы тенденции развития рынка грузовых перевозок в России и роль железнодорожного транспорта в их обеспечении;

- выявлены и проанализированы основные факторы, влияющие на перевозки грузов железнодорожным транспортом;

- классифицированы методы прогнозирования экономических процессов;

- определено место прогнозирования спроса на грузовые перевозки в системе управления железнодорожным транспортом;

- выявлены специфические особенности и разработаны методические основы прогнозирования спроса на грузовые железнодорожные перевозки;

- проанализирован опыт и установлены границы применения существующих подходов и методов прогнозирования перевозок грузов железнодорожным транспортом;

- оценено качество применяемых в практике управления методов при прогнозировании объемов грузовых железнодорожных перевозок;

- обоснованы достоинства и преимущества применения современных методов прогнозирования: Гусеница и нейросетевое моделирование;

- проведен сравнительный анализ результатов прогнозирования объемов перевозок грузов железнодорожным транспортом, полученных с использованием корреляционно-регрессионного анализа, авторегрессии и скользящего среднего, метода Гусеница и нейросетевого моделирования.

Объект исследования. Объектом диссертационного исследования с учетом поставленной задачи являются грузовые железнодорожные перевозки.

Предмет исследования. Предметом диссертационного исследования является прогнозирование спроса на грузовые железнодорожные перевозки.

Методика исследования. Методологической и теоретической основой диссертационного исследования послужили научные труды видных отечественных ученых в области планирования и прогнозирования перевозок грузов железнодорожным транспортом: И.В.Белова, Е.Д.Ханукова, Т.С.Хачатурова, Б.И.Шафиркина, Н.П. Терешиной, В.Г.Галабурды, Н.С. Ускова, H.H. Громова, M.JI. Дыканюк, А.Г.Захарова, Л.В.Канторовича, А.Б.Каплана, Е.П. Нестерова, Б.М. Лапидуса, Д.А. Мачерета, В.А. Персианова, Н.В. Правдина, Г.В. Бубновой и других.

В ходе исследования применялись теория математической статистики, методы математического анализа, основные положения и инструментарий теории прогнозирования, программные продукты лCaterpillar фирмы GistaT Group; Statistica и Neural Networks фирмы StatSoft и другие. Источниками информации послужили статистические данные Госкомстата России, железнодорожная отчетность на различных уровнях управления, материалы маркетинговых обследований Системы фирменного транспортного обслуживания (СФТО), материалы периодической печати.

Научная новизна диссертационного исследования заключается в следующем:

- обоснована необходимость использования различных методов прогнозирования объемов железнодорожных перевозок разных родов грузов и проведено разделение грузов на группы с точки зрения однородности подходов к прогнозированию в разрезе этих групп;

- разработаны методические подходы по применению теории нечетких множеств в экспертном прогнозировании спроса на грузовые железнодорожные перевозки на догосрочный период;

- обоснована целесообразность применения метода Гусеница и нейросе-тевого моделирования при краткосрочном прогнозировании показателей перевозок грузов с учетом маркетинговой информации.

Практическая ценность. Практическая значимость состоит в том, что реализация рекомендаций диссертационного исследования по развитию системы прогнозирования спроса на грузовые железнодорожные перевозки позволит повысить научную обоснованность и точность прогнозирования объемов отправления грузов, что обеспечит повышение эффективности функционирования, конкурентоспособности и доходности железнодорожного транспорта и качества обслуживания грузоотправителей.

Достоверность работы базируется на реальной информационной базе, на надежности теоретических методов, критериев значимости и оценки полученных результатов.

Внедрение и апробация работы. Научные и практические результаты работы обсуждались и получили положительную оценку на научно-практических и научно-методических конференциях в МИИТе в 2000 - 2003 гг. Выпоненные исследования нашли применение в научно-исследовательской работе Построение информационно-аналитической системы прогнозирования перевозок грузов, выпоненной при участии автора по заказу Центра фирменного транспортного обслуживания (ЦФТО) в 2002 году.

Диссертация обсуждена и одобрена на заседании кафедры Экономика и управление на транспорте Московского государственного университета путей сообщения (МИИТа). Результаты диссертационного исследования используются в учебном процессе кафедр Института экономики и финансов Московского государственного университета путей сообщения.

Публикации. Основные результаты исследований, представленные в диссертации опубликованы в 7 работах.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы и приложений. Работа изложена на 167 машинописных страницах и содержит 26 рисунков, 28 таблиц, пять приложений. Библиографический список состоит из 133 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертационной работы, изложена значимость поставленной проблемы, сформулированы цель и задачи исследования, научная новизна и практическая ценность работы.

В первой главе диссертации дана оценка современного состояния и тенденций развития рынка грузовых перевозок в России с выделением роли отдельных видов транспорта, приводится обзор структуры и содержания маркетинговых исследований, осуществляемых на железнодорожном транспорте в современных условиях, выпонен анализ данных железнодорожной маркетинговой отчетности.

Прошедшее десятилетие в России характеризовалось значительными социально-экономическими изменениями. Согласно данным Госкомстата РФ, за 1992 - 2001 годы ВВП России снизися на 27%. Уровень промышленного производства сократися на 35%, инвестиции в основной капитал снизились в 3 раза. Транспорт, являясь составной частью экономики страны, испытывал те же проблемы, что и другие отрасли народного хозяйства. На фоне экономического спада объем отправления грузов транспортом общего пользования снижася резко и в 2001 г. он составил только 38,0% от уровня 1990 г.

Несмотря на резкое снижение объемов транспортной работы за период 1991-2001 гг. по сравнению с 1990 г., железнодорожный транспорт сохранил свое ведущее положение в общетранспортном балансе грузовых перевозок нашей страны. При этом, если в 1990 г. железными дорогами было перевезено 31,2% всех отправленных грузов, то в 2001 г. доля железных дорог составила 40,5%, а в грузообороте 39,9% (без трубопроводного транспорта - 88%).

В работе отмечено, что для сохранения такой позиции железнодорожного транспорта в условиях усиления конкуренции между видами транспорта необходим выбор эффективной политики на основе правильно оцененных тенденций развития транспортного рынка. Поэтому роль прогнозирования в процессе управления значительно возросла в современных условиях.

В настоящее время информационной базой прогнозирования предстоящих объемов перевозок являются маркетинговые исследования транспортного рын-

ка. Анализ маркетинговой отчетности ЦФТО и Дорожных ЦФТО позволил выделить ряд факторов, влияющих на формирование спроса на перевозки грузов железнодорожным транспортом. Большинство из них трудно формализуемо, что осложняет возможность оценки степени их влияния на объемы железнодорожных перевозок. Автором было проведено исследование влияния различных факторов на конкретный производственный сегмент: коксующийся уголь - железорудное сырье - метал. В качестве базы исследования были выбраны предприятия: ОАО Северсталь, ОАО Окон, ОАО Ковдорский ГОК, ОАО Карельский окатыш, угледобывающие предприятия Печорского и Кузнецкого угольных бассейнов. Выделение Северо-Западной группы предприятий в качестве объекта исследований было обусловлено фактом наличия относительно обособленного промышленного комплекса, где велика степень интеграции и технологической зависимости.

На основании проведенного анализа данных маркетинговой отчетности за период 2000 - 2002 гг. получены следующие важные выводы:

- необходимо улучшить учет первопричин, приводящих к отклонению заявленных объемов перевозок от фактического выпонения, т.к. часто в отчетности они не указываются, что усложняет проведение факторного анализа;

- следует сформировать информационную базу основных показателей, влияющих на изменение объемов погрузки грузов для краткосрочного прогнозирования;

- необходимо очистить динамические ряды исследуемых показателей от данных, характеризующих действие случайных, стохастических факторов, активизация которых в прогнозном периоде маловероятна;

- целесообразно проводить исследования не только производственно-технологических, транспортно-экономических связей между предприятиями промышленного сектора экономики, но и мотивов, предпочтений основной (весомой в объемах) клиентуры, а также корпоративных интересов крупных компаний и ходингов, оказывающих существенное влияние на результаты деятельности отдельных групп предприятий и на объемы погрузки грузов;

- необходимо разработать систему мер по повышению эффективности управления грузовыми перевозками, одной из которых является повышение качества краткосрочного прогнозирования.

Таким образом, проведенный анализ выявил необходимость: во-первых -улучшения качества отбора и отражения факторов; во-вторых - составления электронных баз данных с целью дальнейшего их использования в процессе прогнозирования.

На основе изучения данных железнодорожной маркетинговой отчетности были выделены две принципиально отличных группы грузов: первая группа характеризуется устойчивыми условно-постоянными связями между производителями и потребителями продукции; вторая - распыленностью и сложностью идентификации конечного потребителя. Для повышения качества прогнозов объемов перевозок грузов обоснована целесообразность использования различных подходов к исследованию и прогнозированию объемов перевозок в этих группах. В этой связи в диссертационной работе проведено разделение грузов по выделенным группам. Результаты представлены в табл.1.

Таблица 1.

Группировка грузов в целях прогнозирования _

№ Наименование груза Вид сегмента № Наименование груза Вид сегмента

1 автомобили II группа 21 продукты перемола 11 группа

2 бумага II группа 22 гтром сырье и форм материалы II группа

3 гранулированные шлаки I группа 23 пром товары нар потребления II группа

4 живность II группа 24 руда железная и марганцевая I группа

5 жмыхи II группа 25 руда ив и серное сырье I группа

6 зерно I группа 26 рыба II группа

7 каменный уголь 1/11 группа 27 ;ахар 1/11 группа

8 картофель, овощи и фрукты 11 группа 28 свекла и семена II группа

9 КОКС I группа 29 с/х машины II группа

10 комбикорма Н группа 30 сланцы 11 группа

11 песные грузы 1/11 группа 31 соль II группа

12 лом черных металов I группа 32 строительные грузы II группа

13 машины, станки, двигатели I группа 33 торф и торфяная продукция II группа

14 металические конструкции I группа 34 флюсы 1 группа

15 метизы I группа 35 химические и мин удобрения II группа

16 мясо и масло животное II группа 36 хлопок II группа

17 нефть и нефтепродукты 1/И группа 37 химикаты и сода 1/11 группа

18 огнеупоры I группа 38 цветные металы I группа

19 остальные и сборные грузы II группа 39 цемент 11 группа

20 остальные прод товары II группа 40 черные метал"ы 1 группа

Во второй главе диссертации рассмотрена сущность процесса прогнозирования, дана подробная классификация типов прогнозов и методов прогнозирования, проведены системный анализ инструментов прогнозирования и классификация основных характеристик спроса на грузовые перевозки, проанализированы существующие методы прогнозирования объемов грузовых перевозок.

В работе предложена классификация прогнозов: по временному признаку, по уровню агрегирования, по используемым методам, по объектам исследования, по виду, по степени детализации, с точки зрения характеристик прогнозиста, по факторам производства, по этапам жизненного цикла, по уровню достоверности, по критерию вариативности, по характеру прогнозных оценок, по направленности.

Классификация общих методов прогнозирования была проведена в зависимости от принципов их действия. Это балансовые, экстраполяционные, регрессионные, логические и многомерные методы, методы математического моделирования, а также методы экспертизы. Было отмечено, что различные группы методов значительно отличаются друг от друга, допоняют друг друга, образуя вместе поную и целостную систему. Поэтому, при прогнозировании необходимо принимать во внимание всю совокупность прогнозных инструментов, соединяя сильные стороны тех или иных методов и компенсируя слабые их стороны. Для реальных прогнозных расчетов характерным является именно комплексный подход, соединяющий разные методы и приемы.

В работе показано, что спрос на грузовые перевозки железнодорожным транспортом имеет специфичную структуру, определяющую сложность получения его прогнозного значения. В диссертационной работе представлена классификация основных характеристик, определяющих характер, объем, структуру спроса на грузовые железнодорожные перевозки. К таким характеристикам отнесены: рода грузов, условия транспортного обслуживания, виды перевозки, возможность воздействия на спрос, состояние спроса, объем спроса, грузовладельцы.

Прогнозирование спроса на перевозки дожно строиться на базе теоретических принципов, среди которых можно выделить такие как:

- принцип неокончательной, т.е. уточняющейся прогнозной оценки (принцип непрерывности);

- принцип увязки перспективного и текущего прогнозирования;

- принцип единства и комплексности прогнозов.

Одним из требований принципа непрерывности прогноза спроса является то, что прогнозы дожны разрабатываться не только перед принятием решения, но и корректироваться в процессе деятельности. Принцип единства и комплексности предполагает наличие взаимосвязи между прогнозами различного уровня (сеть, дорога, транспортное предприятие), а также взаимосвязь прогноза объемов перевозок с другими видами народнохозяйственных прогнозов. Принцип сочетания перспективного и текущего прогнозирования основывается на взаимозависимости результатов догосрочных, среднесрочных и краткосрочных прогнозов объемов перевозок.

В результате проведенного анализа существующих методов прогнозирования объемов грузовых железнодорожных перевозок были выделены их основные недостатки, достоинства и границы использования в современных условиях. Отмечено, что в последние годы конкретных исследований в области классификации методов прогнозирования объемов перевозок по родам грузов в новых условиях не проводилось. Показано, что выбор определенного метода прогнозирования дожен зависеть от рода груза и от горизонта прогнозирования.

Анализ качества прогнозных оценок, получаемых на практике, также показал необходимость разработки новых подходов к прогнозированию объемов железнодорожных перевозок. Качество догосрочных прогнозов сильно варьируется в зависимости от рода груза и снижается с увеличением прогнозного периода. Качество краткосрочных прогнозов зависит от степени детализации составляемых прогнозов (по родам грузов, по дорогам) и также снижается с увеличением прогнозного периода. Наиболее низкое качество по результатам проведенного исследования выявлено у краткосрочных прогнозов, что объясняется необходимостью составления более детализированных прогнозов на кратко-

срочный период по сравнению с догосрочным. Поэтому в диссертационной работе преимущественное внимание уделено рассмотрению путей повышения качества краткосрочного прогнозирования (год, квартал, месяц) объемов грузовых железнодорожных перевозок за счет использования дифференцированного подхода к прогнозированию объемов перевозок грузов выделенных групп и применения современного математического аппарата.

Третья глава посвящена формированию методических основ развития системы прогнозирования спроса на перевозки грузов железнодорожным транспортом. В главе дается краткое теоретическое описание математических методов, которые ранее не применялись в практике прогнозирования железнодорожных перевозок: экспертный метод Риггу-Дельфи, метод анализа временных рядов Гусеница, нейросетевое моделирование.

В методе Риггу-Дельфи связь с экспертами осуществляется так же, как и в обычном методе Дельфи, но процесс оценки значительно отличается. Данный метод основывается на теории нечетких множеств и использует нечеткие числа треугольной формы, являющиеся наиболее простыми из всех нечетких чисел. Особенность такого числа заключается в том, что оно определяется тремя величинами: первой - меньше которой не может быть; второй - определяющей максимальный уровень принадлежности; третьей - больше которой не может быть. Нечеткое треугольное число позволяет достаточно точно формализовать большое количество ситуаций, в которых прогнозируются значения определенных величин.

Оценка спроса на грузовые перевозки железнодорожным транспортом в существующих условиях не может быть абсолютно жесткой, так как на него влияет слишком много факторов. Использование метода Рииу-Дельфи позволяет получать вариантный (оптимистический, пессимистический, базовый) прогноз, основанный на опыте и знаниях экспертов и правильно организованной работе этой группы. Например: при прогнозировании объемов перевозок /того рода груза предполагают, что объем не будет ниже аь и выше аз, при этом возможность, что прогнозируемая величина достигнет а2 наибольшая. Это и

определит треугольное нечеткое число. Графически треугольное нечеткое число (а/,а2,аз) представлено на рис. 1.

Рис. 1. Треугольное нечеткое число

Рассмотренный метод ставит перед собой цель выработать подход, где группа экспертов является центральной фигурой, способной дать скорректированный и статистически обоснованный прогноз. Метод Риггу-Дельфи наиболее применим, когда идет речь о догосрочных макро прогнозах объемов перевозок железнодорожным транспортом. Это связано в первую очередь с тем, что при догосрочном прогнозировании изменения носят качественный характер и трудно поддаются формализации классическими методами прогнозирования, основанными на механистическом детерминизме. Также немаловажным фактором является учет сложности формирования группы экспертов и проведения самого опроса.

При составлении прогноза на основе динамического ряда в работе предлагается использовать современный метод анализа временных рядов Гусеница, который помогает увидеть и выделить разного рода закономерности в поведении временных рядов, зачастую априори не очевидные.

При анализе и прогнозировании объемов грузовых железнодорожных перевозок целесообразно использовать случайный процесс вида:

/(О /,<0 -МО "Л(0 "> е (О, I принадлежит [0,Т], где/т(1) - медленная нерегулярная составляющая, обычно называемая трендом, часто ее пытаются описывать агебраическими полиномами невысоких порядков;

/Д (г) Ч периодическая или сумма периодических составляющих (в зависимости от области приложений они называются сезонными и т.п. вариациями);

/г (0 - быстрые нерегулярные малые вариации, в которые обычно включают все, что не укладывается в формальную модель, иногда сюда включают и случайные шумы;

е (() - чисто случайная составляющая, описываемая случайным процессом определенного типа.

Во многих ситуациях возникают достаточно большие сложности эффективного исследования функций. Примером может быть случай ДО =/К0 +/,(0, где при отсутствии априорной информации о частотах компонент периодической составляющей не работают ни теория аппроксимации, ни теория рядов Фурье. В различных приложениях разработано много эвристических приемов, но они, как правило, плохо теоретически обоснованы. При использовании метода Гусеница часто оказывается возможным выделить отдельные составляющие исходного ряда. Данный метод позволяет, не делая предварительно предположений о свойствах ряда, разложить его на интерпретируемые аддитивные составляющие. Этот свободный от модели метод, предназначенный для исследования структуры временных рядов, совмещает в себе достоинства многих других методов, в частности, анализа Фурье и регрессионного анализа. Одновременно он отличается простотой и наглядностью в управлении. Важной частью реализации метода является визуальное представление результатов.

В работе определены основные преимущества нейронных сетей, предопределившие выбор данного метода в качестве инструмента прогнозирования спроса на перевозки грузов железнодорожным транспортом:

- нейронные сети исключительно мощный метод моделирования, позволяющий воспроизводить чрезвычайно сложные зависимости;

- нейронные сети способны успешно решать задачи, опираясь на непоную, искаженную, зашумленную и внутренне противоречивую входную информацию;

- наиболее ценное свойство нейронных сетей - способность обучаться на множестве примеров в тех случаях, когда неизвестны закономерности развития ситуации и какие бы то ни было зависимости между входными и выходными данными. Пользователь нейронной сети подбирает представительные данные, а

затем запускает агоритм обучения, который автоматически воспринимает структуру данных. В таких случаях (а к ним можно отнести до 80% задач экономического анализа) пасуют как традиционные математические методы, так и экспертные системы;

- от пользователя требуется набор эвристических знаний о том, как следует отбирать и подготавливать данные, выбирать нужную архитектуру сети и интерпретировать результаты, однако уровень знаний, необходимый для успешного применения нейронных сетей, требуется гораздо скромнее, чем, например, при использовании традиционных методов статистики;

- нейросетевые пакеты позволяют исключительно легко подключаться к базам данных, электронной почте и т.д. и автоматизировать процесс ввода и первичной обработки данных.

Реальную возможность использования нейросетевого моделирования в практике прогнозирования на железных дорогах предоставляет наличие соответствующего программного продукта компании SAS Institute (SAS Enterprise Miner) с использованием инструментов которой разработана архитектура информационных хранилищ железнодорожного транспорта.

В четвертой главе выпонены исследования практического применения метода Гусеница, корреляционно-регрессионного анализа, метода Бокса-Дженкинса, нейросетевого моделирования для определения прогнозных значений объема перевозок конкретных грузов на краткосрочный период. Произведен сравнительный анализ вышеперечисленных методов с точки зрения их прогнозирующей способности.

В диссертационной работе в качестве примера прогнозирования спроса на перевозки грузов железнодорожным транспортом проведено исследование объемов отправления цемента Московской железной дорогой. Такой выбор объясняется несколькими основными причинами:

- цемент это один из важнейших компонентов для производства строительных материалов;

- цемент является однородным грузом;

- цемент значим для железной дороги;

- цемент относится ко второй группе грузов и поэтому представляет интерес для исследования и поиска оптимальных, с точки зрения качества и простоты применения моделей и методов прогнозирования.

Для проведения корреляционно-регрессионного анализа и нейросетевого моделирования экспертным путем были выделены факторы, оказывающие влияние на объем отправления цемента и по которым существовала возможность составления рядов динамики на основе статистических данных. Анализ временных рядов проводися с использованием помесячной динамики объемов отправления цемента за период 1997-2002гг. с применением методов Гусеница и Бокса-Дженкинса. Для нейронных сетей в качестве анализируемой базы была взята поквартальная динамика погрузки цемента на железнодорожный транспорт основными грузообразующим предприятиями Московской железной дороги (ОАО Мальцовский портландцемент, ОАО Воскресенскцемент, ОАО Щуровоцемент, ОАО Михайловцемент) за период 2000-2002гг., а также годовая динамика объемов отправления цемента Московской железной дорогой за период 1990-2002гг. Интерес представлял анализ данных по конкретным предприятиям-грузоотправителям, т.к. появляется возможность использовать в моделях величины конкретных (не средних) факторов, оказывающих влияние на результирующий показатель, и определять объемы погрузки цемента по конкретным станциям.

Оценка качества прогнозов объема отправления цемента в месячном временном интервале полученных различными методами представлена в табл. 2.

Таблица 2.

Сравнение методов краткосрочного прогнозирования объемов отправления цемента

Тип модели Относительное отклонение прогноза от факта, %

сен. 2002г. окт. 2002г. нояб. 2002г.

Корреляционно-регрессионный анализ -7,74 1,55 30,98

Авторегрессия и скользящее среднее - метод Бокса-Дженкинса (используется ЦФТО) 1,26 12,81 15,70

Метод Гусеница (метод главных компонент) -0,93 0,56 9,56

На основании проведенного в диссертационной работе исследования можно сделать вывод, что использование возможностей метода Гусеница совместно с экспертным анализом поведения временного ряда позволяет получать прогнозы более высокого качества, чем на практике. Такой подход целесообразно использовать при прогнозировании объемов отправления любых родов грузов.

Далее, в диссертационной работе с использованием нейросетевого моделирования были построены оптимальные модели прогнозирования для квартального и годового периодов. Нейронные сети, наряду с простотой использования, имеют еще одно преимущество: в процессе анализа они сами отсеивают малозначимые факторы, а также при использовании нейронных сетей нет жесткого ограничения на соотношение наблюдений и количества переменных. Поскольку исследуемые выборки имели явно недостаточное для проведения корреляционно-регрессионного анализа и анализа временных рядов количество наблюдений, исследование проводилось только с использованием нейросетевого моделирования.

В результате использования сетей разных архитектур (период прогнозирования - квартал), была выбрана оптимальная сеть, использующая для построения зависимости объема отправления цемента следующие независимые переменные: выпуск цемента предприятием, реально располагаемые денежные доходы, цены на цемент и топливо, тарифы железнодорожный и автомобильный, инвестиции в основной капитал в сопоставимых ценах, сезон, подача подвижного состава, тип грузоотправителя.

Как видно из табл. 3, прогноз, полученный с помощью нейронной сети, является достаточно качественным для квартального горизонта прогнозирования: относительное отклонение прогнозного значения объема перевозок рассматриваемой модели от фактического ниже, чем при использовании методов, которые применяются на практике в настоящее время. На выборке, не участвовавшей в расчетах, найденная модель дает прогноз с точностью не хуже 3,9%. Визуально качество прогноза можно оценить на рис. 2.

Таблица 3.

Оценка прогнозирующей способности выбранной нейронной сети

Завод Квартал Тип выборки Отн.отк.,% Завод Квартал Тип выборки Отн.отк.,%

ОАО Воскресенскце-мент 1 кв 2000 обучающая -1,04 ОАО Михайловские- ' мент | 1 кв 2000 контрольная 2,26

2 кв 2000 обучающая 3,89 2 кв 2000 тестовая -1,02

3 кв 2000 контрольная 2,94 3 кв 2000 обучающая -1,66

4 кв 2000 тестовая -3,63 4 кв 2000 обучающая 1,51

1 кв 2001 обучающая 0,85 1 кв 2001 обучающая -2,14

2 кв 2001 контрольная 1,53 2 кв 2001 обучающая -2,02

3 кв 2001 контрольная 3,30 3 кв 2001 тестовая -1,63

4 кв 2001 обучающая -1,18 4 кв 2001 контрольная -2,74

I кв 2002 тестовая -3,88 1 кв 2002 обучающая 2,85

2 кв 2002 контрольная 0,03 2 кв 2002 тестовая 3,81

3 кв 2002 обучающая 0,53 3 кв 2002 обучающая 3,59

ОАО Щуровоцемеит 1 кв 2000 обучающая 2,56 ОАО Мальцовский портландцемент 1 кв 2000 обучающая -2,62

2 кв 2000 обучающая 3,71 2 кв 2000 контрольная 3,72

3 кв 2000 обучающая -2,00 3 кв 2000 тестовая -0,37

4 кв. 2000 обучающая 1,17 4 кв 2000 контрольная 3,94

1 кв 2001 обучающая 2,39 1 кв 2001 обучающая 1,16

2 кв 2001 тестовая -2,48 2 кв 2001 тестовая 1,73

3 кв 2001 обучающая -0,14 3 кв 2001 тестовая 1,27

4 кв 2001 тестовая 1,96 4 кв 2001 тес ювая -1,89

1 кв 2002 обучающая -3,64 1 кв 2002 контрольная -3,68

2 кв 2002 обучающая -3,13 2 кв 2002 контрольная -2,83

3 кв 2002 контрольная -0,03 3 кв 2002 обучающая 0,03

В целях построения годовой оптимальной модели прогнозирования динамический ряд был разбит только на две выборки: обучающую (10 наблюдений) и контрольную (3 наблюдения) вследствие недостаточного количества наблюдений в выборке. Далее была построена и отобрана наилучшая нейронная сеть, которая использует в качестве основных влияющих факторов производство цемента в Центральном федеральном округе, цены на цемент и электроэнергию.

Из табл. 4 видно, что выбранная сеть прогнозирует не хуже, чем с 6,1% погрешностью. Такой результат можно считать удовлетворительным, т.к. качество прогноза зависит от степени детализации данных. Визуально качество прогноза представлено на рис. 3, где указан график фактической и прогнозной динамик объемов отправления цемента. Как видно, эти показатели весьма близки друг к другу.

-факт - прогноз

1 а 2(ХС 2м 2000 3 а 2ОТО 4а 2000 1л 2001 2м 2001 Эп 2001 4 а 2001 1 ш 2002 2>в20О2 Зм 2002

квартал

ОАО Воскресенскцемент

-факт - прогноз

2М0 2м 2000 За 2000

2001 2л 200* З.в 2СЮ1 4x2X1 1 п 2002 2л 2002 1а

квартал ОАО Щуровоцемент

-факт -прогноз

2000 2 и20Ш 3в2№0 4 и 2000 1 2001 2'*2ТС1 3 2001 4 и 2001 1 и 2X2 2и2Ю2 }<

квартал

ОАО Михайловскцемент

1 Х зоао з и заое э гооо

ОАО Мальцовский портландцемент Рис. 2. Отклонение фактических значений объемов отправления цемента предприятиями от прогнозных

Таблица 4.

Оценка прогнозирующей способности нейронной сети

Год Тип выбор- Абс. откл., Отн. Год Тип выборки Абс. откл., Отн.

ки тыс. тонн откл., % ТЫС.ТОНН откл., %

1990 обучающая -31,8 -0,37 1997 обучающая 193,6 5,47

1991 обучающая 193,1 2,56 1998 обучающая 127,0 3,70

1992 контрольная -216,0 -3,15 1999 обучающая -29,0 -0,71

1993 обучающая -102,6 -1,82 2000 контрольная 33,1 0,69

1994 обучающая -313,2 -5,94 2001 обучающая -121,1 -2,06

1995 обучающая 129,3 2,83 2002 обучающая 12,5 0,20

1996 контрольная 183,0 6,13

год год год год год год год год год год год год год ЧЧфакт прогноз

Рис. 3. Отклонение фактических значений объемов отправления цемента Московской железной дороги от прогнозных

В дальнейшем при прогнозировании объемов отправления в сеть вводятся исходные данные по выбранным переменным, и она автоматически рассчитывает прогнозное значение объемов отправления цемента. Данные можно вносить в ручную или наладить их поступление из баз данных или электронной почты. Вновь поступившие данные используются системой в процессе переобучения, т.е. сеть оптимально самонастраивается с учетом вновь поступившей информации. Однако если появляется новое возмущающее воздействие, влияние которого ранее не оценивалось, то необходимо заново провести анализ с учетом вновь поступившей статистической информации.

На основе проведенных исследований в работе составлена классификация предлагаемых методик краткосрочного прогнозирования (табл. 5).

Таблица 5.

Оценка использованных подходов краткосрочного прогнозирования

Признак Подход Оценка

Месячная динамика объемов отправления цемента Московской железной дорогой Корреляционно-регрессионный анализ Качество прогноза неудовлетворительное Возможная причина отсутствие необходимой динамики выбранных независимых переменных в разрезе рассматриваемого региона

Авторегрессия и скользящее среднее (метод Бокса-Дженкинса) Качество прогноза сильно снижается с каждым последующим прогнозным периодом Причина особенности метода

Метод Гусеница (анализ главных компонент) Качество прогноза по критерию минимакса наилучшее. Причина возможность экспертного анализа поведения временного ряда

Квартальная динамика объемов погрузл ки цемента конкрет ными предприятиями Московской железной дорог-и Годовая динамика объемов отправления цемента Московской железной дорогой Нейросетевое моделирование Высокая прогнозирующая способность Причина возможности метода, позволяющие воспроизводить сложные зависимости

Методы анализа временных рядов Корреляционно-регрессионный анализ Не использовались для анализа и прогнозирования Причина недостаточное для проведения анализа количество наблюдений в исследуемых выборках

К основным результатам диссертационного исследования можно отнести следующие:

1. Обоснована целесообразность использования различных подходов к исследованию и прогнозированию объемов железнодорожных перевозок различных родов грузов и проведено разделение грузов на группы с точки зрения однородности подходов к прогнозированию в разрезе этих групп.

2. Определены факторы, влияющие на формирование спроса на перевозки грузов железнодорожным транспортом в современных условиях. Несмотря на то, что большинство факторов трудно формализуемы, в работе проведено исследование по определению степени влияния различных факторов на конкретный производственный сегмент.

3. Обоснована необходимость улучшения учета маркетинговой информации и составления электронных баз данных факторов, влияющих на формирование потребностей и платежеспособного спроса на перевозки грузов с целью их дальнейшего использования в процессе экономического анализа и прогнозирования.

4. В результате проведенного анализа существующих методов прогнозирования объемов грузовых железнодорожных перевозок были выделены их основные недостатки, достоинства и границы использования в современных условиях. Показано, что выбор того или иного метода прогнозирования дожен зависеть как от системы производства и распределения различных видов грузов, так и от горизонта прогнозирования. Анализ качества прогнозных оценок, получаемых на практике, также показал необходимость разработки новых подходов к прогнозированию объемов железнодорожных перевозок.

5. Даны рекомендации по эффективному использованию метода Биггу-Дельфи при составлении догосрочных макро прогнозов спроса на перевозки грузов железнодорожным транспортом.

6. В качестве инструмента краткосрочного прогнозирования объемов отправления грузов проанализированы следующие методы: корреляционно-регрессионный анализ, авторегрессия и скользящее среднее (метод Бокса-Дженкинса), метод анализа главных компонент Гусеница, нейросетевое моделирование. Обосновано, что наиболее приемлемым в современных условиях является метод Гусеница и нейросетевое моделирование.

7. С использованием динамики объемов отправления цемента на Московской железной дороге и динамики факторов, влияющих на объем отправления, построены конкретные модели краткосрочного прогнозирования на различные временные периоды (месяц, квартал, год).

8. Определена прогнозирующая способность каждой модели и показано, что качество прогнозов, получаемых с использованием предлагаемых в работе методик выше аналогичных, используемых в практике работы железнодорожного транспорта. На основании сравнения полученных результатов для каждого выбранного метода выявлены границы применения.

Таким образом, применение на практике результатов диссертационного исследования позволит повысить качество прогнозирования объемов отправления грузов и тем самым обеспечит повышение эффективности функционирования железнодорожного транспорта и качества обслуживания грузоотправителей.

Основные положения диссертации опубликованы в следующих работах:

1. Куприянова Г.В. Использование нейросетевого моделирования при краткосрочном прогнозировании спроса на грузовые перевозки железнодорожным транспортом // Ж.-д. транспорт. - Сер. Общетранспортные вопросы и экономика ЭИ/ЦНИИТЭИ МПС. - 2003. - Вып. 2-3. - стр. 28-42.

2. Куприянова Г.В. Краткосрочное прогнозирование объемов отправления грузов железнодорожным транспортом // Безопасность движения поездов. Четвертая науч.-практ. конф. / Тр. Моск. гос. ун.-т путей сообщения (МИИТ). - М., 2003.

3. Бубнова Г.В., Куприянова Г.В., Сибагатулин В.Г. Прогнозирование объемов грузовых перевозок // Железнодорожный транспорт. - 2003, №4, стр. 61-64.

4. Короткова Г.В. Комплексная модель прогнозирования спроса на перевозки грузов железнодорожным транспортом // Экономические и социальные проблемы транспортного комплекса в современных условиях / Межвуз. сб. науч. тр. - Самара: СамИИТ, 2002.

5. Управление инновациями в сфере экономики и финансов на железнодорожном транспорте / Н.П. Терешина, В.Г. Галабурда, P.A. Кожевников, Б.А. Воков, Г.В. Короткова и др.; Под ред. Терешиной Н.П. - М.: МИИТ, 2001. - 103с.

6. Короткова Г.В. Сравнительная оценка применения методов прогнозирования спроса на грузовые перевозки // Современные проблемы экономики и управления на железнодорожном транспорте. Третья науч.-практ. конф. (международная). / Тр. Моск. гос. ун.-т путей сообщения (МИИТ). - М., 2001.

7. Стратегическое планирование на железнодорожном транспорте. Учебное пособие / Галабурда В.Г., Терешина Н.П., Бубнова Г.В., Киреев B.JL, Куприянова Г.В. - М.: МИИТ, 2002. - 267.

^ол^ -А

117 13&

КУПРИЯНОВА ГАЛИНА ВЛАДИМИРОВНА

РАЗВИТИЕ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ СПРОСА НА ГРУЗОВЫЕ ПЕРЕВОЗКИ ЖЕЛЕЗНОДОРОЖНЫМ ТРАНСПОРТОМ

Специальность 08.00.05 - Экономика и управление народным хозяйством (экономика, организация и управление предприятиями, отраслями и комплексами - транспорт)

Автореферат диссертации на соискание ученой степени кандидата экономических наук

Подписано в печать - <23". /К ОЗ. Печать офсетная. Бумага для множит, апп. Тираж - 80 экз. Заказ № //77.

Усл.-печ.л. -1,5. Формат 60X84 1/16

Типография МИИТ, 127994, Москва, ул. Образцова, 15.

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Куприянова, Галина Владимировна

ВВЕДЕНИЕ.

1. СОВРЕМЕННОЕ СОСТОЯНИЕ И ТЕНДЕНЦИИ РАЗВИТИЯ РЫНКА ГРУЗОВЫХ ПЕРЕВОЗОК В РОССИИ.

1.1. Место транспорта в экономике страны и особенности транспортного рынка.

1.2. Маркетинговые исследования на железнодорожном транспорте в современных условиях: структура и содержание.

1.3. Анализ данных маркетинговой отчетности Центра фирменного транспортного обслуживания МПС.

2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПРОГНОЗИРОВАНИЯ

ГРУЗОВЫХ ПЕРЕВОЗОК.

2.1. Сущность и классификация экономических прогнозов.

2.2. Характеристика спроса на грузовые перевозки.

2.3. Анализ существующих подходов и методов прогнозирования перевозок грузов железнодорожным транспортом.

2.4. Оценка методов, применяемых при прогнозировании объемов грузовых железнодорожных перевозок.

3. МЕТОДОЛОГИЯ РАЗВИТИЯ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ СПРОСА НА ПЕРЕВОЗКИ ГРУЗОВ ЖЕЛЕЗНОДОРОЖНЫМ ТРАНСПОРТОМ.

3.1. Использование теории нечетких множеств в прогнозировании спроса на грузовые перевозки железнодорожным транспортом.

3.2. Возможности метода Гусеница при прогнозировании временных рядов.

3.3. Нейросетевое моделирование экономических процессов.

4. РАЗРАБОТКА ПРАКТИЧЕСКИХ РЕКОМЕНДАЦИЙ ПО ПРОГНОЗИРОВАНИЮ СПРОСА НА ГРУЗОВЫЕ ПЕРЕВОЗКИ ЖЕЛЕЗНОДОРОЖНЫМ ТРАНСПОРТОМ.

4.1. Применение стохастических методов при прогнозировании объемов отправления грузов.

4.1.1. Корреляционно-регрессионный анализ.

4.1.2. Метод Гусеница.

4.2. Применение нейросетевого моделирования при прогнозировании объемов отправления грузов.

4.2.1.Моделирование процессов с использованием поквартальной динамики.

4.2.2. Моделирование процессов с использованием годовой динамики.

Диссертация: введение по экономике, на тему "Развитие системы прогнозирования спроса на грузовые перевозки железнодорожным транспортом"

Основной задачей железнодорожного транспорта является своевременное удовлетворение потребностей экономики страны в перевозках. Несмотря на произошедшее в последнее десятилетие резкое снижение объемов транспортной работы, железнодорожный транспорт сохранил свое ведущее положение в общетранспортном балансе грузовых перевозок нашей страны. В сложившихся нестабильных и трудно предсказуемых экономических, политических и социальных условиях железнодорожный транспорт продожает оставаться наиболее стабильно работающим и привлекательным для большинства грузовладельцев видом транспорта.

Однако усиление конкуренции между видами транспорта и изношенность основных фондов железнодорожного транспорта в дальнейшем могут привести к потере железнодорожным транспортом части рынка и, тем самым, к ухудшению его финансово-экономического положения. Определение перспективного значения спроса на перевозки грузов железнодорожным транспортом с учетом влияния совокупности экономических, политических, технологических, природных факторов и конъюнктуры транспортного рынка позволит выбрать оптимальную модель поведения, так как обеспечивает возможность гибкой адаптации производственных показателей на колебания спроса. Это в свою очередь позволит снизить экономические потери железнодорожного транспорта и увеличить прибыль. Особенно большое значение имеет достоверность прогноза спроса на транспортные услуги железных дорог в условиях проводимой структурной реформы отрасли.

Актуальность темы диссертации обусловлена необходимостью совершенствования системы прогнозирования спроса на грузовые перевозки железнодорожным транспортом для повышения эффективности управления ресурсами железных дорог в свете проводимых структурных реформ, отмены централизованного планирования и договременных предварительных заявок на перевозки грузов железнодорожным транспортом.

Анализ и прогнозирование спроса на перевозки грузов являются важнейшим инструментом выработки эффективных управленческих решений в части выбора оптимальной стратегии развития; определения необходимого технического оснащения железных дорог; планирования потребности в материальных, трудовых и финансовых ресурсах; проведения мер по привлечению клиентов на железнодорожный транспорт и т.д. Таким образом, проблема развития системы прогнозирования спроса на грузовые перевозки в современных условиях стала особенно актуальной. С учетом ранее выпоненных исследований в этой области необходима разработка современной методологии прогнозирования спроса на грузовые перевозки с использованием новейших математических методов и моделей и их адаптацией к особенностям рынка транспортных услуг. Кроме того, необходимость использования разработок в практике прогнозирования в реальных условиях накладывает определенные требования к подбору математического аппарата: он дожен совмещать в себе достоинства других методов и одновременно отличаться простотой и наглядностью в применении, максимально базироваться на имеющейся в распоряжении железнодорожного транспорта информации.

Основной целью диссертационного исследования является развитие системы прогнозирования спроса на грузовые перевозки железнодорожным транспортом для повышения качества получаемых прогнозов. В соответствии с целью исследования в диссертационной работе были поставлены и решены следующие задачи: о исследованы тенденции развития рынка грузовых перевозок в России и роль железнодорожного транспорта в их обеспечении; о выявлены и проанализированы основные факторы, влияющие на перевозки грузов железнодорожным транспортом; о классифицированы методы прогнозирования экономических процессов; о определено место прогнозирования спроса на грузовые перевозки в системе управления железнодорожным транспортом; о показаны специфические особенности и методические основы прогнозирования спроса на грузовые железнодорожные перевозки; о проанализирован опыт и установлены границы применения существующих подходов и методов прогнозирования перевозок грузов железнодорожным транспортом; о оценено качество применяемых в практике управления при прогнозировании объемов грузовых железнодорожных перевозок методов; о обоснованы достоинства и преимущества применения современных методов прогнозирования, таких как Гусеница и нейросетевое моделирование; о проведен сравнительный анализ результатов прогнозирования объемов перевозок грузов железнодорожным транспортом, полученных в результате применения различных методов.

Объектом исследования с учетом поставленной задачи являются грузовые железнодорожные перевозки, а предметом исследования - прогнозирование спроса на грузовые железнодорожные перевозки.

Теоретической и методологической основой исследования послужили научные труды видных отечественных ученых в области планирования и прогнозирования перевозок грузов железнодорожным транспортом И.В.Белова, Е.Д.Ханукова, Т.С.Хачатурова, Б.И.Шафиркина, Н.П. Терешиной, В.Г.Галабурды, Н.С. Ускова, H.H. Громова, M.JI. Дыканюк, А.Г.Захарова, Л.В.Канторовича, А.Б.Каплана, Е.П. Нестерова, Б.М. Лапидуса, Д.А. Мачерета, В.А. Персианова, Н.В. Правдина, Г.В. Бубновой и других [11,44,80,34,89,120,123,73, 96,124,70,105,19,18]. В ходе исследования применялись теория математической статистики, методы математического анализа (Гусеница и нейросетевое моделирование), основные положения и инструментарий теории прогнозирования, программные продукты лCaterpillar фирмы GistaT Group, Statistica и пакет Neural Networks фирмы StatSoft и другие.

В диссертации для анализа и прогнозирования используются статистические данные Госкомстата России [46,100,101,103,108,109,121], железнодорожная отчетность на различных уровнях управления и материалы маркетинговых обследований, проводимых СФТО [115].

Научная новизна исследования заключается в следующем: о аргументирована необходимость сегментации грузов на две крупных группы и использования различных подходов к маркетинговым исследованиям и прогнозированию объемов железнодорожных перевозок в разрезе этих групп; о разработаны предложения по применению теории нечетких множеств в экспертном прогнозировании спроса на грузовые железнодорожные перевозки на догосрочный период; о с целью повышения качества получаемых прогнозных оценок обоснована возможность применения при прогнозировании показателей перевозок грузов с учетом маркетинговой информации ранее не использовавшихся для этих целей математических методов (метод анализа временных рядов Гусеница и нейросетевое моделирование).

Практическая ценность заключается в возможности применения предложенных разработок на сети в целом и на железных дорогах, прежде всего в Системе фирменного транспортного обслуживания и в Департаменте экономики МПС, для улучшения качества прогнозирования спроса на грузовые перевозки и, тем самым, повышения конкурентоспособности и доходности железных дорог. Достоверность работы базируется на реальной информационной базе, на надежности теоретических методов, критериев значимости и оценки полученных результатов.

Основные положения и теоретические выводы по диссертационной работе были доложены на Второй сетевой научно-практической конференции Современные проблемы экономики и управления на железнодорожном транспорте (Москва, 2000 г.), на Третьей сетевой научно-практической конференции Современные проблемы экономики и управления на железнодорожном транспорте (Москва, 2001 г.), на Третьей сетевой научно-практической конференции Безопасность движения поездов (Москва, 2002 г.), на Четвертой сетевой научно-практической конференции Безопасность

Движения поездов (Москва, 2003 г.). Положения диссертационной работы использованы в научно исследовательской работе Построение информационно-аналитической системы прогнозирования перевозок грузов выпоненной при участии автора по заказу ЦФТО МПС в 2002 году. Результаты диссертационной работы внедрены в Системе фирменного транспортного обслуживания МПС России. По теме диссертации было опубликовано 7 научных статей.

На защиту выносятся методические основы развития системы прогнозирования спроса на грузовые перевозки железнодорожным транспортом с помощью метода анализа временных рядов Гусеница и нейросетевого моделирования.

Диссертация: заключение по теме "Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда", Куприянова, Галина Владимировна

выводы по четвертой главе

На основе проведенных исследований составлена классификация предлагаемых методик, представленная в табл. 4.11.

Классификация предлагаемых подходов краткосрочного прогнозирования

Признак Подход Оценка

Месячная динамика объемов отправления цемента Московской железной дорогой Корреляционно- регрессионный анализ Качество прогноза неудовлетворительное. Возможная причина: отсутствие необходимой динамики выбранных независимых переменных в разрезе рассматриваемого региона.

Авторегрессия и скользящее среднее (метод Бокса-Дженкинса) Качество прогноза сильно снижается с каждым последующим прогнозным периодом. Причина: особенности метода.

Метод Гусеница (анализ главных компонент) Качество прогноза по критерию минимакса наилучшее. Причина: возможность экспертного анализа поведения временного ряда.

Квартальная динамика объемов погрузки цемента конкретными предприятиями Московской железной дороги Нейросетевое моделирование Высокая прогнозирующая способность. Причина: возможности метода, позволяющие воспроизводить сложные зависимости.

Методы анализа временных рядов Не использовались для анализа и прогнозирования. Причина: недостаточное для проведения анализа количество наблюдений в исследуемых выборках.

Годовая динамика объемов отправления цемента Московской железной дорогой

Корреляционно- регрессионный анализ

ЗАКЛЮЧЕНИЕ

К основным выводам и результатам настоящего диссертационного исследования можно отнести следующие:

1. Прошедшее десятилетие в России характеризовалось значительными социально-экономическими изменениями. Согласно данным Госкомстата РФ, за 1992 - 2001 годы Внутренний валовой продукт России снизися на 27%. Уровень промышленного производства сократися на 35%, инвестиции в основной капитал снизились в 3 раза. Численность населения за этот период сократилась на 4,1 мн. человек или на 2,8% при этом реальные денежные доходы (скорректированные на инфляцию) снизились на 47%. Транспорт, являясь составной частью экономики страны, испытывал те же проблемы, что и другие отрасли народного хозяйства. На фоне экономического спада объем отправления грузов транспортом общего пользования снижася резко и в 1998 году он составил только 34,2% от уровня 1990 года.

2. Несмотря на резкое снижение объемов транспортной работы за период 1991-2001 гг. по сравнению с 1990 годом, железнодорожный транспорт сохранил свое ведущее положение в общетранспортном балансе грузовых перевозок нашей страны. При этом если в 1990 году железными дорогами было перевезено 31,2% всех отправленных грузов, то в 2001 году доля железных дорог составила 40,5%. Динамика грузооборота показывает снижение доли железнодорожного транспорта с 1990 года. В 1990 году доля железных дорог составила 42,8%, а в 2001 году - 39,9%. Однако это можно объяснить воздействием трубопроводного транспорта, т.к. без его учета доля железных дорог возросла с 76,1% в 1990 году до 88% в 2001 году. В сложившихся нестабильных и трудно предсказуемых экономических, политических и социальных условиях железнодорожный транспорт продожает оставаться наиболее стабильно работающим и привлекательным для большинства грузовладельцев видом транспорта.

3. В дальнейшем необходимо удерживать и укреплять позиции железнодорожного транспорта на рынке в условиях усиления конкуренции между видами транспорта. Для этого необходим выбор эффективной политики на основе правильно оцененных тенденций развития транспортного рынка, что делает роль прогнозирования определяющей в процессе управления.

4. Проведенная в диссертационной работе оценка роли прогнозирования и планирования, приводит к заключению, что прогнозирование и планирование являются самостоятельными этапами процесса управления и ни один из них не может быть исключен из управленческого цикла.

5. Цели прогнозирования, глубина (временной интервал) и статистическая база определяют вид и характеристики прогнозов. Предложена классификация прогнозов, составленная на основе изучения многочисленных источников специальной литературы.

6. Спрос на грузовые перевозки железнодорожным транспортом имеет специфичную структуру, что определяет сложность получения его прогнозного значения. В диссертационной работе представлена классификация основных характеристик, определяющих характер, объем, структуру спроса на грузовые железнодорожные перевозки.

7. Прогнозирование спроса на перевозки грузов усложняется тем, что объем и структура спроса зависят от совокупности экономических, технологических, социально-политических, демографических, культурно-исторических, природных факторов и конъюнктуры транспортного рынка (уровня рыночных цен, платежеспособности потребителей, их географического положения и т.д.). Поэтому прогнозы спроса на перевозки дожны основываться на анализе (как качественном, так и количественном) закономерностей процесса его формирования и выявлении присущих этому процессу наиболее характерных тенденций.

8. На основе изучения данных железнодорожной маркетинговой отчетности выделены два принципиально отличных сегмента грузов. Первая группа характеризуется устойчивыми условно-постоянными связями (например, уголь - кокс - руда железная и марганцевая - черные металы), а вторая -распыленностью и сложностью идентификации конечного потребителя например, строительные грузы, цемент, зерно, химические и минеральные удобрения). Проведена сегментация грузов и обоснована целесообразность использования различных подходов к исследованию и прогнозированию объемов перевозок в разрезе этих групп.

9. Сформирован перечень факторов, влияющих на формирование спроса на перевозки грузов железнодорожным транспортом. Большинство факторов трудно формализуемы, что осложняет возможность оценки степени их влияния на объемы железнодорожных перевозок. Проведено исследование влияния различных факторов на конкретный производственный сегмент.

10. Обоснована необходимость улучшения статистического учета маркетинговой информации и составления электронных баз данных факторов, влияющих на формирование спроса с целью их дальнейшего использования в процессе экономического анализа и прогнозирования.

11. В результате проведенного анализа существующих методов прогнозирования объемов грузовых железнодорожных перевозок были выделены их основные недостатки, достоинства и границы использования в современных условиях. Отмечено, что конкретных исследований в области классификации методов в разрезе родов грузов не проводилось. Показано, что выбор того или иного метода прогнозирования дожен зависеть как от рода груза, так и от горизонта прогнозирования. Анализ качества прогнозных оценок, получаемых на практике, также показал необходимость разработки новых подходов к прогнозированию объемов железнодорожных перевозок. Наиболее низкое качество по результатам проведенного исследования выявлено у краткосрочных прогнозов.

12. Предлагается использование метода Fuzzy-Дельфи при составлении догосрочных макро прогнозов спроса на перевозки грузов железнодорожным транспортом. Применение теории нечетких множеств обусловлено тем, что железнодорожный транспорт находится в более нестабильной ситуации, чем в недалеком прошлом так как экономическая, социальная, политическая и технологическая обстановка в настоящее время является значительно менее предсказуемой, изменения носят качественный характер и трудно поддаются формализации классическими методами прогнозирования, основанными на Механистическом детерминизме. Также немаловажным фактором, определяющим выбор макро уровня, является учет сложности формирования группы экспертов и проведения самого опроса.

13. В качестве инструмента краткосрочного прогнозирования объемов отправления грузов рассмотрены следующие математические методы: корреляционно-регрессионный анализ, авторегрессия и скользящее среднее (метод Бокса-Дженкинса), метод анализа главных компонент Гусеница, нейросетевое моделирование.

14. Отмечены основные достоинства метода Гусеница и нейросетевого моделирования, предопределившие их выбор в качестве инструмента прогнозирования спроса на перевозки грузов железнодорожным транспортом. Реальную возможность использования нейросетевого моделирования в практике прогнозирования на железных дорогах предоставляет наличие соответствующего программного продукта компании SAS Institute (SAS Enterprise Miner), которая .активно сотрудничает с ЦФТО МПС и с использованием инструментов которой разработана архитектура информационных хранилищ железнодорожного транспорта.

15. С использованием динамики объемов отправления цемента Московской железной дорогой и динамики факторов, влияющих на объем отправления, построены конкретные модели краткосрочного прогнозирования на различный временной период: месяц, квартал, год. Определена прогнозирующая способность каждой модели и проведено сравнение качества получаемых прогнозов объема отправления цемента с использованием предлагаемых методик и применяемых на практике. На основании сравнения результатов прогноза для каждого выбранного метода краткосрочного прогнозирования выявлены границы применения.

Таким образом, применение на практике результатов диссертационного исследования позволит повысить качество прогнозирования объемов отправления грузов и тем самым обеспечит повышение эффективности функционирования железнодорожного транспорта и качества обслуживания грузоотправителей.

Разработанные методические рекомендации могут быть использованы в практике работы Департамента экономики и маркетинговых структур Системы фирменного транспортного обслуживания МПС при составлении прогнозов объемов отправления грузов.

Диссертация: библиография по экономике, кандидат экономических наук , Куприянова, Галина Владимировна, Москва

1. Абрамов А.И. Место транспорта в системе общественного производства. М.: Высшая школа, 1982. Ч 79 с.

2. Абрамов А.П., Галабурда В.Г., Иванова Е.А. Маркетинг на транспорте / под ред. В.Г. Галабурды. Учебник для вузов. М.: Жедориздат, 2001. ~ 329 с.

3. Абрамов И.Н. Прогноз на предприятии. -М.: Знание, 1976.

4. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998.

5. Альберт А. Регрессия, псевдоинверсия и рекуррентное оценивание. М.: Наука, 1977.-224 с.

6. Анализ текущего состояния и тенденции развития промышленного производства и объемов перевозок грузов по сети железных дорог России на краткосрочную и среднесрочную перспективу: Отчет / руководитель Пехтерев Ф.С. М.: Гипротранстэи МПС, 2001.

7. Андерсон Т. Статистический анализ временных рядов. ЧМ.:Мир, 1976. 755 с.

8. Анил К. Джей Введение в искусственные нейронные сети // Открытые системы. 1997. - №4.

9. Багриновский К.А., Рубцов В.Н. Модели и методы прогнозирования и догосрочного планирования: Учеб. пособие. М.: 1992. Ч 78 с.

10. Белов И.В. и др. Экономика транспорта / под ред. И.В. Белова. М.: Транспорт, 1989.-351 с.

11. Белов М.В., Персианов В.А. Экономическая теория транспорта в СССР. М.: Транспорт, 1993. -415 с.

12. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. -М.: Статистика, 1974. 159 с.

13. Бокс Д., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып.1. М.: Мир, 1974. 408 е.; Вып. 2. М.: Мир, 1974. - 199 с.

14. Боровиков В.П. Программа STATISTICA для студентов и инженеров. М.: Горячая линия - Телеком, 2001. - 301 с.

15. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе Statistica в среде Windows. Основы теории и интенсивная практика на компьютере: Учеб. пособие. М.: Финансы и статистика, 2000. - 283 с.

16. Бочарников В.П. Прогнозные коммерческие расчеты и анализ рисков на Fuzzy for Excel. Киев: 2000. - 159 с.

17. Бубнова Г.В. Инструменты поддержки принятия маркетинговых решений на железнодорожном транспорте // Экономика железных дорог. 2001. - №12. Ч с. 81-92.

18. Бубнова Г.В. Средства формирования эффективной маркетинговой стратегии // Железнодорожный транспорт. 2002. - №2. - с. 4-10.

19. Бубнова Г.В., Куприянова Г.В., Сибагатулин В.Г. Прогнозирование объемов железнодорожных перевозок грузов // Железнодорожный транспорт. 2003. -№4. Ч с.61-64.

20. Бубнова Г.В., Тюфаев A.M. Исследование и моделирование продаж транспортной продукции // Железнодорожный транспорт. 2002. -№6 Ч с.60-64.

21. Бурков В.Н. Экспертные оценки в задачах управления. М.: 1982. Ч 105 с.

22. Васильев В.И. Интелектуальные системы управления с использованием нечеткой логики. Уфа: 1995.

23. Ведута E.H. Государственные экономические стратегии. М.: ЮНИТИ, 1998. -483 с.

24. Вишнев С.М. Основы комплексного прогнозирования.-М.:Мир,1977 276с.

25. Галабурда В.Г. Маркетинг на транспорте: Учеб. пособие. М.: МИИТ, 1992. -108с.

26. Галабурда В.Г. Методика маркетингового анализа транспортного рынка и изучения спроса на грузовые перевозки // Ж.-д. транспорт. Сер. Маркетинг и коммерческая деятельность. ЭИ/ЦНИИТЭИ. - 1996. - Вып. 1. - с. 1-30.

27. Галабурда В.Г. Оптимальное планирование грузопотоков. Ч М.: Транспорт, 1985.-256 с.

28. Галабурда В.Г., Деружинский В.Е. Транспортный маркетинг. М.: МИИТ, 1994. - 174с.

29. Гарипов P.P. Прогнозирование функционирования автотранспортных предприятий региона. Дисс. канд. экон. наук. М.: РАН, 1999.

30. Гренджер К., Хатанака М. Спектральный анализ временных рядов в экономике / Под ред. В.В. Налимова; Пер. с англ. -М.-.Статистика, 1972. 312 с.

31. Громов H.H. Единая транспортная система: Учебное пособие. Ч М.: Транспорт, 1987. 304 с.

32. Громов H.H., Персианов В.А. Управление на транспорте: Учебник для вузов. Ч М.: Транспорт, 1990. 336 с.

33. Губоревич В.А. Формирование укрупненных показателей стоимости реконструкции малых железнодорожных мостов для проведения подрядных конкурсов. Дисс. канд. экон. наук. -М.: МИИТ, 2002.

34. Гурин Л.Г. Методы и модели совместного использования вероятностных методов и экспертного оценивания в прогнозировании. М.: Вычислительный центр РАН, 1994. - 63 с.

35. Данилов Д.Л., Жиглявский A.A. (ред.) Главные компоненты временных рядов: метод Гусеница. Спб.: СПбГУ, 1997. - 308 с.

36. Дженкинс Г., Ватте Д. Спектральный анализ и его приложения. М.: Мир, 1971.-Вып. 1 -316 с.

37. Догосрочное планирование и прогнозирование / Под ред. Г.С. Хачатурова. -М.: Наука, 1975.-517с.

38. Ежов A.A., Шумский С.А. Нейрокомпьютинг и его применение в экономике и бизнесе. М.: МИФИ, 1998.

39. Еремеев А.П. Экспертные оценки и методы принятия решений. М.: Изд. МЭИ, 1995.- 110 с.

40. Ефимова E.H. Краткосрочное прогнозирование перевозок грузов железнодорожным транспортом на основе маркетинговых исследований. Дисс. канд. экон. наук. -М.: ВНИИЖТ, 1994.

41. Захаров А.Г. Методические предпосыки диагностики спроса и предложения транспортных услуг // Межвуз. сб. науч. тр./ МИИТ. 1994. - Вып.883: Маркетинг и коммерческая деятельность на транспорте. Ч С. 42-47.

42. Захаров А.Г. Совершенствование планирования и анализа грузовых перевозок на железнодорожном транспорте. М.: Транспорт, 1990. Ч 239с.

43. Иловайский Н.Д., Король В.А. Маркетинг в перевозках грузов / ВНИИЖТ. Ч М.: Транспорт, 1995. 248 с.

44. Инвестиции в России, 2001 Статистический сборник/ Госкомстат России. М., 2001.- 198 с.

45. Кильдишев Г.С. Статистический анализ динамических рядов. Ч М.: Статистика, 1974. 43 с.

46. Кильдишев Г.С., Френкель A.A. Анализ временных рядов и прогнозирование. -М.: ФиС, 1973.

47. Клейнер Г.Б., Смоляк С.А. Эконометрические зависимости: принципы и методы постоения. М.: Наука, 2000. - 104 с.

48. Князевский B.C., Житников И.В. Анализ временных рядов и прогнозирование.- Ростов на Дону, 1998. 161 с.

49. Ковалева Г.Д. Измерение и моделирование циклической динамики экономических процессов на основе спектрального анализа. Автореф. дис. к.э.н.- Новосибирск, 1991. 22 с.

50. Колин Д. Льюис. Методы прогнозирования экономических показателей. М.: Финансы и Статистика, 1986. - 133 с.

51. Кондратьев Н.Д. Избранные сочинения. М.: Экономика, 1993. - 543 с.

52. Кондратьев Н.Д. Проблемы экономической динамики / Ред. JI. И. Абакин и др. М.: Экономика, 1989. - 526 с.

53. Короткова Г.В. Комплексная модель прогнозирования спроса на перевозки грузов железнодорожным транспортом // Сборник научных трудов Экономические и социальные проблемы транспортного комплекса в современных условиях. Самара: СамИИТ, 2002. - с. 78-82.

54. Кофман А., Хил Алуха X. Введение теории нечетких множеств в управлении предприятием: Пер. с испанского. -М.: Высшая школа, 1992. Ч 224 с.

55. Кулинич Е.Н. Эконометрия. М.: ФиС, 1999. - 300с.

56. Лапидус Б.М. Анализ динамики перевозки грузов в условиях конкуренции // Экономика ж. д. 1999. - №7. - с. 9-14.

57. Лапидус Б.М. Экономические проблемы управления железнодорожным транспортом России в период становления рыночных отношений (системный анализ). М.: Изд-во МГУ, 2000. - 288 с.

58. Лисичкин В.А. Теория и практика прогностики (методологические аспекты). Ч М.: Наука, 1972. 224 с.

59. Литвак Б.Г. Разработка методов комплексного экспертного оценивания при перспективном планировании развития отрасли. Автореферат дис. Д.т.н. М.: 1989.-46 с.

60. Литвак Б.Г. Экспертная информация: Методы получения и анализа. М.: Радио и связь, 1982. - 184 с.

61. Литвак Б.Г. Экспертные оценки и принятие решений. ЧМ.".Патент, 1996 271 с.

62. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. М.: Статистика, 1979. - 254 с.

63. Львов Д. Будущее российской экономики // Экономист,Ч2000. Ч №12. с. 3-18.

64. Льюис К.Д. Методы прогнозирования экономических показателей. М.: Финансы и статистика, 1986. - 133 с.

65. Мазо Л.А. Современные методы управления экономическими процессами на железнодорожном транспорте. М.: Изд. МЭИ, 2000. Ч 268 с.

66. Маркетинговые исследования транспортного рынка и прогнозирование перевозок в районе тяготения Московской железной дороги: Отчет о НИР / МИИТ; Руководитель В.Г. Галабурда. М.: 1999. - 92 с.

67. Маркс К., Энгельс Ф. Поное собрание сочинений. Издание 2-е, т. 24.

68. Математическое моделирование экономических процессов на железнодорожном транспорте / Под ред. Каплана А.Б. М.: Транспорт, 1984. -256с.

69. Мачерет Д.А. Анализ конъюнктуры транспортного рынка, теоретические основы // Ж-д. тр-т. Сер. Маркетинг и коммерческая деятельность: ЭИ/ЦНИИТЭИ МПС. М.: 1997. - Вып.2. - с. 10-14.

70. Мачерет Д.А. Проблемы совершенствования экономических методов управления работой железнодорожного транспорта // Ж-д. тр-т. Сер. Общетранспортные вопросы и экономика: ЭИ/ЦНИИТЭИ МПС. М.: 2000. Ч Вып.3-4. - с. 1-63.

71. Методика прогнозирования спроса на продукцию железнодорожного транспорта: Отчет о НИР / МИИТ; Руководитель Орлов A.A. М.: 2000.

72. Методология формирования технической политики как инструмента реализации экономической стратегии ОАО РЖД: Отчет о НИР / руководитель Лапидус Б.М. М.: МИИТ, 2002. - 205с.

73. Многомерный статистический анализ в экономике: Учеб. пособие / Под ред. В.Н. Тамашевича. М.: ЮНИТИ, 1999. - 598 с.

74. Можаров Н.Д. К политэкономическим проблемам теории транспорта //Ж.-д. транспорт. 1991.

75. Нейронные сети. STATISTICA Neural Networks: Пер. с англ. М.:Горячая линия - Телеком, 2001. - 182 с.

76. Новосельский В. Социально-экономическое развитие в 2001 году: итоги и проблемы // Экономист. 2002. - №4. - с. 36-45.

77. Оптимальная модель Московской железной дороги. Ч М.: МПС, 2000. 198 с.

78. Орлов A.A. Прогнозирование спроса на перевозки грузов по железной дороге. Дисс. канд. экон. наук. М.: МИИТ, 1995. - 268 с.

79. Панкова JI.А. Субъективность в интелектуальном анализе данных. М.:1999.-76 с.

80. Папоян А.Р. Оперативное прогнозирование спроса на пассажирские перевозки воздушным транспортом. Дисс. канд. экон. наук. М.: ГУУ, 2000.

81. Петров М.Б. Моделирование условий формирования спроса на грузовые перевозки // Железнодорожный транспорт. 2002. - №4. - с.62-64.

82. Пивоваров С.Э. Методология комплексного прогнозирования развития отрасли. Л.: - Наука, 1984. - 185 с.

83. Планирование перевозок грузов на железных дорогах. Ч М.: Транспорт, 1972. Ч 263 с.

84. Плышевский Б. Показатели результативности рыночных реформ // Экономист. 2002. - №7. - с. 3-12.

85. Подсорин В.А. Экономическая оценка резервов повышения эффективности использования основных фондов железнодорожного транспорта. Дисс. канд. экон. наук 2002. 155с.

86. Половников В.А. Анализ и прогнозирование транспортной работы морского флота. М.: Транспорт, 1983. - 224 с.

87. Правдин Н.В., Дыканюк М.Л. Прогнозирование грузовых потоков. М.: Транспорт, 1987. - 246 с.

88. Правила приема заявок на перевозки грузов на железнодорожном транспорте / утверждены приказом МПС России от 17 января 2001 г. № 1ЦЗ.

89. Прикладные нечеткие системы / Асан К., Ватада Д., Иван С. и др. под ред. Т. Терано. -М.: Мир, 1993.

90. Прогностика. Терминология / Под. ред. В.И. Сифорова. -М.: Наука, 1975.

91. Программа структурной реформы на железнодорожном транспорте. Подпрограмма Прогнозирование развития железнодорожного транспорта и потребности в его услугах. М.: МПС, 2001. - 53 с.

92. Пугачева А.А., Мелентьева Н.К., Малова М.В., Давыдова Т.П. Прогнозирование рынка транспортных услуг // Экономика и финансы, №5,2000, с. 45-51.

93. Рабочая книга по прогнозированию / Под ред. И.В. Бестужева-Лады. М.: Наука, 1982.-301 с.

94. Разработка межрайонного обмена грузов и грузовых потоков по сети железных дорог на перспективу / Метод, указ. по экономическим изысканиям на ж.д. транспорте. М.: Гипротранстэи МПС, 1989. - 205 с.

95. Райзберг Б.А., Лозовский Л.Ш., Стародубцева Е.Б. Современный экономический словарь. -М.: Инфра-М, 1997.

96. Раяцкас Р.Л. Система моделей планирования и прогнозирования. М.: Высшая школа, 1976. - 286 с.

97. Рихтер К.Ю. Транспортная эконометрия. М.: Транспорт, 1983.

98. Российский статистический ежегодник, 2000: Статистический сборник/ Госкомстат России. М., 2000. - 690 с.

99. Российский статистический ежегодник, 2002: Статистический сборник/ Госкомстат России. М., 2002. Ч 690 с.

100. Россия в цифрах, 2002: Крат. стат. сб. / Госкомстат России. М., 2002. - 398 с.

101. Селезнев А. Некоторые прогнозы и действительность // Экономист. 2000. Ч №1. - с. 40-46.

102. Смехов A.A. Модели транспортного рынка // Ж.-д. Транспорт. 1997. - №1.

103. Смехов A.A. Прогнозирование ситуаций на транспортном рынке //Ж.-д. Транспорт. 1997. - №7.

104. Сонцев В.Н., Холодилин К.А. О проявлениях догосрочных тенденций в современном экономическом кризисе в России // Экономика и математические методы, 2000, том 36, №2, с. 57-62.

105. Сонцева О.Г. Оценка спроса на грузовые автомобильные перевозки в условиях рынка. Дисс. канд. экон. наук. -М.: ГУУ, 1999.

106. Социально-экономическое положение в России: январь-ноябрь 2002 Статистический сборник / Госкомстат России. М., 2002 - 384 с.

107. Статистическое обозрение / ежеквартальный журнал Госкомстат России, 1998-2002 гг.

108. Стрижкова JI. Структурные изменения промышленности в 1990-2001 гг. // Экономист. 2002. - №7. - с. 13-25.

109. Ш.Сулицкий В.Н. Методы статистического анализа в управлении: Учеб. пособие. М.:Дело, 2002. - 520с.

110. Тейл Г. Экономические прогнозы и принятие решений.-М.:ФиС, 1971.-488с.

111. Терешина Н.П., Галабурда В.Г., Киреев B.J1. Стратегическое планирование на железнодорожном транспорте: Методические указания. -М.:МИИТ,1999 Ч 96 с.

112. Технология проведения маркетинговых исследований в области железнодорожных перевозок грузов: Утверждена Указанием МПС России №141у от 29 мая 2000 года.

113. Трихунков М.Ф. Транспортное производство в условиях рынка: качество и эффективность. Ч М.: Транспорт, 1993. 255 с.

114. Умаров Х.С. Моделирование процессов прогнозирования основной деятельности отделений железной дороги: Автореф. дис. к.э.н. Ч Ташкент: 1991. 24 с.

115. Формирование системы показателей и факторов для модели продаж транспортных услуг (производственно-технологический сектор экономики): отчет о НИР / руководитель Бубнова Г.В. Ч М.: МИИТ, 2002.

116. Френкель A.A., Андреева Т.А. Математико-статистический анализ многолетних наблюдений: Учеб. пособие. Ч М.: 1990. Ч 89 с.

117. Хануков Е.Д. Транспорт и размещение производства. М.: Трансжедориздат, 1956.-412с.

118. Цены в России, 2002: Статистический сборник/ Госкомстат России. М., 2002.-171 с.

119. Четыркин Е.М. Статистические методы прогнозирования. М.: Статистика, 1975.-184 с.

120. Шафиркин Б.И. Единая транспортная сеть и взаимодействие различных видов транспорта. М.: Высшая школа, 1970. - 224 с.

121. Шафиркин Б.И. Повышение эффективности грузовых перевозок транспортной системы СССР. М.: Транспорт, 1978. Ч 240 с.

122. Экономика железнодорожного транспорта: Учеб. для вузов ж.-д. трансп./ И.В. Белов, Н.П. Терешина, В.Г. Галабурда и др., Под ред. Н.П. Терешиной, Б.М. Лапидуса, М.Ф. Трихункова. М.: УМК МПС России, 2001. - 600 с.

123. Экономика железнодорожного транспорта: Учеб. для вузов ж.-д. трансп./ Под ред. Е.Д. Ханукова. М.: Транспорт, 1979. - 544 с.

124. Экономика железнодорожного транспорта: Учеб. для вузов ж.-д. трансп./ Под ред. Дмитриева В.А. М.: Транспорт, 1996. - 328с.

125. Экономика и жизнь //Газета.- М.: ИД Экономическая газета, 1999-2002 гг.

126. Экономическое развитие России: ежемесячный журнал. Ч М.: Веди, 2001 Ч 2002 гг.

127. Carling, A. Introducing Neural Networks. Wilmslow, UK: Sigma Press, 1992.

128. Eisner, J.B. and Tsonis, A.A. Singular Spectral Analysis. A New Tool in Time Series Analysis, Plenum Press, New York and London, 1996.

129. Kohonen, T. Self-organized formation of topologically correct feature maps. Biological Cybernetics. 1982. 43, p. 59-69.

130. N. Golyandina, V. Nekrutkin, A. Zhigljavsky. Analysis of Time Series Structure: SSA and Related Techniques, Chapman & Hall / CRC, 2001, 305 P.1. Корреляционная матрица 1 2 3 4 5 6

131. ЭОВ КОVIЭОВ К08ЮОВОЬЕ>У1РКОУОУ1РК08Т У1Р ОЬЕЫ Р08

132. ВОВКОУО 1,000 0,396 0,463 1,000 0,449 " 0,464

133. ООВ КОБТ 0,396 1,000 0,278 0,396 0,958 0,282

134. ООВОЬЕЫ 0,463 0,278 1,000 0,464 0,347 1,000

135. У1РКОУЭ 1,000 0,396 0,464 1,000 0,449 0,465

136. У1РК08Т 0,449 0,958 0,347 0,449 1,000 0,350

137. У1РОЬЕ1^1 0,464 0,282 1,000 0,465 0,350 1,000

138. Р08К0УБ 0,786 0,425 0,496 0,787 0,473 0,500

139. Р0БК08Т 0,266 0,407 0,589 0,267 0,405 0,585

140. РОБ^ОЬЕЫ 0,344 0,301 0,942 0,345 0,369 0,944

141. РОБЕКУ!) 0,583 0,569 0,345 0,584 0,619 0,350

142. Р08ЕК8Т -0,107 -0,110 0,317 -0,109 -0,086 0,324

143. Р05Е0ЬЫ 0,344 0,301 0,942 0,345 0,369 0,944

144. Р08ЕУ8Е 0,405 0,377 0,748 0,404 0,446 0,755

145. СЕЫАКУО 0,368 0,353 0,626 0,369 0,350 0,623

146. СЕЫАК8Т -0,388 -0,144 -0,881 -0,389 -0,262 -0,882

147. ЕХРКУЭ -0,021 0,198 -0,390 -0,021 0,248 -0,389

148. ЕХРК8Т 0,336 0,449 0,056 0,338 0,386 0,051

149. ЕХРУ8Е 0,309 0,454 -0,020 0,311 0,405 -0,02420 1ЮЬРЕС 0,122 -0,120 0,497 0,123 -0,201 0,49921 шькш -0,086 0,102 -0,012 -0,086 -0,027 -0,013

150. СЕ1ЧАРЕС 0,025 0,382 0,617 0,024 0,353 0,617

151. CENAKUZ -0,263 0,315 -0,058 -0,262 0,290 -0,05724 ивЭ 0,104 0,383 0,322 0,105 0,444 0,32725 8ЕСиСШ 0,178 0,003 0,112 0,176 0,023 0,12326 8Е8ТАЬ 0,202 -0,104 0,321 0,200 -0,079 0,33027 8ЕРКТ 0,179 0,243 0,292 0,177 0,202 0,304

152. ЗЕ ОТСЯ -0,389 -0,190 -0,756 -0,391 -0,238 -0,74929 8ЕЕХР -0,364 -0,306 -0,793 -0,366 -0,338 -0,787

153. БЕ^итИ 0,131 0,459 0,517 0,134 0,435 0,519

154. ТАМР 0,104 0,382 0,410 0,106 0,394 0,414

155. СЕЫАСиС -0,706 -0,411 -0,609 -0,707 -0,488 -0,611

156. СЕКА2АО 0,629 0,444 0,648 0,630 0,464 0,649

157. СЕМАС(Ж 0,394 0,419 0,553 0,394 0,386 0,553

158. СЕ1МАНОЬ 0,190 -0,293 0,289 0,189 -0,341 0,287

159. СЕКА СиЮ -0,146 -0,457 -0,527 -0,147 -0,516 -0,530

160. СЕКАР11С -0,244 -0,449 -0,592 -0,246 -0,459 -0,595

161. СЕЫАРЯЬ -0,150 -0,328 -0,530 -0,152 -0,424 -0,532

Похожие диссертации

• Экономическое регулирование работы и развития железнодорожного транспорта в условиях рыночных отношений
• Организация эффективной системы управления стимулированием труда при реформировании железнодорожного транспорта
• Экономическая оценка состояния и перспектив развития рынка грузовых перевозок на железнодорожном транспорте
• Прогнозирование рыночного спроса на грузовые перевозки воздушным транспортом региона с ограниченной сетью наземных сообщений
• Исследование экономической конъюнктуры железнодорожного транспорта (методология, анализ, оценки)