Моделирование и прогнозирование динамики потребления товаров на макрорынках

• Автор: Коробецкая, Анастасия Александровна
• Шифр специальности: 08.00.13
• Научная степень: Кандидатская
• Год защиты: 2015
• Место защиты: Самара
• Количество страниц: 153 с. : ил.

СОДЕРЖАНИЕ
Введение

Глава 1. Обзор методов моделирования динамики потребления товаров на макрорынках

1.1 Общие подходы к моделированию рядов динамики социально-экономических показателей

1.2 Параметрический подход к моделированию и прогнозированию рядов динамики

1.3 Показатели качества идентификации модели

1.4 Моделирование и прогнозирование динамики потребления на товарных рынках

Выводы по первой главе

Глава 2. Разработка комплекса моделей динамики потребления

2.1 Модели в виде дробно-рациональных функций

2.2 Моделирование колебательной компоненты на основе гармонических функций с переменной амплитудой
2.3 Декомпозиция многокомпонентных моделей динамики
Выводы по второй главе
Глава 3. Моделирование и прогнозирование динамики потребления с помощью предложенного комплекса моделей
3.1 Исследование качества идентификации и прогнозирования по предложенным моделям
3.2 Моделирование потребления нефти в развитых странах
3.3 Моделирование жизненных циклов на макрорынках программного обеспечения

3.4 Другие примеры моделирования социально-экономической динамики с помощью предложенного инструментария
Выводы по третьей главе
Заключение
Список использованных источников
Приложения
Приложение А
Приложение Б
Приложение В
Приложение Г
ВВЕДЕНИЕ
Актуальность темы исследования. Современное социально-экономическое развитие характеризуется ускорением процессов трансформации рынков, вызванное глобализацией и стремительным развитием информационных технологий (ИТ). Скорость распространения новых технологий, а значит и жизненный цикл продуктов, за последнее столетие сократились в десятки раз. Поэтому особую актуальность приобретает моделирования и прогнозирования динамики потребления на сложившихся традиционных рынках и сравнительно молодых интенсивно развивающихся рынках.
Требуется инструментарий (модели и программные средства) высокоточного моделирования и прогнозирования каждого из товарных рынков. Однако в первую очередь оправдано улучшить известные решения этой проблемы по важным в экономическом смысле рынкам, рассмотрев примеры сокращающегося традиционного и растущего информационного рынков.
К наиболее значимым традиционным макрорынкам следует отнести рынок нефти, в промышленно развитой стране, выступающий в качестве базового сектора. Его динамика оказывает непосредственное влияние на ключевой макроэкономический параметр - индекс промышленного производства, поскольку нефть остается наиболее распространенным энергоносителем (33% от общего потребления энергии в 2013г.) [123]. И хотя мировые объемы потребления нефти продолжают увеличиваться, в развитых странах отмечается снижение потребления, причины которого остаются не изученными в полной мере.
Для России актуально как краткосрочное, так и долгосрочное прогнозирование потребления нефти, так как сохраняется высокая зависимость бюджета от нефтегазовых доходов: в 2014 г. нефтегазовые доходы составляли 48% бюджета страны [57].

Среди моделей ЖЦП, пожалуй, одной из наиболее распространенных является модель Басса [121], известная также как модель диффузии инноваций. Она задается следующим уравнением, связывающим текущее число потребителей с суммарным числом потребителей с начала ЖЦП:
где n(t) - количество потребителей в момент времени /;
М — потенциал рынка;
N(t) - суммарное количество потребителей к моменту времени t р - коэффициент инновации; q - коэффициент имитации.
Из данной модели можно выразить число потребителей в явном виде:
Отметим, что аналогичный функциональный вид имеет известная кривая Хабберта, использующаяся для моделирования добычи нефти [140]:
где Утах - высота пика ЖЦП;
сЬ(х) = 0,5(е~х + ех) - гиперболичекий косинус; а - параметр, определяющий длительность цикла;
/0 - момент прохождения пика.
К другим известным примерам моделей, предложенных для описания ЖЦП, можно отнести:
модель на основе плотности Гауссова закона распределения [101, 132]:
(1.11)
Y ____________ max у
/ /шах

(1.12)

_ ga0+a,l+a2t
(1.13)