Прогнозирование выручки от продаж на основе современных инструментов адаптивно нейро-нечеткой сети системы MATLAB
А.Ш. Акулова,
канд. экон. наук, доцент, доцент кафедры экономики и организации производства, Оренбургский государственный университет (460018, Россия, г. Оренбург, пр. Победы, 13; e-mail: allaakulova056@mail.ru) А.М. Горюнова,
студент, Оренбургский государственный университет (460018, Россия, г. Оренбург, пр. Победы, 13; e-mail: allaakulova056@mail.ru)
Аннотация. Прогнозирование выручки от продаж на основе современных инструментов прогнозирования» рассмотрены возможности системы MATLAB в сфере нечеткого моделирования, используемого, в частности, для прогнозирования. В данной работе представлен прогноз выручки от продаж ОАО «ГазпромнефтехимСалават». Реализованный в статье метод адаптивной нейро-нечеткой сети позволяет работать с оценками вероятностей в неопределенных ситуациях, без использования активных методов идентификации, ухудшающих качество процесса управления. Предложенный подход дает возможность его использования при решении широкого круга экономических задач, например, задач ценообразования или расчета показателей валютных рисков.
Abstract. Revenue forecasting from sales on the basis of modern instruments of forecasting" possibilities of MATLAB system in the sphere of the indistinct modeling used, in particular, for forecasting are considered. In this work the revenue forecast from JSC Gazpromneftekhimsalavat sales is submitted. The method of an adaptive neuro and indistinct network realized in article allows to work with estimates of probabilities in uncertain situations, without use of active methods of the identification worsening quality of management process. The offered approach gives the chance of its use at the solution of a wide range of economic tasks, for example, problems of pricing or calculation of indicators of currency risks.
Ключевые слова: прогнозирование, выручка от продаж, система MATLAB, ANFIS-адаптивная система нейро-нечеткого вывода, искусственная нейронная сеть, гибридная сеть.
Keywords: forecasting, proceeds from sales, system MATLAB, ANFIS indistinct conclusion, an artificial neural network, a hybrid network.
adaptive system of a neuro and
Прогнозирование можно рассмотреть не только как непосредственно процесс составления прогноза, но и как особое научное направление, предметом изучения которого являются перспективы развития некоторого процесса. С точки зрения экономики, как одного из основных видов прогноза, прогнозирование представляет собой расчет неизвестного экономического показателя по заданной выборке данных на основании модели, проведение анализа будущего состояния экономических факторов, влияющих на развитие деятельности организации.
Современные достижения научно-технического прогресса помогают решать многие важные задачи экономики, автоматизировать массы рутинных операций, чем помогают рационально использовать временные и людские ресурсы производственного процесса. Осуществление прогноза перспектив развития конкретного предприятия или целой отрасли экономического сектора позволяет оценить состояние экономики и выработать необходимую стратегию развития с целью получения наибольшей прибыли с наименьшими затратами. [1,8,10]
Сегодня для составления прогноза по динамике изменения конкретного экономического фактора используют различные компьютерные программы, что является средствами про-
гнозирования. Это предоставляет возможности автоматизации значительной части операций при построении прогноза, а также позволяет избежать ошибок при вводе исходных для расчета данных. Появление на рынке ряда успешных коммерческих программных средств, основная ориентация которых это решение задач нечеткого моделирования, объективно свидетельствуют в пользу того, что теория нечетких множеств и нечеткая логика могут и должны быть эффективно использованы для решения широкого круга практических, в частности экономических, задач. Одним из интересных программных средств этого ряда, в которых реализована технология нечеткого моделирования, в частности прогнозирование, является система MATLAB.
Многое из того, что можно описать из физической реалии - это матрица, например, поведение акций. Среда моделирования MATLAB предназначена для работы с матрицами, заточена под это, оптимизирована под эти технические вычисления.
ANFIS-адаптивная система нейро-нечеткого вывода является основой для построения искусственной нейронной сети, которая позволяет осуществить прогноз состояния экономики на будущий период. В 1943 году У.Маккалох и У.Питтс создали первую модель
Journal of Economy and entrepreneurship, Vol. 8, Nom. 4-2
нейрона при попытке смоделировать головной мозг человека. С 1982 года принято отсчитывать современный этап развития нейронных сетей. В это время американский математик Дж. Хопфил-дом разработал специальный класс нейронных сетей, а также предложил методы их обучения. С появлением, развитием и активным внедрением первых коммерческих программ, позволяющих осуществлять построение соответствующих моделей для решения различного рода прикладных задач, внимание к нейронным сетям стало наиболее активным. В качестве примера следует выделить систему MATLAB со специальным пакетом в составе расширения Neural Network Toolbox. Пакет содержит средства проектирования, моделирования, обучения и использования различных вариантов искусственных нейронных сетей, начиная с простейшей модели персептро-на и заканчивая моделями ассоциативных и самоорганизующихся сетей, для решения широкого круга экономических задач.[7, 9]
Совокупность отдельных нейронов, взаимосвязанных между собой некоторым фиксированным образом и есть нейронная сеть. При этом взаимосвязь нейронов определяется или задается структурой (топологией) нейронной сети. Вид и структура нейронной сети определяется спецификой решаемой задачи. При этом для решения отдельных типов практических задач разработаны оптимальные конфигурации нейронных сетей, которые наиболее адекватно отражают особенности соответствующей проблемной области.
Основная идея нейронных сетей на финансовых рынках базируется на предположении, что история на рынке повторяется, следовательно, нейросетевая система должна «запоминать» прошлые рыночные ситуации и соответствующие им последствия с целью последующего сопоставления со складывающимися на текущем рынке ситуациями.
Развитием нейронных сетей в дальнейшем являются гибридные сети, которые реализованные в пакете Fuzzy Logic Toolbox системы MATLAB в форме адаптивной системы нейро-нечеткого вывода ANFIS.
Основная идея, положенная в основу модели гибридных сетей, заключается в том, чтобы использовать временной ряд изменений значений некоторого фактора для определения параметров функций принадлежности, которые наилучшим бы образом соответствовали некоторой системе нечеткого вывода. Чтобы найти значения параметров функции принадлежности, необходимо использовать известные процедуры обучения нейронных сетей.
Конструктивное восприятие идей нечеткого моделирования возможно посредством построения и анализа нечетких моделей конкретных практических задач.
В качестве примера построения и использования адаптивной системы нейро-нечеткого
вывода был выбран процесс разработки нечеткой модели гибритной сети для решения задачи прогнозирования выручки от продаж предприятия ОАО «ГазпромнефтехимСалават» на 2014 год.
Суть данной задачи состоит в том, чтобы, зная динамику изменения уровня выручки от реализации продукции предприятия за фиксированный интервал времени, предсказать значение выручки на определенный момент в буду-щем.[2,3]
Традиционно для решения данного класса задач применяются различные модели технического анализа, основанные на использовании различных индикаторов. В то же время наличие неявных тенденций в динамике изменения выручки от продаж предприятия позволяет применить модель адаптивных нейро-нечетких сетей.
Технической базой для построения модели была выбрана среда моделирования МАТ1_АВ. Пользователями системы могут быть не только инженеры, но и специалисты, связанные с количественными расчетами, анализом данных, то есть банковские аналитики, инженеры производственных предприятий, что дает возможность смело использовать систему МАТ1_АВ и в экономической сфере. К тому же, МАТ1_АВ снабжен компактным синтаксисом, что является необходимым фактором в финансовых вычислениях, когда приходиться работать с временными рядами, позволяет избавиться от большого количества рутинных операций.
В качестве исходных данных воспользуемся информацией из бухгалтерских отчетов ОАО «Газпром нефтехим Салават» на 31 декабря 2011, 2012 и 2013 годов. В данной работе использовались показатели выручки ОАО «Газ-промнефтехимСалават» по месяцам за последние три года (2011, 2012, 2013 гг.), при этом наблюдается стабильное повышение выручки за 2011 и 2013 годы и снижение этого показателя в весной-летом 2012 года. Это связано с целым рядом случайных факторов, адекватное представление которых в той или иной формальной модели вряд ли возможно.
Для удобства представим выборку выручки от продаж в виде таблицы (тыс. руб.).
В качестве входных переменных построенной гибридной сети следует выделить 4, где первая входная переменная будет соответствовать уровню выручки от продаж предприятия в текущем месяце, вторая - выручка предыдущего месяца, то есть на месяц ¡-1, где I - текущий месяц. Тогда третья входная переменная будет соответствовать выручке на ¡-2 месяц, четвертая - ¡-3 месяц.
Прежде чем осуществлять прогноз на будущий период, необходимо сеть обучить, то есть проверить ее работоспособность. Обучающие данные могут быть сведены в отдельную таблицу. Объем полученной таким образом обучающей выборки соответствует динамике уровня
Экономика и предпринимательство, № 4 (ч.2), 2014 г.
877
выручки от продаж акционерного общества в ки и будут служить непосредственно данными
период с января 2011 по август 2013. При этом для прогнозирования уровня выручки от продаж
данные с сентября по декабрь включительно ОАО «Газпром нефтехим Салават» в 2014 год
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.