Глава 2. Методы оценки объемов спроса

Обзор исследований методов прогнозирования, качественные методы

На современном этапе развития туристского бизнеса управленческие решения должны основываться на тщательном анализе имеющейся информации. Для решения таких задач, существует мощный аппарат прикладной? статистики, одним из разделов которого являются статистические методы прогнозирования. Данные методы позволяют определять закономерности учетом случайностей, составлять обоснованные прогнозы, а также оценивать вероятность их выполнения.

Прогноз - описание различных состоянии? исследуемых объектов в будущем, альтернативные пути и сроки достижения этого состояния.

Статистические модели прогнозирования по большей части строятся на основе временных рядов (Сенин В.С., 2003).

Временным рядом (динамическим рядом, рядом динамики) считается последовательность значений переменой (признака), которая упорядочена в хронологическом порядке. Наблюдения временного ряда называются уровнями данного ряда.

Любой временной ряд состоит из двух элементов:

значения времени;

значения уровней временного ряда.

Временные ряды подразделяются на моментные и интервальные (в зависимости от характера параметра).

В моментных рядах уровни являются характеристикой значения показателя в определенный момент времени. Примером моментного ряда может быть ряд численности населения или стоимости основных фондов (Нэгл Т.Т., Холден Р.К., 2001). Соответственно, уровни интервального ряда - значения показателя за определённые интервалы или периоды времени.

На практике чаще всего применяются временные ряды с нарастающими итогами. Уровни данных рядов дают обобщенный результат развития переменной (показателя) с начала отчетного периода.

Большое значение для исследования имеют как правильное построение временного ряда, так и выбор интервалов между соседними уровнями. Практичнее всего анализировать равноотстоящие друг от друга уровни временного ряда. Однако, если выбрать слишком большой интервал времени, есть вероятность упустить существенные закономерности динамики показателя. К примеру, исходя из квартальных данных, невозможно делать выводы о месячных сезонных колебаниях. Информация также может быть слишком «короткой?» для использования некоторых методов прогнозирования и анализа, которые предъявляют «жесткие» требования к длине рядов.

Во временных рядах не должны находиться пропущенные уровни. Пропуски можно объяснить как недостатками при сборе информации, так и происходившими изменениями в системе отчетности, а также в системе фиксирования данных. Возможно, в систему показателей был включен новый? признак, который не учитывался ранее. В этом случае необходимо подождать, пока данный временной ряд не достигнет необходимой длины или попытаться восстановить прежние значения.

Уровни временных рядов могут также содержать выбросы, которые зачастую вызваны ошибками при сборе, записи и передачи информации. Выявление и исключение таких значений производится на этапе первичной обработки данных, чтобы в дальнейшем не было искажения результатов.

Достаточно трудно делать общие выводы об эффективности методов прогнозирования, основываясь на обзорных статьях в существующей литературе, посвященной туризму. Работы отличаются по объему, выборке, рамкам моделирования и методологии, правилам оценки прогноза (для причинно-следственных моделей) и прогнозным горизонтам, а также по результатам и выводам. В настоящей главе наша задача установить определенные правила и критерии, которые необходимо учитывать в целях достижения единообразия и справедливости при использовании и оценке методов прогнозирования. (tourism forecasting)

Клементс и Хендри (2004, стр. 2) заявляют, что спрогнозировать можно что угодно, однако люди предпочитают практически ничего не делать. То же самое в индустрии туризма: почти все может быть спрогнозировано - от цен на жилье в следующем году до количества жалоб туристов, а также объем возвратов или количество довольных туристов. Однако в основном прогнозирование охватывает только физически и финансовые (расходы на туризм) параметры, например, спрос в туризме. Следовательно, прогнозирование спроса является важнейшей частью ведения туристского бизнеса, как на макро, так и на микро-уровне. Незнание объемов будущего спроса приведет к установлению неправильного уровня цен, а так же к неправильному планированию.

Ли и другие (2006, стр. 219) подчеркивают, что оценки ожидаемого спроса важны на всех этапах планирования деятельности, а точность прогнозирования необходима для эффективности данного планирования. Frechtling (2001, стр. 5) утверждает, что индустрии туризма и тем, кому важен успех в данной отрасли, необходимо снизить риск принятия решений, т.е. снизить вероятность того, что принятое решение не будет способствовать достижению поставленных целей. Одним из главных способов снижения этого риска является определение некоторых событий в будущем.

Одним из важнейших событий будущего является спрос на туристский продукт, который используется для прогнозирования туристских потоков. Это вполне разумно, потому что существуют резкие отличия объемов спроса в краткосрочной и долгосрочной перспективе. Для описания такой нестабильности спроса используют термин «Американские горки (roller coaster)» (Biederman, 2008, p. 20). Именно это делает прогнозирование в туризме достаточно сложным процессом, в то время как многочисленные вопросы неоднородности и выраженной чувствительности спроса обеспечивают постоянные усовершенствования процесса прогнозирования.

С точки зрения гостиничного бизнеса, прогнозирование является неотъемлемой частью управленческой деятельности предприятия (Makridakis др., 1998, стр. 5). Кроме того, эффективное целевое управление невозможно без качественных прогнозов. Вследствие этого прогнозирование туристского продукта стало важной составляющей во всех видах исследований туристской индустрии. Тем не менее, ввиду зависимости от многих человеческих факторов и разнообразия непостоянных и непредвиденных ситуаций, прогнозирование в лучшем случае можно назвать неточной наукой, которая дает неправильные результаты чаще, чем правильные (Бидерман, 2008, стр. 536). Следовательно, все более заметная неточность требует более аккуратных прогнозов в сфере туризма для того, чтобы предпринимать верные краткосрочные, среднесрочные и долгосрочные решения.

Со временем прогнозирование становится все более сложным процессом, и создаются новые различные подходы к прогнозированию. Основываясь на работах Makridakis et al. (1998, p. 6-13), Biederman (2008, p. 538-557), Clements and Hendry (2004, p. 3-5), Kovacic (1995, p. 6-9), Li et al. (2006, p. 220), Frechtling (2001, p. 19-21) and Gujarati and Porter (2009, p. 773-775), можно обобщить некоторые методы прогнозирования, которые были разработаны этими авторами. Все методы делятся на две большие категории: качественные (или оценочные) и количественные.

Качественные методы основываются на интуиции и субъективном мнении, которые не подкреплены ни наукой, ни статистикой (Бидерман, 2008, стр. 538). Оценочное прогнозирование строится посредством учета мнения и опыта в процессе прогнозирования (Цnkal-Atay, 2004, p. 133). Некоторые из них включают в себя предположения, приближенный подсчет, субъективное вероятностное суждение, метод экспертных оценок (метод Дельфи), исследование опросов. С другой стороны количественные методы прогнозирования более объективны и строятся на основе статистического анализа. Они имеют место в тех случаях, когда доступна статистическая информация прошлых периодов, выраженная в числах, а также когда возможно предположить, что некоторые аспекты прежней структуры будут продолжаться в будущем (Makridakis др., 1998, стр. 9). В целом существует несколько методов количественного прогнозирования:

наивный метод;

скользящее среднее;

экспоненциальное сглаживание;

авторегрессии (ARIMA, BJ);

вектор авторегрессии (VAR);

регрессионный анализ;

эконометрические методы.

Кроме того, Wong et al. (2007) и Song et al. (2008) утверждают, что комбинирование методов прогнозирования в туризме (комбинированные методы) в среднем дают намного более точные результаты, чем одна модель прогнозирования. Эмпирические результаты показывают, что ни один метод прогнозирования не может генерировать лучшие прогнозы во всех ситуациях и относительная точность различных моделей варьируется в зависимости от источника и длинны временного ряда (Wong, 2007). Согласно их мнению, данные результаты являются достаточным основанием для комбинирования методов прогнозирования туристской деятельности. Более того, существует такой фактор, как отличие краткосрочного и долгосрочного прогноза. Это также подтверждает, что сочетание различных прогнозов может дать лучший результат (Song, 2008). Однако при прогнозировании в краткосрочном периоде одного метода вполне достаточно.

Стремительное увеличение мощности компьютеров для хранения информации привело к увеличению количества данных во всех видах деятельности. Например, Athanasopoulos et al. (2009) составили прогнозы для 117 рядов туристского спроса, которые включают всебя только австралийский внутренний туризм с разбивкой на отдельные географические районы. В общей сложности, австралийский туризм порождает тысячи прогнозов каждый квартал при исследовании въездного, выездного и внутреннего туризма. Следовательно появилась необходимость в автоматизации процесса прогнозирования.

Fildes и Ord (2004), а также Armstrong (2006) подчеркивают доминирование временных рядов с затухающим линейным трендом в методах прогнозирования. Witt and Witt (1995) утверждают, что наивный метод дает наиболее точные прогнозы при анализе ежегодных данных.

Качественные методы прогнозирования

В случае, когда количественные данные отсутствуют, или когда количественная модель слишком затратная, используют качественные методы прогнозирования, основанные на различных экспертных оценках.

Метод Дельфи, или метод экспертных оценок, представляет собой процедуру, которая позволяет приходить к согласию нескольких экспертов из самых разных, но в то же время взаимосвязанных областей. Работа над разработкой прогноза данным методом организуется так: каждому независимому эксперту отправляется опросник по поводу изучаемой проблемы, ответы и мнения экспертов являются основой составления следующего опросника, который вновь отправляется экспертам, и так далее, пока эксперты не приходят к единому мнению (при условии, что открытые дискуссии между экспертами запрещены). Такая рассылка повторяется в основном 3-4 раза.

Изучение рынка, (модель ожидания потребителя). Прогноз основывается на разнообразных опросах потребителей и дальнейшей статистической обработки.

Метод консенсуса, или мнение жюри, заключается в усреднении мнений группы экспертов в процессе «мозгового штурма».

Совокупное мнение сбытовиков. Метод строится на основе мнения непосредственно контактирующих с потребителем торговых агентов.

Историческая аналогия обычно используется в тех случаях, когда нужно дать прогноз продажи товара, по своим характеристикам близкого к выпущенному ранее, например, его модификации (Сенин В.С., 1993).