Рисунок 3.19 - Перший адитивний компонент часового ряду вихідних простих бандеролей

На рис. 3.19 наведено графік першого адитивного компонента часового ряду простих бандеролей або тренду. На даному рисунку - це значення обсягів вихідних простих бандеролей. Значення тренда простих бандеролей мають нелінійну залежність в часі.

Проаналізуємо часовий ряд вихідних рекомендованих бандеролей (РБ). Максимальне власне значення для цього ряду - .

Рисунок 3.20 - Власний вектор часового ряду вихідних рекомендованих бандеролей

На рис. 3.20 наведено графік компонент першого власного вектора часового ряду рекомендованих бандеролей. На даному рисунку - це значення компоненти власного вектора. З наведеного рисунку слідує, що компоненти власного вектора поступово зростають і спадають, але потім знову зростають.

Рисунок 3.21 - Факторний вектор часового ряду вихідних рекомендованих бандеролей

На рис. 3.21 наведено графік компонент першого факторного вектора часового ряду рекомендованих бандеролей. На даному рисунку - це значення компоненти факторного вектора. Як видно з наведеного рисунку, що компоненти факторного вектора зростають і потім спадають, а потім знову зростають.

Рисунок 3.22 - Перший адитивний компонент часового ряду вихідних рекомендованих бандеролей

На рис. 3.22 наведено графік першого адитивного компонента часового ряду рекомендованих бандеролей або тренду. На даному рисунку - це значення обсягів вихідних рекомендованих бандеролей. На даному рисунку спостерігається поступове зростання значення тренду вихідних рекомендованих бандеролей.

Проаналізуємо часовий ряд вихідних простих листів (ПЛ). Максимальне власне значення цього ряду - .

Рисунок 3.23 -Власний вектор часового ряду вихідних простих листів

На рис. 3.23 наведено графік компонент першого власного вектора часового ряду простих листів. На даному рисунку - це значення компоненти власного вектора. З наведеного рисунку можна зробити висновок, що компоненти власного вектора коливаються в різних інтервалах.

Рисунок 3.24 - Факторний вектор часового ряду вихідних простих листів

На рис. 3.24 наведено графік компонент першого факторного вектора часового ряду простих листів. На даному рисунку - це значення компоненти факторного вектора. Компоненти факторного вектора сильно спадають на початку спадають і потім зростають.

Рисунок 3.25 - Перший адитивний компонент часового ряду вихідних простих листів

На рис. 3.25 наведено графік першого адитивного компонента часового ряду простих листів або тренду. На даному рисунку - це значення обсягів вихідних простих листів. З наведеного рисунку можна зробити висновок, що значення тренда простих листів спадають на початку року і тільки з грудня збільшуються.

Проаналізуємо часовий ряд вихідних рекомендованих листів (РЛ). Максимальне власне значення цього ряду - .

Рисунок 3.26 - Власний вектор часового ряду вихідних рекомендованих листів

На рис. 3.26 наведено графік компонент першого власного вектора часового ряду рекомендованих листів. На даному рисунку - це значення компоненти власного вектора. Компоненти власного вектора коливаються з різними інтервалами.

Рисунок 3.27 - Факторний вектор часового ряду вихідних рекомендованих листів

На рис. 3.27 наведено графік компонент першого факторного вектора часового ряду рекомендованих листів. На даному рисунку - це значення компоненти факторного вектора. З наведеного рисунку слідує, що компоненти факторного вектора змінюються нелінійно.

Рисунок 3.28 - Перший адитивний компонент часового ряду вихідних рекомендованих листів

На рис. 3.28 наведено графік першого адитивного компонента часового ряду рекомендованих листів або тренду. На даному рисунку - це значення обсягів вихідних рекомендованих листів. З наведеного рисунку слідує, що значення тренда рекомендованих листів поступово зменшуються і на початку наступного року можна очікувати збільшення.

Проаналізуємо часовий ряд вихідних посилок (П). Максимальне власне значення для цього ряду - .

Рисунок 3.29 - Власний вектор часового ряду вихідних посилок

На рис. 3.29 наведено графік компонент першого власного вектора часового ряду посилок. На даному рисунку - це значення компонентивласного вектора. З наведеного рисунку видно, що компоненти власного вектора поступово збільшуються.

Рисунок 3.30 - Факторний вектор часового ряду вихідних посилок

На рис. 3.30 наведено графік компонент першого факторного вектора часового ряду посилок. На даному рисунку - це значення

Компоненти факторного вектора. Компоненти факторного вектора спадають, а потім зростають.

Рисунок 3.31 - Перший адитивний компонент часового ряду вихідних посилок

На рис. 3.31 наведено графік першого адитивного компонента часового ряду посилок або тренду. На даному рисунку - це значення обсягу вихідних посилок. З наведеного рисунку слідує, що значення тренда посилок з середини березня зростають. Вид тренда близький до лінійної залежності.

3.3 Прогнозування обсягів поштових відправлень на майбутні періоди

Побудуємо прогноз обсягів вихідних посилок та вхідних простих бандеролей на три місяці уперед. Залежність обсягів вихідних посилок та

вхідних простих бандеролей від часу має приблизно лінійний характер, тому для прогнозу скористаємось лінійною регресією. Коефіцієнти лінійної регресії виду

обчислюються за формулами:

,

.

У цих формулах: - значення часового ряду; - номер періоду; - довжина часового ряду; та - середні арифметичні значення.

Для прогнозування обсягів вихідних посилок на майбутні періоди рівняння лінійної регресії має вигляд

, (3.1)

Коефіцієнт достовірності рівняння (3.1) . Використовуючи рівняння (3.1) отримаємо прогноз обсягів вихідних посилок на 3 місяці. На рис. 3.32 для порівняння наведено графік лінійної регресії для прогнозування обсягів вихідних посилок на майбутні періоди і перший адитивний компонент часового ряду вихідних посилок.

Рисунок 3.32 - Лінійна регресія та перший адитивний компонент часового ряду вихідних посилок

З наведеного рисунку видно, що обсяги вихідних посилок збільшились і таку тенденцію можна очікувати до кінця 2014 р. В табл.3.1 наведено результати прогнозування обсягів вихідних посилок.

Табл. 3.1 Прогнозування потоку вихідних посилок

Побудуємо прогноз обсягів вхідних простих бандеролей на майбутні періоди тобто на 3 місяці. Обчисливши коефіцієнти лінійної регресії отримаємо рівняння такого виду

. (3.2)

Коефіцієнт достовірності регресії (3.2) Використовуючи рівняння лінійної регресії отримаємо прогноз обсягів вхідних простих бандеролей на 3 місяці. Результати цього прогнозування представлені на рис. 3.33.

Рисунок 3.33 - Лінійна регресія та перший адитивний компонент часового ряду вхідних простих бандеролей

З даного рисунку видно, що обсяги вхідних простих бандеролей збільшуються і таке збільшення можна очікувати протягом року. В табл. 3.2 представлено результати прогнозування обсягів вхідних простих бандеролей.

Табл.3.2 Прогнозування потоку вхідних простих бандеролей (ПБ)

Отже, використовуючи метод ССА можна виділити тренд часового ряду та втановити його вид, що спрощує подальший регресійний аналіз та забезпечує високу достовірність прогнозування.

Висновки

У бакалаврській роботі виконано дослідження динаміки вхідних і вихідних обсягів поштової кореспонденції, а саме листи (прості та рекомендовані), посилки, бандеролі (прості та рекомендовані) у Ширяївському ЦПЗ№4 Одеської дирекції УДППЗ «Укрпошта». Для проведення аналізу та прогнозування потоків поштової кореспонденції використовувались дані за 2013 р., а для виділення тренду використовувався метод ССА.

В першому розділі розглянуті методи аналізу та прогнозування часових рядів такі як:

- періодизація динаміки часового ряду;

- стійкість рівня ряду та тренда;

- регресійний аналіз;

- сингулярний спектральний аналіз;

- обчислення власних значень та власних векторів матриці;

- метод обертань Якобі.

В другому розділі виконано аналіз динаміки обсягів поштової кореспонденції у Ширяївському ЦПЗ №4 Одеської дирекції УДППЗ «Укрпошта». За результатами аналізу можна зробити наступні висновки.

Часові ряди потоків поштової кореспонденції можна поділити на два типи, а саме: ряди з чітко вираженою періодичною структурою, а також ряди які не мають періодичної структури. В усіх рядах наявні сезонні коливання. Ряди не мають чітко вираженої тенденції, тому встановити вид тренду практично не можливо.

В третьому розділі з використанням методу ССА виділені тренди часових рядів. Для рядів, в яких тренд близький до лінійної залежності, одержані рівняння лінійної регресії та виконано прогнозування на майбутні періоди. Наявність прогнозу дозволить більш ефективно планувати та організовувати роботу у Ширяївському ЦПЗ №4.

Перелік посилань

1. Крастиль О.П. Изучения статистических зависимостей по многолетним данням. - М .: Финансы и статистика, 1981.

2. Садовникова Н. А., Шмойлова Р. А. Анализ временных рядов и прогнозирования. Выпуск 2. Москва, 2004.

3. Кендэл М. Временные ряды: Пер. С англ. - М.: Финансы и статистика, 1981.

4. Купалова Г.І. Теорія економічного аналізу. Київ, 2008. - 645 с.

5. Сингулярний спектральний аналіз. web: http://www.beintrend.ru/

6. Н. Э. Голяндина «Метод «Гусеница» - SSA: Анализ временных рядов. Учебное пособие. Санкт-Петербург , 2004г..

7. С. М. Скляренко, В. К. Стеклов, Л. Н. Беркман. Поштовий зв'язок. Київ. Техніка, 2003р.

Размещено на Allbest.ru