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 продолжает 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 долговременных 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 развитияопределения необходимого технического оснащения железных дорогпланирования потребности в материальных, трудовых и финансовых ресурсахпроведения 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 выполненных 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 должен 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 обеспечениио выявлены и проанализированы основные факторы, влияющие на перевозки грузов железнодорожным транспортомо классифицированы методы прогнозирования экономических процессово определено место прогнозирования спроса на грузовые перевозки в системе управления железнодорожным транспортомо показаны специфические особенности и методические основы прогнозирования спроса на грузовые железнодорожные перевозкио проанализирован опыт и установлены границы применения существующих подходов и методов прогнозирования перевозок грузов железнодорожным транспортомо оценено качество применяемых в практике управления при прогнозировании объемов грузовых железнодорожных перевозок методово обоснованы достоинства и преимущества применения современных методов прогнозирования, таких как «Гусеница» и нейросетевое моделированиео 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 «Caterpillar» 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 группо разработаны предложения по применению теории нечетких множеств в экспертном прогнозировании спроса на грузовые железнодорожные перевозки на долгосрочный периодо 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» выполненной 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.

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 Корреляционнорегрессионный 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.

Корреляционнорегрессионный 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 снизился на 27%. Уровень промышленного производства сократился на 35%, инвестиции в основной капитал снизились в 3 раза. Численность населения за этот период сократилась на 4,1 млн. 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 снижался 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 продолжает 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 должны 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 металлы), а втораяраспыленностью 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 должен 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 долгосрочных 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.