Гимаров В. А., Кордунов Д.Ю., г. Смоленск
УДК 665.6/.7:338.12
ПРОГНОЗИРОВАНИЕ КОНЪЮНКТУРЫ РЫНКА НЕФТЕХИМИЧЕСКИХ ПРЕДПРИЯТИЙ
Рассмотрен новый подход к прогнозированию конъюнктуры рынка нефтехимической продукции, основанный на применении фильтра Калмана. Данный подход позволяет значительно повысить точность прогноза в условиях нерегулярного поступления информации о состоянии рынка.
Введение. В современных условиях хозяйствования, которые характеризуются быстрым развитием мировых интеграционных процессов и обострением конкурентной борьбы, задача прогнозирования рыночной конъюнктуры является важнейшей составляющей деятельности отечественных нефтехимических предприятий. Очевидно, что точность прогноза ситуации на рынке в значительной мере влияет на экономическую эффективность нефтехимических предприятий. В то же время, прогнозирование состояния рынка нефтехимической продукции в реальных условиях сталкивается с рядом трудностей, среди которых многомерность исследуемых рыночных процессов и неравномерность поступления информации о состоянии рынка. Неравномерность чаще всего проявляется в пропуске отдельных отсчетов или их несвоевременным поступлении, вызванных, например, задержкой информации об объёмах продаж торговых представительств, непостоянством доступа к информации о деятельности конкурентов, календарными эффектами, нерегулярностью маркетинговых исследований рынка и т.д. Указанные обстоятельства в значительной степени снижают эффективность применения для решения указанной задачи известных методов прогнозирования сложных процессов.
В этих условиях, перспективным представляется направление, связанное с применением калмановской фильтрации. Однако его известные варианты предполагают равномерное поступление информации об исследуемом процессе [1, 2]. В настоящей статье рассматривается подход к прогнозированию рыночной конъюнктуры нефтехимического предприятия, основанный на фильтре Калмана, используемом в условиях неравномерного поступления информации о состоянии рынка.
Постановка задачи. Рассмотрим постановку задачи прогнозирования рыночной конъюнктуры, решение которой позволит оценить наиболее сложный вариант прогноза, когда информация о состоянии рынка поступает в случайные моменты времени, образующие пуассоновский поток событий. Пусть случайный векторный процесс , характеризующий состояние рынка нефтехимической продукции, описывается дифференциальным уравнением вида:
, , , (1)
где – детерминированная функция, отражающая динамику некоторого экономического показателя, например, изменение рентабельности производства на интервале наблюдения;
– заданная неслучайная матрица размера ;
– символ математического ожидания;
– гауссовский белый шум.
Пусть гауссовский белый шум обладает следующими характеристиками:
, , (2)
где – симметричная положительно определенная матрица интенсивностей процесса [2].
Тогда исследуемый процесс g(t) связан с некоторым вектором (данный вектор характеризует состояние факторов, оказывающих непосредственное влияние на рыночную конъюнктуру) матричным уравнением
, (3)
где – заданная неслучайная матрица размером ;
– гауссовский векторный
белый шум. В данном случае обладает следующими
свойствами:
, , (4)
где – симметричная положительно определенная матрица интенсивностей процесса .
Предполагается, что процессы и не коррелированны между собой.
Наблюдению на интервале доступен процесс
, , (5)
где – дискретные моменты времени (в которые поступает информация о состоянии рынка), совокупность которых образует на временной оси поток событий, подчиняющийся закону Пуассона;
– коэффициент формирующего элемента, характеризующий процесс масштабирования получаемой информации;
– дельта-функция.
В роли критерия качества прогнозирования процесса g(t) используется среднее значение квадрата отклонения прогноза
, (6)
где – оценка процесса g(t).
Метод решения. В приведенной постановке задача исследования в определённой степени совпадает (за исключением предположения о случайном характере дискретизации сигналов) с линейной задачей фильтрации в постановке Калмана.
Представим g(t) в виде суммы
, (7)
где каждая составляющая удовлетворяет уравнениям:
, ; (8)
, . (9)
Составляющая полностью определяется детерминированной функцией из решения неоднородного уравнения (9).
Вектор также можно представить в виде суммы случайной составляющей и детерминированной составляющей :
. (10)
Используя результаты работы [3], можно получить уравнение аналогового фильтра Калмана при пуассоновской дискретизации процесса для принятой постановки задачи фильтрации вида:
, . (11)
Матричный коэффициент усиления фильтра определяется выражением:
, (12)
где – среднее значение интервалов времени между моментами поступления информации, а дисперсионная матрица определяется из дифференциального матричного уравнения Риккати [1]:
, (13)
,
а ковариационная матрица является решением уравнения:
, (14)
.
Уравнения (11) – (14) описывают оптимальный фильтр Калмана при неравномерном поступлении информации о наблюдаемых факторах, оказывающих влияние на рыночную конъюнктуру. Приведенные результаты могут найти широкое применение в информационных маркетинговых системах нефтехимических предприятий для прогнозирования основных рыночных показателей.
Литература