Исследование направлено на разработку метода выявления структурных изменений в потребительском спросе через анализ динамики остатков временных рядов. Основу метода составляет трехэтапный алгоритм, сочетающий полиномиальную аппроксимацию данных, статистический анализ остатков и адаптивную коррекцию прогнозов.

Результаты апробации методического подхода показали снижение ошибок прогнозирования, такие как MAPE, MSE, R² и других эконометрических метрик эффективности моделей прогнозирования. Метод имеет практическое значение для управления запасами, позволяя предприятиям оперативно адаптироваться к изменениям спроса. Его применение способствует снижению логистических издержек и повышению точности прогнозов в условиях нестабильности рынка.

Ключевые слова: структурные изменения, временные ряды, прогнозирование спроса, анализ остатков, управление запасами, статистические методы.

Актуальность решаемой проблемы заключается в том, что способность модели прогнозирования спроса своевременно адаптироваться к структурным изменениям в поведении потребителей является ключевым фактором для обеспечения точности прогнозов и эффективного управления запасами на предприятиях, что априори имеет значение для их повседневной деятельности.

В современном мире, где потребительские предпочтения и рыночные условия могут изменяться с высокой скоростью, компании сталкиваются с необходимостью не только поддерживать актуальность своих прогнозных моделей, но и предвидеть потенциальные изменения в спросе.

Изменения в поведении потребителей зависят от различных факторов, таких как экономические условия, культурные тренды, технологические новшества или даже глобальные события, такие как пандемии или политические кризисы. Поэтому компании должны использовать гибкие подходы и технологии, позволяющие им быстро реагировать на такие изменения.

Технологии машинного обучения и аналитика больших данных предоставляют ценную информацию о потребительских предпочтениях, что позволяет улучшать точность прогнозов. Кроме того, важно учитывать, что эффективное управление запасами и своевременная адаптация к изменениям помогут избежать как излишков, так и дефицита продуктов, что в свою очередь ведет к оптимизации затрат и улучшению обслуживания клиентов. В результате, компании, способные оперативно вносить изменения в свои модели прогнозирования спроса, смогут не только повысить свою конкурентоспособность, но и обеспечить более устойчивое развитие в долгосрочной перспективе.

Ключевым аспектом для бизнеса становится не только способность прогнозировать спрос, но и готовность к адаптации, постоянный анализ факторов, которые могут влиять на изменения в потребительском поведении, а также использование современных технологий для поддержки этого процесса.

Научная новизна исследования заключается в новом подходе, основанном на выявлении структурных изменений в динамике потребительского спроса, через анализ изменения остатков в самом временном ряду. В отличие от традиционных методов, сосредоточенных преимущественно на выявлении точек разрыва временных рядов, разработанная методика предлагает комплексный анализ динамики остатков через их кумулятивные свойства. Подход сочетает преимущества статистического тестирования с возможностями адаптивного прогнозирования, что позволяет не только фиксировать структурные сдвиги, но и оперативно корректировать прогнозные модели.

Целью научно-исследовательской работы является разработка методического подхода выявления структурных изменений в рядах спроса, через анализ динамики остатков — для повышения способности модели прогнозирования спроса своевременно адаптироваться к изменениям потребительского поведения.

Для достижения поставленной цели выделим ряд задач необходимых к выполнению:

1. Исследовать теоретические основы структурных изменений в рядах спроса;
2. Разработать методический подход выявления структурных изменений в рядах спроса на основе анализа динамики остатков;
3. Провести эмпирическую апробацию, по средствам интегрирования разработанного метода в модель прогнозирования потребительского спроса.

Разработанный методический подход выявления структурных изменений в рядах спроса через анализ динамики остатков вносит вклад в развитие теоретических основ анализа потребительского поведения и прогнозирования спроса, расширяя существующие подходы к выявлению структурных сдвигов в динамике спроса. Практическая значимость заключается в том, что разработанный методический подход способствует повышению гибкости и точности прогнозов спроса.

В современных экономических исследованиях значительное внимание уделяется проблеме выявления структурных изменений в динамических рядах, что особенно актуально для анализа потребительского спроса. Работы О. Ю. Ватюковой и А. А. Скроботова формируют теоретическую основу для понимания природы структурных сдвигов, подчеркивая их связь с макроэкономическими трансформациями и технологическими изменениями [1, 2]. Аналитический доклад Ю. В. Симачева, Н. В. Акиндиновой и А. А. Яковлева с соавторами дополняет анализ эмпирическими данными [3, c. 16]. При этом Л. Н. Сафиуллин, А. И. Сахбиева и В. Р. Гайнутдинов акцентируют внимание на моделях основанные на работе с нелинейными рядами потребительского спроса, что требует разработки специальных методов для выявления структурных разрывов [4, c. 295].

Методологические аспекты исследования структурных изменений получают развитие в работе А. А. Скроботова, где предлагаются статистические подходы к тестированию структурных сдвигов, включая анализ единичных корней и регрессионных остатков. Предложенные методы могут быть адаптированы для анализа динамики спроса с учетом современных экономических реалий, описанных Н. П. Кононковой и Д. А. Михайленко в контексте экономики совместного потребления [5, c. 136].

По результатам первой главы был осуществлен системный анализ теоретических концепций структурных изменений с акцентом на их проявление в динамике потребительского спроса. Исследование выявило взаимосвязь между технологическими инновациями, трансформацией потребительских предпочтений и структурными сдвигами в экономике. Теоретическое исследование позволило сформулировать гипотезу о возможности повышения точности прогнозирования за счет комплексного анализа динамики остатков — стало основой для дальнейшей разработки нового метода.

В исследовании второй части представлен оригинальный методический подход, основанный на синтезе современных методов анализа временных рядов и машинного обучения. Научная новизна разработки заключается в создании трехэтапного алгоритма, включающего:

1. полиномиальную аппроксимацию исходных данных,
2. анализ динамики остатков с использованием модифицированного критерия кумулятивных сумм,
3. итеративную коррекцию прогнозной модели.

Эмпирическая верификация метода проводилась на уникальной выборке данных реальной торговой сети за двухлетний период с недельной гранулярностью. Полученные результаты подтвердили значительное улучшение качества прогнозирования: снижение MSE на 82,3 %, уменьшение MAPE с 14,58 % до 4,38 %, увеличение R² с 0,12 до 0,91. Особого внимания заслуживает разработанный механизм автоматической адаптации пороговых значений для идентификации структурных изменений, показавший высокую эффективность в условиях нестационарности данных.

По результату третьей главы проведена комплексная оценка практической применимости предложенного метода в эконометрических моделях. Сравнительный анализ с традиционными подходами выявил преимущества нового метода в части устойчивости к структурным изменениям и адаптивности к нестационарным условиям. Научная значимость результатов подтверждается:

1. разработкой формализованного критерия для идентификации структурных изменений,
2. созданием методики интеграции выявленных изменений в прогнозные модели,
3. доказательством эффективности подхода на реальных экономических данных.

Теоретическая значимость разработанного методического подхода заключается в существенном расширении методологического аппарата анализа структурных изменений в временных рядах потребительского спроса. Предложенный подход преодолевает ограничения классических методов за счет интеграции концепций нелинейной динамики и адаптивного прогнозирования. Разработанная теоретическая модель взаимодействия структурных сдвигов с динамикой остатков вносит вклад в развитие эконометрики, предлагая новый ракурс исследования устойчивости моделей прогнозирования. Особую ценность представляет формализация условий идентификации структурных изменений через анализ кумулятивных эффектов в остатках, что открывает новые направления для теоретических исследований в области эконометрического моделирования.

Практическая значимость разработанного методического подхода проявляется в его высокой эффективности для решения прикладных задач экономического прогнозирования в условиях нестабильности. Метод позволяет оперативно выявлять критические точки структурных изменений в розничных продажах, промышленном производстве и других экономических показателях, что существенно повышает качество управленческих решений. Реализация подхода в формате программного модуля обеспечивает его доступность для коммерческих предприятий и государственных организаций. Особую практическую ценность представляет возможность интеграции метода в существующие системы бизнес-аналитики без необходимости их кардинальной модернизации, что значительно снижает затраты на внедрение.

Литература:

1. Ватюкова, О. Ю. Взаимосвязь структурных сдвигов и развития экономической системы / О. Ю. Ватюкова // Фундаментальные исследования. — 2016. — № 9–3. — С. 555–559
2. Скроботов, А. А. Структурные сдвиги и тестирование на единичный корень / А. А. Скроботов // Прикладная эконометрика. — 2020. — № 2(58). — С. 96–141. — DOI 10.22394/1993–7601–2020–58–96–141.
3. Структурные изменения в Российской экономике и структурная политика: Аналитический доклад / Ю. Симачев, Н. Акиндинова, А. Яковлев [и др.]. — Москва: Национальный исследовательский университет «Высшая школа экономики», 2018. — 252с.
4. Сафиуллин, Л. Н. Потребительский спрос в системе взаимодействия с микро- и макроуровнями экономики / Л. Н. Сафиуллин, А. И. Сахбиева, В. Р. Гайнутдинов // Russian Economic Bulletin. — 2023. — Т. 6, № 5. — С. 295–301.
5. Кононкова, Н. П. Экономика совместного потребления: основы рыночных отношений в новой экономической реальности / Н. П. Кононкова, Д. А. Михайленко // Вестник Московского университета. Серия 6: Экономика. — 2022. — № 1. — С. 133–153.