Использование модели с аддитивной компонентой при прогнозировании сезонных колебаний в сфере гостеприимства

Автор: Полищук Елена Анатольевна, Гасанов Муртаза

Журнал: Сервис в России и за рубежом @service-rusjournal

Рубрика: Теоретические аспекты экономики и туристского сервиса

Статья в выпуске: 5 (102), 2022 года.

Бесплатный доступ

Исследование посвящено процессам моделирования и прогнозирования сезонных колебаний в сфере гостеприимства с целью их своевременного выравнивания, что отразится на повышении уровня эксплуатации основных фондов, занятости населения, рациональном использовании ключевых групп ресурсов и поспособствует разработке комплекса мероприятий по снижению сезонной неравномерности в изучаемой сфере, выявлению социально-экономических последствий сезонности не только на уровне отдельной организации, комплекса, региона, но и страны в целом. При этом в качестве базовой использована модель с аддитивной компонентой (вариация значений переменной в виде трендовой, сезонной и случайной составляющих), учитывающая данные о числе реализованных туристскими фирмами турпакетов населению за последние четырнадцать кварталов. Алгоритм анализа сезонности представлен тремя базовыми этапами, включающими в себя расчет значений сезонной компоненты, десезонализации данных и тренда, оценку точности прогноза. Для элиминирования влияния сезонной компоненты применен метод скользящей средней, в основе которого заложена замена фактических уровней динамического ряда расчетными, имеющими значительно меньшую вариацию (колеблемость). В процессе исследования построены модели, в частности, линейная, степенная, экспоненциальная и логарифмическая, и выбрана трендовая модель (в данном случае степенная), обеспечивающая наибольшую точность аппроксимации. Построенная модель позволила определить прогнозируемое число реализованных турпакетов, учитывая сезонную и трендовую составляющие. Сделан вывод о том, что исследование сезонных колебаний в сфере гостеприимства на основе построенной модели позволит разработать адресные мероприятия по устранению или сглаживанию сезонности, развитию устойчивого спроса и повышению доступности продукта (услуги) сферы гостеприимства.

Еще

Сфера гостеприимства, сезонные колебания, моделирование, прогнозирование, аддитивная компонента, турпакет, туристская фирма, тренд

Короткий адрес: https://sciup.org/140296099

IDR: 140296099   |   DOI: 10.5281/zenodo.7394162

Текст научной статьи Использование модели с аддитивной компонентой при прогнозировании сезонных колебаний в сфере гостеприимства

To view a copy of this license, visit

Актуальность темы настоящего исследования обусловлена тем, что влияние сезонных колебаний (периодических колебаний, возникающих под влиянием смены времени года) в сфере гостеприимства Российской Федерации и отдельных ее регионов в современных условиях продолжает предопределять неравномерность использования ресурсов, проявляется в нарушении регулярности и последовательности протекания ключевых процес-сов1.

Своевременность выравнивания сезонных колебаний ряда показателей в сфере гостеприимства очевидна, что отразится на повышении уровня эксплуатации основных фондов, занятости населения, рациональном использовании ключевых групп ресурсов и т.п., поэтому компетентный подход к изучению сезонных колебаний будет способствовать разработке комплекса мероприятий по снижению сезонной неравномерности в сфере гостеприимства, выявлению социальноэкономических последствий сезонности не только на уровне отдельной организации, комплекса, региона, но и страны в целом.

В этой связи объективной необходимостью представляется процесс моделирования и прогнозирования сезонных колебаний на основе конкретной модели (моделей) с целью разработки адресных мероприятий по устранению или сглаживанию сезонности, развитию устойчивого спроса и повышению доступности продукта (услуги) сферы гостеприимства.

Анализ литературных источников

В современных условиях развития в отечественной и мировой научной среде наблюдается значительный рост интереса со стороны исследователей к изучению сезонности, сезонных колебаний в сфере туризма и гостеприимства. Так, например, в ряде исследова- ний ученые описали влияние факторов сезонности (природно-климатические, географические, антропогенные и др.) на деятельность субъектов индустрии гостеприимства. Выявили наиболее эффективные методы противостояния сезонности в сфере туризма и гостеприимства, проанализировали пути сглаживания сезонности на рынке туристских услуг Российской Федерации. Доказали, что сезонность в сфере туризма и гостеприимства относится к закономерной тенденции, которую можно нивелировать с помощью модели управления спросом [1-6].

При этом отдельные отечественные исследователи провели оценку влияния факторов сезонности на эффективность гостиничного бизнеса в зависимости от типа и характера деятельности гостиничных предприятий (на примере отелей города Владивостока) и разработали предложения по сглаживанию сезонных колебаний, учитывая региональный аспект [7].

Рассмотрели влияние фактора сезонности на архитектурные и планировочные решения гостиничных зданий Черноморского побережья Краснодарского края; определили режимы эксплуатации зданий, диктуемые климатическими характеристиками; описали решения номеров и общественных пространств средств размещения, учитывающие сезонные изменения вместимости, назначения помещений и др. [8].

Разработали практические предложения, учитывающие сезонные колебания по управлению финансовым состоянием организаций сферы туризма и гостеприимства; установили показатели деловой активности данных организаций по месяцам, апробировали их в процессе принятия своевременных управленческих решений [9].

В свою очередь, зарубежные ученые рассмотрели сезонность в сфере туризма в качестве основной проблемы для большинства стран с точки зрения устойчивости. Обратили внимание, что, несмотря на значимость в мировом масштабе, отсутствуют регулярные измерения сезонных колебаний в исследуемой сфере. Предложили общий подход к выявлению и измерению сезонности, основанный на анализе сезонных колебаний и оценке сезонной амплитуды в сфере туризма; предложили коэффициент, с помощью которого можно определить порядковую и циклическую структуру сезонных колебаний. Его исследование позволило выявить сильную связь между сезонными моделями и пространственным распределением ряда европейских стран. Изучили вопрос ежегодной, ежемесячной и еженедельной сезонности туристского спроса с учетом анализа декомпозиции [10–12].

Исследователи, представляющие Гранадский университет (Испания), Jose María Martín Martín, Jose Antonio Salinas Fernandez [13] проанализировали влияние транспортной инфраструктуры Испании (системы высокоскоростных поездов) на снижение сезонности в сфере туризма и увеличении числа прибытий с учетом коэффициента Джини.

Совместная работа китайских ученых [14] посвящена исследованию взаимосвязи между сезонностью в сфере туризма, онлайн-рейтингами пользователей и детерминантами цен на средства размещения города-курорта Санья в южной части Китая на основе гедонистической модели ценообразования. Эмпирические результаты, полученные исследователями, полностью доказали, что цены на средства размещения тесно связаны с сезонностью в рассматриваемой сфере.

В свою очередь, исследователи Малагского университета (Испания) совместно с коллегами, представляющими Школу бизнеса Ноттингемского университета (Великобритания) [15], проанализировали уровень сезонности в Соединенном Королевстве Великобритании, учитывая национальность туристов и ключевые цели их путешествия. Ученые представили идентификацию сегментов туристского рынка, которые являются открытыми для антисезонных маркетинговых мероприятий. Применяя графический многомерный метод (двойная диаграмма), сгруппиро- ваны базовые сегменты анализируемого рынка в соответствии с их сезонными характеристиками. Было установлено, что сезонные закономерности, которые связаны с отдельными сегментами, существенно различаются при изучении на дезагрегированной основе. При этом адекватный уровень дезагрегации имеет важное значение при разработке антисезон-ных стратегий. Предложенную методику рекомендовано применять в любых туристских регионах с целью сведения к минимуму уровня сезонности, ориентируясь, в первую очередь, на предпочтения типов туристов, путешествующих в любой сезон.

В свою очередь, Puneet Vatsa (Университет Линкольна, Новая Зеландия) [16] описал сезонность и цикличность туристского спроса, применяя метод Гамильтона и модель случайных блужданий. Установил, что созданные циклы устойчивы к сезонным свойствам данных, при этом циклы с учетом скорректированных и нескорректированных сезонных компонент достаточно схожи.

Признавая высокую научную значимость данных исследований, следует отметить, что ряд аспектов, касающихся вопросов моделирования сезонных колебаний в сфере гостеприимства и прогнозирования будущих тенденций, требует своего дальнейшего развития.

Методы

Инструментально-методическую основу настоящего исследования обеспечили следующие методы и модели: системный синтез и анализ (исследование сезонных колебаний в сфере гостеприимства), метод сравнительного анализа (изучение тенденций и закономерностей в развитии сферы гостеприимства), метод прогнозирования (расчет прогнозируемого числа реализованных турпакетов с учетом сезонной и трендовой составляющих), аддитивная модель (расчет трендовой, сезонной и случайной компонент) и др.

Полученные результаты

Прогноз на базе методов анализа временных рядов основывается на допущении, что все факторы, задействованные в базовом периоде, а также их взаимосвязь останутся неизменными и в прогнозируемом периоде. Однако на практике такое условие достаточно часто нарушается. В большинстве случаев динамический ряд, кроме тренда и случайных отклонений от него, характеризуется ещё сезонными и циклическими составляющими.

Сезонность оказывает достаточно сильное влияние на точность прогноза, поэтому, приступая к его построению с помощью методов анализа временных рядов, данные необходимо проанализировать на наличие сезонных колебаний и в случае их обнаружения десезонализировать.

Для прогнозирования показателей, подверженных сезонным изменениям, была использована модель с аддитивной компонентой (F = T + S + E), вариация значений переменной которой описывается в виде суммы отдельных компонент [17].

Базовые этапы методики анализа сезонности на примере сферы гостеприимства представлены на рис. 1.

Рассмотрим процесс построения модели, учитывая данные о числе реализованных туристскими фирмами турпакетов населению

Рис. 1 – Этапы методики анализа сезонности в сфере гостеприимства

(по территории России и зарубежным странам) за последние 14 кварталов (табл. 1).

Анализ данных позволил убедиться, что реализация туристскими фирмами турпакетов населению имеет ярко выраженную цикличность (наименьшим числом реализованных населению турпакетов отличаются первый и четвертый кварталы, максимум реализации приходится на третий квартал), что и позволило отобрать для настоящего исследования аддитивную модель (наличие тренд-сезонных временных рядов).

Таблица 1 – Центрированная скользящая средняя и первичная оценка сезонной компоненты2

Год и квартал

Число реализованных турфирмами турпакетов населению, ед.

за 4 квартала

Центрированная скользящая средняя

Оценка сезонной компоненты

итого

скользящее среднее

I

1011

2        II

1456

5337

1334,3

8        III

1902

4804

1201

1107,6

794,4

IV

968

4057

1014,3

938

30

I

/       478

3447

861,8

821,5

-343,5

S        II

709

3125

781,3

836

-127

8        III

1292

3563

890,8

972,9

319,1

IV

646

4220

1055

1109,5

-463,5

I

916

4656

1164

1183,4

-267,4

II

1366

4811

1202,8

1221,1

144,9

8        III

1728

4958

1239,5

1256

472

IV

801

5090

1272,5

636,3

164,8

8       I

1063

8        II

1498

2 Табл. 1-3 сост. по данным: «Туризм. Турфирмы. Основные показатели деятельности туристских фирм в 2010-2021 гг.» / Росстат.

СЕРВИС

В РОССИИ

И ЗА РУБЕЖОМ

В процессе элиминирования влияния сезонной компоненты воспользуемся методом скользящей средней, в основе которого заложена замена фактических уровней динамического ряда расчетными, имеющими значительно меньшую вариацию (колеблемость). При этом среднюю рассчитаем по группам данных за определенный интервал времени, образуя сдвиг на один квартал [17].

В результате осуществления расчетов первоначальные колебания динамического ряда сгладились (т.е. не содержат сезонной компоненты и соответствуют середине года), а также центрированы для удаления нерегулярной составляющей (краткосрочные колебания) и выделения основных тенденций и циклов (табл. 1).

Произведенные расчеты позволили получить оценку сезонной компоненты, включающую в себя ошибку. Для уменьшения значения и усреднения сезонной компоненты были рассчитаны средние значения для каждого квартала. Сумма всех средних оценок составила ноль, это означает, что данные величины являются окончательными значения- ми исследуемых компонент (табл. 2).

Следующий этап исследования был направлен на осуществление десезонализа-ции данных (табл. 3, лев.часть).

Таблица 2 – Средние значения сезонной компоненты

Год

Квартал

I

II

III

IV

2019

794,4

30

2020

-343,5

-127

319,1

-463,5

2021

-267,4

144,9

472

Итого

-610,9

17,9

1585,5

-433,5

Среднее значение (оценка сезонной компоненты)

-305,4

8,9

528,5

-216,8

15,2

Скорректи

рованная сезонная компонента S

-309,3

5,1

524,8

-220,6

0

На основании данных десезонализиро-ванного ряда были построены трендовые модели, в частности, линейная, степенная, экспоненциальная и логарифмическая, и выбрана трендовая модель (в данном случае степенная, R2 = 0,8886), обеспечивающая наибольшую точность аппроксимации.

Таблица 3 – Десезонализированные данные и прогнозные значения по реализованным туристскими фирмами турпакетам населению

Год и квартал

Десезонализированные данные

Прогнозные значения

Число реализованных турфирмами турпакетов населению, ед. (Q)

Сезонная компонента, S

Десезонализированное число реализованных турпакетов Q – S = T + E

Трендовое значение, Т

Прогнозное значение, F

I

1011

-309,3

1320,3

1199,2

890,0

2 II

1456

5,1

1450,9

1231,2

1236,3

S III

1902

524,7

1377,3

1250,3

1775,0

IV

968

-220,6

1188,6

1264,1

1043,5

I

478

-309,3

787,3

1274,8

965,6

8 II

709

5,1

703,9

1283,7

1288,8

S III

1292

524,7

767,3

1291,2

1815,9

IV

646

-220,6

866,6

1297,8

1077,2

I

916

-309,3

1225,3

1303,6

994,4

II

1366

5,1

1360,9

1308,9

1314,0

S III

1728

524,7

1203,3

1313,6

1838,3

IV

801

-220,6

1021,6

1318,0

1097,4

Й I

1063

-309,3

1372,3

1322,0

1012,7

S II

1498

5,1

1492,9

1325,7

1330,8

Построенная модель позволила определить прогнозируемое число реализованных турпакетов, учитывая сезонную и трендовую составляющие (табл. 3, прав.часть).

Для оценки точности прогнозных значений был произведен и расчет следующих показателей: MAD (среднее абсолютное отклонение), определяющее на какое количество единиц в среднем отклонился в большую или меньшую сторону полученный прогноз (определение ошибки в конкретных единицах, т.е. турпакетов); MAPE (средняя ошибка аппроксимации), позволяющая оценить точность реализуемой в исследовании модели; MSE (среднеквадратическая ошибка), характеризующая вариабельность в течении изучаемого периода; MPE (средняя процентная ошибка), определяющая возможное смещение прогноза (переоценивающий или недооценивающий прогноз) [17].

Заключение

По результатам произведенных расчетов на основе аддитивной модели можно сделать следующие выводы:

  • -    в среднем прогнозируемое число реализованных турфирмами турпакетов населению (MAD) отклоняется от фактического в большую или меньшую сторону на 240 ед.;

  • -    средняя ошибка аппроксимации (MAPE) составляет 5% (менее 10%), полученное значение свидетельствует о достаточно высокой точности применяемой модели;

  • -    средняя процентная ошибка близка к 0 (MPE > 0) и составляет 0,17%, что означает незначительное занижение показателя в сравнении с фактическим значением.

В целом представленный прогноз близок к несмещенному, прогнозируемое число реализованных туристскими фирмами турпа-кетов населению (по территории России и зарубежным странам) составит в прогнозируемый квартал 1853,9 ед.

Полученные результаты поспособствуют разработке комплекса адресных результативных мероприятий по устранению или сглаживанию сезонности, развитию устойчивого спроса и повышению доступности продуктов (услуг) сферы гостеприимства.

Список литературы Использование модели с аддитивной компонентой при прогнозировании сезонных колебаний в сфере гостеприимства

  • Николаев С.В. Особенности фактора сезонности на деятельность субъекта индустрии гостеприимства // Транспортное дело России. 2015. №2. С. 117-121.
  • Константинова В.А., Мараховская Г.С. Сезонность туристского рынка и методы противостояния ей // Современные научные исследования и инновации. 2019. №12. URL: https://web.snauka.ru/issues/2019/12/90915 (Дата обращения: 10.08.2022).
  • Хайруллин И.Р., Подгорцева Е.Э. Альтернативы снижения рисков сезонности в туристском бизнесе // Экономические исследования и разработки. 2019. №4. С. 92-99.
  • Морозов М.А., Ахмятжанова А.А. Событийный туризм как инструмент выравнивания сезонности в туризме // Научно-методический электронный журнал «Концепт». 2021. URL: http://e-koncept.ru/2021/0.htm (Дата обращения: 10.08.2022).
  • Кондрацкая Т.А., Винокурова Д.С. Оценка сезонности в гостиничном бизнесе // Global and regional research. 2020. T.2. №4. С. 91-96.
  • Пилявский В.П., Павленко И.Г. Современные особенности и тенденции развития отечественной сферы гостеприимства // Вестник ОрелГИЭТ. 2017. Т.41. №3. С. 99-107.
  • Кильбович М.В., Гомилевская Г.А. Управление факторами сезонности в гостиничном бизнесе города Владивостока // Креативная экономика. 2020. Т.7. С. 2743-2756. DOI: 10.18334/ce.16.7.114882.
  • Горгорова Ю.В., Пелецкая Е.А. Учет фактора сезонности в архитектуре гостиниц Черноморского побережья Краснодарского края // Электронный научный журнал «Инженерный вестник Дона». 2020. Т.66. №6. URL: ivdon.ru/ru/magazine/archive/n6y2020/6504 (Дата обращения: 10.08.2022).
  • Букреев И.А., Баракина М.А. Управление финансовым состоянием туристского предприятия в условиях сезонности // Международный научный журнал «Инновационная наука». 2016. №2. С. 72-75.
  • Rossello J., Sanso А. Yearly, monthly and weekly seasonality of tourism demand: а decomposition analysis // Tourism Management. 2017. Vol. 60. Pp. 379-389. DOI: 10.1016/j.tourman.2016.12.019.
  • Duro J.A., Turrión-Prats J. Tourism seasonality worldwide // Tourism Management Perspectives. 2019. Vol.31. Pp. 38-53. DOI: 10.1016/j.tmp.2019.03.010.
  • Ferrante M., Lo Magno G.L., De Cantis S. Measuring tourism seasonality across European countries // Tourism Management. 2018. Vol.68. Pp. 220-235. DOI: 10.1016/j.tourman.2018.03.015.
  • Martín J.M., Salinas Fernandez J.A. The effects of technological improvements in the train network on tourism sustainability. An approach focused on seasonality // Sustainable Technology and Entrepreneurship. 2022. Vol.1. Iss.1. DOI: 10.1016/j.stae.2022.100005.
  • Wang X., Sun J., Wen H. Tourism seasonality, online user rating and hotel price: f quantitative approach based on the hedonic price model // International Journal of Hospitality Management. 2019. Vol.79. Pp. 140-147. DOI: 10.1016/j.ijhm.2019.01.007.
  • Fernandez-Morales A., Cisneros-Martínez J.D., McCabe S. Seasonal concentration of tourism demand: decomposition analysis and marketing implications // Tourism Management. 2016. Vol.56. Pp. 172-190. DOI: 10.1016/j.tourman.2016.04.004.
  • 16.Vatsa P. Seasonality and cycles in tourism demand-redux // Annals of Tourism Research. 2021. Vol.90. DOI: 10.1016/j.annals.2020.103105.
  • Панова А.В. Статистика туризма. М.: ИНФРА-М, 2020. 287 с. DOI: 10.127/1371046178.
Еще
Статья научная