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.
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.