Інтелектуальна система прогнозування цін

Тимашова Ліана Анатоліївна, к.е.н., с.н.с., зав.відділом

Дзядик Юрій Владиславович, к.ф-м.н., с.н.с

Лещенко Валентина Андріївна, н.с.

Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України

Бондар Лариса Анатоліївна, інж.-прогр. 1 кат.

Державна скарбниця Національного банку України

Розроблена у МННЦ ІТС НАНУ інтелектуальна система прогнозування цін (СІПРО) має такі особливості, порівняно з іншими системами прогнозування:

* модель прогнозування вибирається з бази методів та моделей, виходячи зі специфіки конкретного об’єкту та задачі – система серед усіх методів прогнозування дозволяє вибрати оптимальний;

Рис. 1. Два фрагменти макету інтелектуальної системи прогнозування

* основним джерелом вхідної інформації для функціонування моделі є Інтернет, причому пошук інформації є активним, з використанням мультиагентних систем;

* Інтернет також є основним джерелом інформації для побудови бази знань про об’єкт.

Річна передплата для права доступу на сайт [1] коштує 6 085 ₤ ≈ 80 000 грн. Вартість повного доступу на сайт [2] складає 1180 руб. ≈ 225 грн. на місяць, причому найменший строк передплати – 3 місяці, тобто найменша вартість – 675 грн. БИКИ [3] надає інформацію за ціною від 60 $ до 100 $ за кожну позицію за рік. Водночас поточна інформація про ціни є безкоштовною. Такі ціни роблять доцільною розробку програмних агентів для збору інформації.

Ця система створюється засобами Java, з можливим варіантом на C#.

В основу системи покладено методи:

* індуктивного моделювання (МГУА / GMDH, академіка Ивахненка);

* множинної регресії та авторегресії, ковзного середнього (ARIMA, Бокса-Дженкінса);

* системної динаміки (Форестера);

* імовірнісний прогнозний граф (Глушкова),

* та інші.

Актуальність. Прибуток підприємства та рентабельність виробництва суттєво залежать від цін на покупні та комплектуючі. В умовах ринкового формування цін відсутність прогнозу неминуче приводить до втрат. Втрати тим більші, чим більші скачки цін. Володіючи апаратом прогнозування, з’являється можливість керувати затратами на придбання (наприклад, металів) і мінімізувати ризики.

Система має наступні функції:

* збирання даних про ціни та продажі на світових ринках;

* відслідковування та візуалізація динаміки цін;

* задачі розпізнавання, класифікації та обробки статистичної інформації;

* графічний аналіз даних;

* моделювання і прогнозування цін;

* генерація вариантів приняття комерційних рішень в умовах ризику та невизначеності;

* пропозиції про оптимальні умови угод про ф’ючерні та форвардні закупки;

* проектування баз даних та знань про стан процесів управління ресурсами;

* моделі та методи інтелектуального аналізу даних.

Система має таку архітектуру:

Рис. 2. Архітектура інтелектуальної системи прогнозування цін (СІПРО)

Загальна форма моделі.

– Визначити набір показників (x₁, x₂, …, x_n) та подій (s₁, s₂, …, s_k), що впливають на формування ціни.

– Обчислити прогноз ціни як узагальнену функцію двох змінних P (v; t), де v – ціна, t – час, t ≥ 0, причому ∫P(v; t) dv = 1 для всіх t, P (v; 0) = δ (v–v₀) – дельта-функція Дірака.

Етапи побудови прогнозу цін. Насамперед необхідно вивчити характер ринку: чи є ринок монополією, олігополією, ринком вільної конкуренції тощо. Однак головне – сформувати базу знань про предмет дослідження. Було знайдено аналітичні огляди по молібдену [4] та феромолібдену (FeMo), вибрані показники, що впливають на динаміку цін FeMo, і зібрані статистичні дані з цих показників.

Приклад. Для прогнозу ціни на феромолібден (FeMo) було знайдено:

* показники (x₁, x₂, …, x_n) – ціни на сталь, об’єм виробництва молібдену, об’єм виробництва сталі, рівень інфляції тощо;

* події (s₁, s₂, …, s_k) – введення у дію чи закриття молібденових копалень і сталеливарних заводів, плани виробництва нової зброї, прихід до влади  войовничої / миролюбної команди тощо.

Докладніше досвід прогнозування ціни на FeMo описаний у [5].

Список посилань

[1] http://www.world-bureau.com/ – World Bureau of Metal Statistics

[2] http://www.metallcom.ru/subscribe/ – MetalTorg.Ru

[3] http://www.vniki.ru/ – Всероссийский научно-исследовательский конъюнктурный институт

[4] http://www.infogeo.ru/metalls/load/010102/Mo-010102.exe – Состояние и перспективы мирового и внутреннего рынков цветных, редких и благородных металлов. Выпуск 8. Молибден. Москва, 2002

[5] Дзядик Ю.В., Єфіменко С.М., Бондар Л.А. З досвіду прогнозування цін на метали та паливо. // Проблеми впровадження інформаційних технологій в економіці. Тези доповідей VІ міжнародної науково-практичної конференції. Ірпінь, 2007