Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/41001
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Волкова Тамара Александровна | ru_RU |
dc.contributor.advisor | Volkova Tamara Aleksandrovna | en_GB |
dc.contributor.author | Бевз Роман Юрьевич | ru_RU |
dc.contributor.author | Bevz Roman Urevic | en_GB |
dc.contributor.editor | Балыкина Юлия Ефимовна | ru_RU |
dc.contributor.editor | Balykina Ulia Efimovna | en_GB |
dc.date.accessioned | 2023-04-06T21:52:49Z | - |
dc.date.available | 2023-04-06T21:52:49Z | - |
dc.date.issued | 2022 | |
dc.identifier.other | 086194 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/41001 | - |
dc.description.abstract | Выпускная квалификационная работа посвящена теме прогнозирования объема спроса на рынке железнодорожных контейнерных грузоперевозок в России путем выявления значимых макроэкономических показателей за счет применения фундаментального и технического анализа. Весь рынок можно представить в виде системы взаимозависимых макроэкономических факторов. Они непосредственным образом влияют на будущий спрос на услуги контейнерных перевозок. Следовательно, необходимо применять новейшие техники в управлении и организации контейнерными перевозками, особенно включая математический и экономический анализы. В свою очередь использование данных приемов позволяет строить прогнозные модели потребности в перевозках в будущем и на основе этих данных принимать решения в менеджменте. В данной работе применены методы интеллектуального анализа – Data mining. Проведен качественный и количественный анализы показателей контейнерных грузоперевозок по отраслям, а также внешних факторов, таких как ВВП и грузооборот. Составлена математическая модель. В разделе вычислительных экспериментов проведено математическое моделирование методами дескриптивной статистики для оценки качественного характера влияния выявленных ранее факторов, а именно, корреляционный анализ, анализ временных рядов, а также статистический инфлюентный анализ. Полученная регрессионная модель качественно соответствует имеющимся данным. Количественный анализ данных проводился с использованием языка программирования Python с библиотеками pandas, scikitlearn, numpy, statsmodels и языка программирования R для статистической обработки данных и работы с графикой. Проведено вероятностно-статистическое имитационное моделирование методом Монте-Карло. На основе регрессионной модели построен прогноз объема перевозок грузов лесопромышленного комплекса. Беря во внимание проведенный анализ транспортной компании, приведенной в данной работе, можно заключить, что она имеет достаточное преимущество к удовлетворению спроса на такие перевозки, покрыв его своим предложением. | ru_RU |
dc.description.abstract | The final qualification work is devoted to the topic of forecasting the volume of demand in the rail container transportation market in Russia by identifying significant macroeconomic indicators through the use of fundamental and technical analysis. The entire market can be represented as a system of interdependent macroeconomic factors. They directly influence the future demand for container transport services. Therefore, it is necessary to apply the latest techniques in the management and organization of container traffic, especially including mathematical and economic analyses. In turn, the use of these techniques allows you to build predictive models of the demand for transportation in the future and, based on these data, make decisions in management. In this work, methods of intellectual analysis - Data mining are applied. A qualitative and quantitative analysis of indicators of container cargo transportation by industry, as well as external factors such as GDP and cargo turnover, was carried out. A mathematical model has been compiled. In the section of computational experiments, mathematical modeling was carried out using descriptive statistics to assess the qualitative nature of the influence of previously identified factors, namely, correlation analysis, time series analysis, and statistical fluent analysis. The resulting regression model qualitatively corresponds to the available data. Quantitative data analysis was carried out using the Python programming language with the libraries pandas, scikitlearn, numpy, statsmodels and the R programming language for statistical data processing and graphics. A probabilistic-statistical simulation by the Monte Carlo method was carried out. On the basis of the regression model, a forecast was made for the volume of transportation of goods in the timber industry complex. Taking into account the analysis of the transport company presented in this paper, we can conclude that it has a sufficient advantage in meeting the demand for such transportation, covering it with its offer. | en_GB |
dc.language.iso | ru | |
dc.subject | инфлюентный анализ | ru_RU |
dc.subject | прогнозирование спроса | ru_RU |
dc.subject | железнодорожные контейнерные перевозки | ru_RU |
dc.subject | логистика | ru_RU |
dc.subject | регрессионная модель | ru_RU |
dc.subject | метод Монте-Карло | ru_RU |
dc.subject | фундаментальный и технический анализ | ru_RU |
dc.subject | метод главных компонент | ru_RU |
dc.subject | ABC-анализ | ru_RU |
dc.subject | инфлюенты | ru_RU |
dc.subject | оценки значимости факторов | ru_RU |
dc.subject | Influence analysis | en_GB |
dc.subject | demand forecasting | en_GB |
dc.subject | rail container transportation | en_GB |
dc.subject | logistics | en_GB |
dc.subject | regression model | en_GB |
dc.subject | Monte Carlo method | en_GB |
dc.subject | fundamental and technical analysis | en_GB |
dc.subject | principal component analysis | en_GB |
dc.subject | ABC analysis | en_GB |
dc.subject | influencers | en_GB |
dc.subject | estimates of the significance of factors | en_GB |
dc.title | Forecasting demand level at the railway container cargo transportation market in Russia | en_GB |
dc.title.alternative | Прогнозирование объема спроса на рынке железнодорожных контейнерных грузоперевозок в России | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
VKR_Bevz.pdf | Article | 2,25 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_st086194_Bevz_Roman_Urevic_(supervisor)(Ru).txt | ReviewSV | 4,1 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.