Predictive study of the specific properties of the structure of time series of sales volumes of bottled drinking water
Abstract
Importance: this paper presents an expansion and deepening of the previously performed data analysis, consisting of studying sales time series, their systematization and detailed description. The specified tasks are solved at the stage of preliminary or predictive study of time series characterizing daily sales volumes of nine different brands of bottled water. Purpose: аnalysis of specific properties of the structure of time series of sales volumes that determine the dynamics of the key performance indicator for a commercial organization specializing in the sale of one type of goods and, as a result, the selection of relevant mathematical forecasting tools. Research design: the paper presents an expansion and deepening of statistical analysis of sales volume data, consisting in the study of sales time series, their systematization and detailed description. These tasks are solved at the stage of preliminary or predictive research. The study presents calculations of statistical indicators and a vector assessment of time series representing data on sales of a specific brand of water on a certain day of the week. Results: the analysis of the results of a multi-criteria assessment of the persistence or trend stability of time series of drinking water sales decomposed by days of the week and brands presented in the paper is important for obtaining a reliable forecast and developing an effective risk management policy associated with the functioning of a trading company specializing in one type of product.
Downloads
References
2. Дунская Л.К., Попова Е.В. Адаптация k-means как средства автоматизации процесса прогнозирования слабоструктурируемых временных рядов экономической динамики // π-Economy, 2025, т. 18, no. 1, c. 160-177.
3. Коваль П.К., Полбин А.В. Оценка гетерогенных параметров динамики дохода и межвременных потребительских предпочтений // Финансовый журнал, 2023, т. 15, no. 6, c. 76-92.
4. Кумратова А.М., Попова Е.В., Попов Г.И. [и др.] Методы классической статистики в исследовании степени «рисковости» тренд-сезонных процессов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета, 2014, no. 100, c. 1118-1137.
5. Кумратова А.М., Попова Е.В., Савинская Д.Н., Курносова Н.С. Комплексная методика анализа экономических временных рядов методами нелинейной динамики // Современная экономика: проблемы и решения, 2015, no. 8 (68), c. 35-43.
6. Кумратова А.М., Попова Е.В., Турлий С.И., Недогонова Т.А. Адаптированные методы нелинейной динамики подготовки данных экономических временных рядов к процедуре прогноза // Современная экономика: проблемы и решения, 2019, no. 7(115), c. 33-41.
7. Никифорова О.П., Антохонова И.В. Локальные продовольственные рынки в новых условиях: методология исследования и методы регулирования. Улан-Удэ, Восточно-Сибирский государственный университет технологий и управления, 2016. 164 с.
8. Перепелица В.А., Попова Е.В. Математические модели и методы оценки рисков экономических, социальных и аграрных процессов. Ростов-на-Дону, Ростовский университет, 2002. 210 с.
9. Попова Е.В., Кумратова А.М., Третьякова Н.В., Пономарева Д.Н. Инструментальные средства выявления долгосрочных тенденций развития природных и экономических процессов // Современная экономика: проблемы и решения, 2015, no. 7 (67), c. 22-31.
10. Попова Е.В., Савинская Д.Н., Попов Г.И. Прогнозирование динамики рынка HOD на базе методов когнитивного анализа и предикторной обработки данных // Труды Кубанского государственного аграрного университета, 2012, no. 35, c. 27-31.
11. Попова М.И. Методы многокритериальной оптимизации в формировании ассортимента монопродуктовой компании // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета, 2024, no. 202, c. 151-165.
12. Попова М.И., Таран Е.А., Вилкова Н.А. Математические методы многокритериальной оптимизации для принятия решения по отбору объектов таможенного контроля после выпуска товаров // Современная экономика: проблемы и решения, 2024, no. 3 (171), c. 24-36.
13. Се С., Миролюбова А.А. Анализ инструментов визуализации экономических данных // Сборник научных трудов вузов России «Проблемы экономики, финансов и управления производством», 2023, no. 53, c. 28-35.
14. Шехтер Д., Сандер Г. Логистика. Искусство управления цепочками поставок. Москва, Претекст, 2008. 230 с.
15. Mandelbrot B.B., Wallis J.R. Fractional Brownian noises, fractional Brownian motions and applications // SIAM review, 1968, no. 10(4), pp. 422-437.
16. Shulenin V.P. Robust Methods of Mathematical Statistics. Мinistry of science and higher education of the russian federation, national research tomsk state university. Tomsk, Scientific Technology Publishing House, 2020. 260 p.
