ПРИМЕНЕНИЕ ПРЕОБРАЗОВАНИЯ ФУРЬЕ ДЛЯ ВЫЯВЛЕНИЯ СЕЗОННЫХ КОЛЕБАНИЙ ПОТРЕБИТЕЛЬСКОГО СПРОСА В РОЗНИЧНОЙ ТОРГОВЛЕ
Ключевые слова:
преобразование Фурье, временные ряды, сезонность спроса, розничная торговля, прогнозирование продаж, спектральный анализ, ритейлАннотация
В статье рассматриваются возможности применения преобразования Фурье для анализа сезонных колебаний потребительского спроса в розничной торговле. Сезонность является одним из ключевых факторов, определяющих динамику продаж товаров различных категорий. Традиционные методы анализа временных рядов позволяют выявлять тренды и сезонные компоненты, однако их эффективность снижается при наличии сложных периодических зависимостей. Преобразование Фурье предоставляет возможность разложить временной ряд продаж на совокупность гармонических составляющих и определить доминирующие частоты, характеризующие циклическое поведение покупателей. Представлены теоретические основы метода, алгоритм анализа и пример применения к данным розничной торговли. Результаты показывают, что спектральный анализ позволяет выявлять недельные, месячные и годовые циклы спроса, что способствует повышению точности прогнозирования и эффективности управления товарными запасами.
Библиографические ссылки
1. Смит С. Цифровая обработка сигналов. Практическое руководство для инженеров и научных работников. – Москва: ДМК Пресс, 2020. – 720 с.
2. Марпл-мл. С. Л. Цифровой спектральный анализ и его приложения. – Москва: Мир, 2019. – 496 с.
3. Оппенгейм А. В. Цифровая обработка сигналов / А. В. Оппенгейм, Р. В. Шафер. – Москва: Техносфера, 2015. – 1048 с.
4. Cooley J. W. An algorithm for the machine calculation of complex Fourier series / J. W. Cooley, J. W. Tukey // Mathematics of Computation. – 1965. – Vol. 19, no. 90. – P. 297–301.
5. Хайндман Р. Прогнозирование временных рядов. Принципы и практика / Р. Хайндман, Дж. Атанасиопулос. – Москва: Диалектика, 2021. – 560 с.
6. Hyndman R. J. Forecasting: principles and practice / R. J. Hyndman, G. Athanasopoulos. – 3rd ed. – Melbourne: OTexts, 2021. – 442 p.
7. Бокс Дж. Анализ временных рядов. Прогноз и управление / Дж. Бокс, Г. Дженкинс, Н. Рейнсел. – Москва: Мир, 2019. – 720 с.
8. Чувыкин Д. А. Спектральный анализ в задачах прогнозирования розничного спроса / Д. А. Чувыкин // Логистика и управление цепями поставок. – 2022. – № 4. – С. 56–64.
9. Мастяева И. Н. Применение преобразования Фурье для анализа сезонности экономических показателей / И. Н. Мастяева, О. Н. Семенова // Экономический анализ: теория и практика. – 2021. – Т. 20, № 8. – С. 1442–1458.
10. Sezer O. B. Financial time series forecasting with deep learning: A systematic literature review / O. B. Sezer, M. U. Gudelek, A. M. Ozbayoglu // Applied Soft Computing. – 2020. – Vol. 90. – P. 106181.
