Xslav21

From Simulace.info
Jump to: navigation, search


Rád bych provedl monte carlo simulaci na upřednostňování krátkodobého uspokojení před dlouhodobým.

Zadání

Název simulace: Analýza poptávky v případě preference krátkodobého zisku před dlouhodobým

Předmět: 4IT495 Simulace systémů (LS 2014/2015)

Autor: Bc. Vojtěch SLánský

Typ modelu: Monte Carlo

Modelovací nástroj: MS Excel

Parametry

-náhodná proměnná - poptávka

-snížení poptávky v dalším období na základě aplikace akcí

-krátkodobé zvýšení zisku

-dlouhodobá ztráta ze ztracených zákazníků

Výstupy práce

Cílem je zjistit, jak moc firma ztrácí finanční prostředky při upřednostňování krátkodobého časového rámce (využíváním akcí a slev ke zvýšení obratu). Zákazník, který koupí zboží ve slevě má totiž tendenci nenakupovat výrobek za plnou cenu. Snížení poptávky je určeno elasticitou poptávky. Mějme firmu prodávající spotřební elektronické přístroje. Elasticita poptávky je zde poměrně vysoká, tudíž bude mít každá sleva negativní následky na poptávku po výrobcích. Portfólio produktů které firma prodává se pohybuje kolem 2000. Vliv slevových kampaní se liší u jednotlivých výrobků, podle jejich elasticity. Rozdělme je do 3 kategorií - s nízkou(200), střední (800) a vysokou elasticitou (1000). Dejme tomu, že slevové kampaně budou ovlivňovat celkové portfólio a nebude zaměřené na konkrétní kategorii. Jak vysoké slevy na jak velké množství portfólia je možné použít, aniž by se dlouhodobě snížila poptávka?


Oleg.Svatos 17:15, 12 May 2015 (CEST) Zdravím, abych se přiznal jsem z tohoto zadání nějaký zmatený - různé názvy simulace, v úvodu se mluví o multiagentní simulaci, ale dále je uváděné Monte Carlo atp. Pokud by to mělo být v MC, tak by mě zajímalo , co budou náhodné proměné a na základě jakých dat budete vycházet při stanovení pravděpodobnostních rozdělení, ze kterých budete hodnoty nahodných proměnných generovat?

Oleg.Svatos 08:42, 15 May 2015 (CEST) OK. Stále zůstává otázka na základě jakých dat (tzn. reálných) budete odvozovat pravděpodobnostní rozdělení pro generovánní: 1) poptávky a 2) snížení poptávky v dalším období na základě aplikace akcí. Na toto je mít třeba reálná data, jinak simulace v MC nedává smysl.

--Onarr 22:09, 16 May 2015 (CEST) Zdravím. Reálná data není složité získat, vyskytují se takřka v každé učebnici ekonomie. Už tam je celkově dokázáno, že je rozdíl mezi krátkodobou a dlouhodobou poptávkou - dlouhodobá poptávka je více plochá. Z elasticity poptávky, kterou budu odvozovat od podobných výrobků (nemusí to být konkrétně elektronický výrobek, důležité je aby měl podobnou elasticitu), budu pak brát hodnoty pro pravděpodobnostní rozdělení. Jako nejvíce hodící se rozdělení pro tuto problematiku shledávám poissonovo rozdělení - většina lidí je ovlivňována elasticitou poptávky, existují však tací, kteří jsou velmi věrní značce (např apple) a výrobek si koupí i za plnou cenu poté co jej jindy koupily ve slevě. Naopak existují i tací, kteří se k výrobku staví negativně a nekoupí si jej nikdy. Většina je však ovlivňována cenou, proto poissonovo rozdělení. Toto rozdeleni pouziji u obou nahodnych promennych.

Dobrý den, ale to co je v učebnicích ekonomie nejsou reálná data, ale ekonomické modely. Reálná data jsou reálná data - z praxe, nějaké statistiky. Nehledě na to, že do ekonomického modelu musíte doplnit konkrétní parametry, abyste dostal konkrétní výsledky.
Ty elasticity - mám na mysli ty konkrétní cifry, které uvádíte, jste odvodil jak?
Problém samotný se mě osobně líbí, ale to konkrétní zadání by chtělo dotáhnout. U tohoto typu modelu je třeba opravdu pracovat s reálnými daty. Optimálně v tomto případě třeba z nějakého eshopu např. Nebo opatřit empirická data jinak. Jinak je z toho pouhé akademické cvičení. Tomáš 11:45, 17 May 2015 (CEST)

--Onarr 15:25, 17 May 2015 (CEST)počet výrobků s elasticitou je vymyšlený. Můžu jej zrušit. Jako nejschůdnější se mi zdá využít příkladu podniků Apple a Samsung. Vezmu dva srovnatelné mobilní telefony, které mají totožné funkce. Apple je znám tím, že jeho mobilní telefony nejsou ve svém životním cyklu zlevňovány, kdežto ostatní dodavatelé mobilních telefonů tyto akce využívají. Je možné vzít několik cyklů, kde si tyto společnosti konkurují, vzít jejich statistická data prodejů (ty jsou přístupná) a z těchto dat vyvodit jak slevové akce snižují poptávku u výrobků z dalšího životního cyklu (nový produkt). Jednoduše řečeno vezmu čísla prodejů iphone 3,4 a 5 a konkurenčních produktů samsungu v daném období (odvozené z obchodních zpráv z dané doby). V rámci agregátorů porovnávajících ceny jsou dostupné grafy, na kterých je viditelný průběh cen v čase (např. heureka). Z těchto dat bych měl být schopen získat co potřebuji

Schváleno. Tomáš 16:53, 20 May 2015 (CEST)