УДК 519.233:004.85:330
DOI: 10.36871/2618­-9976.2026.02.004

Авторы

Вячеслав Дмитриевич Пасканов,
Аспирант, старший преподаватель по совметительству кафедры «Искусственного интеллекта». Финансовый университет при правительстве РФ, Самара, Россия

Аннотация

В статье рассматриваются модели прогнозирования спроса на  товары,  основанные  на  комбинировании  статистических  и  машинных  методов  анализа  данных.  Показано,  что  рост  неопределенности рыночной среды, усложнение цепочек поставок  и  повышение  требований  к  эффективности  управления  запасами  ограничивают  применимость  изолированного  использования  традиционных  статистических  моделей  либо  методов  машинного  обучения.  Проведен  анализ теоретических основ статистических и машинных подходов к прогнозированию  спроса,  выявлены  их  ключевые  преимущества  и  ограничения с точки зрения точности, интерпретируемости и  устойчивости прогнозов. Особое внимание уделено подходам  к формированию  гибридных моделей,  в  рамках  которых  статистические  методы  используются  в  качестве  базового  компонента, а машинные методы как инструмент учета нелинейных  зависимостей  и  расширенного  набора  факторов  спроса. Оценена  управленческая  применимость  комбинированных  моделей в задачах планирования, управления запасами и поддержки  принятия  решений.  В  результате  сформулированы  практические  рекомендации  по  использованию  гибридных  моделей  прогнозирования  спроса, направленные  на повышение точности прогнозов, снижение модельных рисков и улучшение качества управленческих решений.

Ключевые слова

прогнозирование спроса
статистические модели
машинное обучение
гибридные модели
управление запасами
аналитическая поддержка управления
принятие решений

Список литературы

[1] Аббакумов А.А., Ямашкин С.А., Карнетов В.Г., Рощихин Д.С. Прогнозирование спроса  и управление запасами с помощью машинного обучения // Инженерный вестник  Дона. 2025. № 6(126). С. 308–320.
[2] Адаев Р.Б., Ризничук С. Создание модели  оценки  спроса  на  основе  экономических  индикаторов // Теоретические и прикладные вопросы экономики, управления и  образования: сб. ст. VI Междунар. науч.­практ. конф. Пенза, 2025. С. 18–23.
[3] Ахметьянова Д.И., Филимонова Т.К. Статистические  модели  в  прогнозировании  спроса на товары и услуги // Повышение управленческого, экономического, социального  и  инновационно­технического  потенциала  предприятий,  отраслей  и  народно­хозяйственных комплексов: сб. ст. XVI Междунар. науч.­практ. конф. Пенза, 2025. С. 21–23.
[4] Бондарева А.В. Применение  методов  анализа  данных  для  прогнозирования  розничной  торговли  //  Глобальные  научные  тенденции:  интеграция  и  инновации: сб. ст. Междунар. науч.­практ. конф. Симферополь, 2025. С. 10–15.
[5] Гуляев А.В. Определение  основных  факторов,  оказывающих  влияние  на  покупательский  спрос,  учитываемых  при  прогнозировании  продаж  //  Развитие  современной науки и технологий в условиях трансформационных процессов: сб. материалов IX Междунар. науч.­практ. конф. Санкт­Петербург, 2023. С. 374–382.
[6] Жуков А.А. Методологические подходы к прогнозированию спроса в условиях неопределенности:  применение  гибридных  моделей  машинного  обучения  и  экспертных  систем  //  Технологии,  модели  и  алгоритмы  модернизации  науки  в  современных геополитических  условиях: сб. ст. Всерос. науч.­практ.  конф. с междунар. участием. Уфа, 2025. С. 122–135.
[7] Кузовчиков Д.О., Сергеев С.В., Прохоров И.В.  Построение  модели  прогнозирования  спроса  с  использованием  сигмоидной  функции  //  Инновационные  механизмы  управления цифровой и региональной экономикой: материалы VI Междунар. студенческой науч. конф. Москва, 2024. С. 594–605.
[8] Лузянина Н.В., Олейников А.Ю. Математическое прогнозирование спроса на товары  //  Нано­био­технологии.  Теплоэнергетика.  Математическое  моделирование: сб. ст. Междунар. науч.­практ. конф. Липецк, 2023. С. 230–239.
[9] Панасеня М.А. Применение  моделей  машинного  обучения  для  прогнозирования  спроса // Актуальные проблемы экономики и управления в XXI веке: сб. науч. ст. X Междунар. науч.­практ. конф. Новокузнецк, 2024. С. 46–49.
[10] Рягузов В.А., Шуршикова Г.В. Прогнозирование спроса в моделях управления запасами  //  Экономическое  прогнозирование:  модели  и  методы: материалы  XVIII Междунар. науч.­практ. конф. Воронеж, 2023. С. 174–177.
[11] Сапахов А.Р., Меринов В.А., Мухаджинов Т.Р. и др. Авторегрессионные модели в прогнозировании спроса // 75­я Международная студенческая научно­техническая конференция, посвященная 95­летию АИРХ–АТИРПИХ–АГТУ: материалы конф. Астрахань, 2025. С. 828–829.
[12] Таратухина С.Е., Кожевников Д.Е. Модели прогнозирования спроса и предложения на  основе машинного обучения // Молодежный научный форум: сб. ст. по материалам  CCLXXVII студенческой междунар. науч.­практ. конф. Москва, 2024. С. 119–125.
[13] Турищев Д.К. Прогнозирование спроса  в моделях  управления запасами на  основе  статистических  методов  // Шаг  в  науку: сб.  тезисов  докл.  отчетной  науч.­практ. конф. Москва, 2024. С. 280–284.
[14] Яровой А.А. Сравнительный анализ  нейросетевых  и  регрессионных моделей  прогнозирования  потребительского  спроса  на  основе  реальных  данных  //  Мягкие  измерения и вычисления. 2025. Т. 92, № 7. С. 51–59.