Прогнозування обсягів продажів електромобілів на ринку США на базі нейронних мереж
Досліджено можливості прогнозування обсягів продажу електромобілів на ринку США з використанням нейронних мереж. Запропоновано підхід, що базується на побудові регресійної нейромережевої моделі, визначено фактори, що впливають на обсяги продажів (середня ціна на бензин, ціна на літій-кобальт оксид, обсяги продажів нового житла, середня ціна на електроенергію) та проведено верифікацію прогнозу, отриманого за допомогою побудованої моделі.
В епоху, коли кліматичні зміни стають все більш відчутними, а прагнення до стійкості та екологічно чистої мобільності стає все більш нагальною потребою, ринок електромобілів переживає свій розквіт. Цей сегмент автомобільної індустрії продовжує демонструвати потужне зростання, яке зумовлено як технологічними інноваціям, так і потребами споживачів. У такій динамічній ситуації прогнозування ринку електромобілів стає ключовим інструментом для промисловості, урядових органів та інвесторів. При цьому на світових ринках динаміка обсягів продажів електромобілів має нелінійний характер [1].
Тому для її прогнозування доцільним є використання нейронних мереж. У цій роботі побудовано нейромережеву модель залежності кількості проданих електромобілів на ринку США від таких параметрів:
- середня ціна на бензин у країні [2]. Ціна на паливо є одним із основних економічних чинників, які можуть спонукати до придбання автомобілів з електродвигунами, як альтернативу авто з двигунами внутрішнього згоряння;
- ціна на літій-кобальт оксид [3]. Ця сировина є основним ресурсом, що використовується для виготовлення акумуляторів електромобіля як одного із найдорожчих його елементів;
- обсяги продажів нового житла на первинному ринку нерухомості [3]. Купівля електромобіля може бути пов’язана з покупкою нерухомості, оскільки багато споживачів вважають за краще мати доступ до домашньої зарядної станції. Збільшення продажів нового житла може сприяти збільшенню попиту на електромобілі у цих регіонах. Важливість цього індикатора також полягає у тому, що він демонструє не тільки попит на нерухомість, а й загальний стан економіки. Люди купують будинок, коли оцінюють своє фінансове становище як комфортне та впевнене. Більше того, цей показник має мультиплікативний ефект на всю економіку, а через неї – на інші ринки та інвестиції;
- середня ціна на електроенергію [2]. Тарифи на електроенергію впливають на економічну привабливість експлуатації електромобіля для споживачів.
Вхідною інформацією для дослідження обрано помісячні дані за чотирма обраними показниками за період з 2011 по 2022 рік. Побудову та верифікацію прогнозної моделі здійснено за даними 2011-2021 рр. у програмному середовищі STATISTICA 13. Зазначимо, що при кожному тренуванні моделі створювалися 5 нейронних мереж, тобто, 5 наборів підвибірок. Під час тренування нейронних мереж найкращі результати отримано для мережі, що має 20 нейронів на внутрішньому шарі мережі. Під час тренування отримана модель описує 96,5% та 97,1% даних на тестових та валідаційних вибірках відповідно.
З графіків оцінки якості моделі (Рис. 1) видно, що гістограма залишків моделі близька до нормального розподілу, а її центр тяжіє до нуля по осі Х, що свідчить про досить високу якість отриманої моделі. Прогнозні значення досить близько та рівномірно розташовані вздовж цільової функції, що підкреслює високу якість отриманої моделі. Верифікацію прогнозу здійснено на даних за 2022 р. Середня абсолютна похибка отриманого прогнозу становить 14,9%.
Отриманий результат можна вважати задовільним з огляду на невелику довжину часового ряду, яка зумовлена тим, що ринок електромобілів є достатньо новим та є певний дефіцит у кількості спостережень, а також на нього впливають багато екзогенних та ендогенних факторів, що роблять його розвиток достатньо непередбачуваним. Перспективою подальших досліджень у напрямі підвищення точності прогнозів щодо продажу електромобілів є аналіз та розширення переліку факторів, що впливають на попит на електромобілі, а також удосконалення нейромережевої моделі за рахунок використання, зокрема, методу Dropout. Результати дослідження можуть бути корисні для автовиробників, дилерських мереж та маркетологів, створюючи умови для прийняття обґрунтованих рішень щодо запасів, ціноутворення та маркетингових кампаній.
Література
- Kurkula S., Maksyshko N., Ocheretin D., Cheverda S. Nonlinear dynamics of electric vehicle sales in China: a fractal analysis. CEUR Workshop Proceedings. 2023. Vol. 3465. Pp. 206-221. URL: https://ceur-ws.org/Vol-3465/paper21.pdf
- U.S. Energy Information Administration. URL: https://www.eia.gov.
- Фінансова платформа Investing. URL: https://investing.com.