Построение эконометрической модели оценки успешности кассовых сборов фильмов в России. Разработка приложения на основе построенной модели. Основные факторы, которые могут иметь потенциальное влияние на успешность фильма в прокате в Российской Федерации.
При низкой оригинальности работы "Разработка приложения для оценки успешности кассовых сборов фильмов в России", Вы можете повысить уникальность этой работы до 80-100%
Разработка приложения для оценки успешности кассовых сборов фильмов в России Работа посвящена построению эконометрической модели оценки успешности кассовых сборов фильмов в России и разработке приложения на основе построенной модели. В работе была изучена литература по теме исследования, проанализированы существующие подходы к оценке, выделены факторы, которые могут иметь потенциальное влияние на успешность фильма в прокате в России; собраны и структурированы данные для моделирования с 2007 по 2017г. по топ-100 самым кассовым фильмам (панельные данные); в процессе моделирования была выбрана и интерпретирована лучшая из моделей на панельных данных - модель со случайными эффектами.Поэтому киностудии при производстве нового фильма стараются использовать только то, что, по их мнению, помогло обрести успех в прошлый раз. Среди провалившихся картин пять фильмов-продолжений известных франшиз, два неудачных ремейка культовых фильмов прошлого века и семь фильмов-адаптаций, т.е. производители пытались использовать сработавшие ранее факторы, благодаря которым изначальные фильмы оказались успешными. Среди причин провала фильма в прокате могут числится следующие проблемы [3]: неправильный расчет затрат на производство, непродуманные пути распространения и продвижения фильма, сосредоточенность на публичном изображении вокруг фильма, вместо работы над ним, неудачный выбор аудитории будущего фильма и фокус на мелких деталях вместо сюжета. Поэтому исследователи пытаются выяснить, благодаря чему один фильм может получить большие кассовые сборы, а другой провалиться. Используя в будущем метод оценки, кинопрокатчики смогут понять, принесет ли фильм достаточно прибыли.В следующем обзоре основное внимание уделяется различным моделям, которые используются для прогнозирования успеха фильма. Дальнейший анализ этих моделей поможет определить наилучший подход к моделированию и факторы, которые могут быть использованы для создания модели. В статье [5] автор описывает несколько типов анализа данных на примере нескольких фильмов с помощью программы STORYFIT, который предлагает решения на основе анализа данных о фильме, включая его сценарий. Затем дистрибьютор решает, в каких кинотеатрах фильм будет показан и как именно он будет продвигаться в России. В качестве наблюдений выступают данные о 859 фильмах, вышедших в США в период 2010 - 2014гг. Среди переменных числятся бюджет фильма, его продолжительность, жанр, является ли фильм сиквелом, является ли фильм адаптацией книги, рейтинг режиссера, число наград, которые получил фильм и другие.В статье [12] описывается исследование, в котором предлагается модель нейронной сети для прогнозирования успеха или неудачи фильма. Данную модель предсказания успеха фильма можно сравнить с другими моделями, использующими нейронные сети. Этот документ необходим для сравнения прогресса, достигнутого с описанной здесь моделью [13] и моделью, описанной в другой работе [14]. Статья [14] иллюстрирует процесс создания приложения для прогнозирования успеха фильмов, реализуя классические факторы, такие как жанр, актерский состав и т. д., а также социальные факторы, такие как записи о данной картине и пользовательские отметки «Мне нравится» в социальных сетях. В результате нейронная сеть MLBP превзошла нейронную сеть MLP и может служить основой для модели.Показатель представлен 22 странами основными производителями кинофильмов в полученной выборке: Австралия, Великобритания, США, Армения, Япония, Россия, Аргентина, Испания, Бельгия, Франция, Германия, Гонконг, Италия, Канада, Китай, Корея, Нидерланды, Мальта, Новая Зеландия, Финляндия, Чехия и ЮАР. В показателе представлено 18 основных киножанров: боевик, вестерн, военный, документальный, драма, история, комедия, криминал, мелодрама, мультфильм, мюзикл, приключения, семейный, спорт, триллер, ужасы, фантастика, фэнтези. Принимает значение 1, если фильм является продолжением или частью одной франшизы, и 0 в остальных случаях. Принимает значение 1, если фильм является ремейком другого фильма, и 0 в остальных случаях. Принимает значение 1, если фильм является адаптацией другого произведения, и 0 в остальных случаях.4 Армения 5 Япония 6 Россия 7 Аргентина 8 ИспанияПредварительная гипотеза заключается в том, что жанр фильма, является ли фильм адаптацией, и число в названии фильма положительно влияют на кассовые сборы в России.Для проведения статистического и эконометрического анализа необходимо выбрать инструмент, с помощью которого будет возможен данный анализ. Для сравнения в Таблице 2.3. было выбрано 4 наиболее известных средства. Интерфейс Графический интерфейс Командная строка (есть расширения с графическим интерфейсом) Графический интерфейс Нет (только среда разработки) Кроссплатформенность Поддерживается Поддерживается Поддерживается ПоддерживаетсяВ среднем BOXRU принимает значение $8985000. В среднем отклоняется от данной величины на $9071200. В среднем country принимает значение 4.4809. В среднем отклоняется от данной величины на 3.1151.
План
Оглавление эконометрический кассовый сбор прокат
Введение
Глава 1. Способы предсказания спешности кассовых сборов
