ВЛИЯНИЕ ВОЛАТИЛЬНОСТИ ЦЕН НА ТОПЛИВО НА ТАРИФООБРАЗОВАНИЕ ЛОУКОСТ-АВИАКОМПАНИЙ В ЮГО-ВОСТОЧНОЙ АЗИИ: КОЛИЧЕСТВЕННЫЙ АНАЛИЗ И ПРЕДИКТИВНОЕ МОДЕЛИРОВАНИЕ

Abstract

В работе рассматривается количественная зависимость базовых тарифов лоукост-перевозчиков (LCC) от динамики цен на нефть марки Brent. На основе регрессионного анализа за период 2023–2026 гг. была построена прогностическая модель ценообразования. Модель проверена на актуальных рыночных данных апреля 2026 года при максимальной цене нефти 105 USD за баррель показала предсказательную точность с погрешность 0.1%. Исследование содержит сценарный прогноз изменения цен на авиабилеты при колебании цен на нефть от -20% до +20%, а также экстраполирует полученные данные на рынок Центральной Азии (на примере Казахстан)

Введение и обзор литературы. Авиационный сектор в Юго-Восточной Азии является одним из самых конкурентных, где основные игроки — это бюджетные авиаперевозчики (LLC). В условиях затяжного политического кризиса, когда цены на нефть закрепились выше отметки 100 USD за баррель понимание механизмов зависимости тарифов от издержек, становится ключевым фактором выживания. Согласно актуальным отраслевым отчетам IATA [1] и SITA [2], глубина цифровизации отрасли сегодня позволяет любым изменениям в экономики моментально отражаться в системах бронирования.

Проблема взаимосвязи стоимости топлива и тарифов является основной в работах многих исследователей.  Так, Б.Гауденци и А.Буччоль [9]  , а также в работах Кристьяполлер и Д. Конча [11], в своих работах подтверждают, что лоукостеры значительно более уязвимы к нефтяным шокам по сравнению с авиакомпаниями полного цикла. В условиях растущих издержек Д.Чаффи и Ф.Эллич-Чедвик [3] обосновывают необходимость перехода к гибким цифровым стратегиям, а Ф.Котлер [5] в рамках концепции «Маркетинга 5.0» пишет о важности симбиоза технологий и человеческого капитала.

Т.Дэвенпорт [4] и аналитики McKisney [6] подчеркивают, что именно предиктовая аналитика на основе ИИ позволяет авиакомпания не только быстро реагировать на рынок, а также предсказывать поведение пассажиров в условиях неопределенности. Интеграция ИИ агентов в маркетинговые процессы, представленная в работах В.Кумаром [7], и теория замещения интеллектуального труда в работах М.Хуаном и Р.Растом [8] создают фундамент для систем динамического ценообразования.

В своей работе М.Мембренью [13], использование Машиного обучения позволяет вычислять эластичность спроса максимально точно, а В.Сони [12] доказывает, что в периоды дорогого топлива фокус авиакомпаний смещается на высокомаржинальные доп услуги. Таким образом гипотеза данного исследования предполагает, что сегодня сильная корреляция между нефтью м тарифом является результатом работы алгоритмических систем, оптимизирующая доходность перевозчика в режиме реального времени