Прибыль предприятия, её сущность и формирование

При    a=0.1 
Таблица 1.1 Решение задания методом экспоненциального сглаживания в Excel.

Использование этих расчетов позволяет определять прогнозное значение показателей для  разных уравнений тренда. При увеличении количества параметров в исходном уравнении  тренда увеличивается количество расчетов для начальных условий сглаживания  и определяемых экспоненциальных средних.

Метод экспоненциального сглаживания  наиболее эффективен при разработке кратко- и среднесрочных прогнозов. Его основные достоинства заключаются  в простоте вычисления и учете  весов исходной информации, т. е. новые  данные или данные за последние периоды  имеют больший вес, чем данные более отдаленных периодов.

 

Метод наименьших квадратов основан на выявлении параметров модели, которые минимизируют суммы квадратических отклонений между наблюдаемыми величинами и расчетными. Модель, описывающая тренд, в каждом конкретном случае подбирается в соответствии с рядом статистических критериев. На практике наибольшее распространение получили такие функции, как линейная, квадратическая, степенная, показательная (табл.1.2).

 

 

Вид зависимости	Уравнение тренда	Система уравнений
Прямая
Гипербола
Парабола 2-го порядка
Парабола 3-го порядка
Показательная кривая (экспонента)
Степенная функция

Табл. 1.2 Система линейных уравнений

 

Сглаживание рядов с помощью  метода наименьших квадратов

В таблице указан спрос на продажу изделий некой фабрики за последние 20 месяцев. Проанализируйте эти данные и постройте прогноз.

i	Месяц Ti	Спрос  Yi	Ti2	YiTi
1	1	57	1	57
2	2	56	4	112
3	3	67	9	201
4	4	62	16	248
5	5	50	25	250
6	6	56	36	336
7	7	47	49	329
8	8	56	64	448
9	9	54	81	486
10	10	42	100	420
11	11	64	121	704
12	12	60	144	720
13	13	70	169	910
14	14	66	196	924
15	15	57	225	855
16	16	55	256	880
Σ (сумма)	136	919	1496	7880

 

Таблица 1.3 Решение задания методом наименьших квадратов в Excel

 

 

                                                  919   136

Из таблицы получаем    у =           =57,4        t=               =8,5

                                                    16                              16

 

 

Находим коэффициенты:

      7880-16*57,4*8,5

b= = 0,22

         1496-16*8,5²

 

A=57,4-0,22*8,5=55,53

 

Уравнение для нахождения прогноза будет иметь вид:

 

Y_i=55,53+0,22t

 

Подставим вместо t значение месяца будем получать значение прогноза для данного месяца.

Для 17-го месяца (t=17) получим y_t=55,53+0,22*17=59,27 едениц

 

 

 

Преимущества метода наименьших квадратов  заключаются в том, что он прост  в применении и реализуется на ЭВМ. К недостаткам метода можно  отнести жесткую фиксацию тренда моделью, небольшой период упреждения, сложность подбора уравнения  регрессии, который осуществляется с помощью использования типовых  компьютерных программ, например Excel.

 

 

 

 

 

 

 

 

 

1.2 Методы моделирования

Моделирование - метод научного познания, основанный на изучении каких-либо объектов посредством их моделей. Появление этого метода вызвано тем, что иногда изучаемый объект или явление оказываются недоступными для прямого вмешательства познающего субъекта или такое вмешательство по ряду причин является нецелесообразным. Моделирование предполагает перенос исследовательской деятельности на другой объект, выступающий в роли заместителя интересующего нас объекта или явления. Объект-заместитель называют моделью, а объект исследования - оригиналом, или прототипом. При этом модель выступает как такой заместитель прототипа, который позволяет получить о последнем определенное знание.

Таким образом, сущность моделирования как метода познания заключается в замещении объекта исследования моделью, причем в качестве модели могут быть использованы объекты как естественного, так и искусственного происхождения. Возможность моделирования основана на том, что модель в определенном отношении отображает какие-либо стороны прототипа. При моделировании очень важно наличие соответствующей теории или гипотезы, которые строго указывают пределы и границы допустимых упрощений.

Содержание  процесса моделирования включает в  себя следующие этапы:

1)конструирование  модели на основе предварительного  изучения объекта;

2)выделение  существенных характеристик объекта;

3)экспериментальный  и теоретический анализ модели;

4)сопоставление  результатов моделирования с  фактическими данными объекта;

5)корректировка  или уточнение модели.

 

Патентный метод – это опережающий метод прогнозирования, позволяющий рассчитать момент внедрения в практику изобретений по динамике даты их патентования и даты внедрения.

 Для того чтобы построить  прогноз данным методом, необходимо  рассмотреть и проанализировать  следующую информацию:

1) дату патентования изобретения; 

2) дату внедрения изобретения  в производство или в любую  другую деятельность;

3) разрыв во времени между  первой и второй датой. 

 

Публикационный метод аналогичен и базируется на оценке взаимосвязи между датой опубликования информации о каком-либо достижении НТП и датой внедрения его на практике.

В основу применения методов информационного  моделирования положены следующие  два допущения:

1) существует связь между  динамикой предоставления научно-технической  информации и динамикой внедрения  достижения в производство;

2) научно-техническая информация  на некоторый интервал времени  опережает внедрение достижения  в производство.

Основными источниками информации, используемой в опережающих методах  прогнозирования, являются:

1) патентная документация (патенты,  свидетельства);

2) патентно-ассоциируемая  документация (лицензии, коммерческая  информация, каталоги, прайсы и т.д.);

3) публикации в периодической  печати и издания научно-технической  литературы, используемые при публикационном  методе.

Ретроспективная обработка названных  источников информации позволяет проанализировать динамику патентования и опубликования. В результате анализа исследователи решают две задачи: 1) определяют возможную дату внедрения технического решения в производство; 2) оценивают перспективу различных направлений науки и техники.

В настоящее время данные методы широко используются при экономических  прогнозах. С их помощью исследователи-прогнозисты  выявляют и изучают взаимосвязь  между появлением публикаций о правительственных  перестановках и ростом цен на определенные товарные группы, изменением курса национальной валюты, в результате чего получают довольно точные результаты, уходя от сложных математических расчетов.

 

 

1.3 Методы аналогии

Прогнозирование по аналогии - это достаточно часто применяемый  тип прогнозирования. Следует иметь в виду, что прогнозирование по аналогии корректно только тогда, когда установлена, доказана аналогия между: объектами управления, типами менеджмента, реакциями внешней и внутренней среды в случае, имеющем место ранее на практике, в конкретном случае прогнозирования.

Понятие аналогии связано  с понятием адекватности, при этом объект прогнозирования может рассматриваться как модель другого объекта-аналога, а цели и задачи его прогнозирования должны соответствовать таким же целям и задачам объекта аналога. Таким образом, понятие аналога включает схожесть объектов прогнозирования, а также целей и последствий прогнозирования.

В процессе прогнозирования  по аналогии должны рассматриваться  следующие направления аналогии:

•  объекта протезирования и объекта, выбранного в качестве аналога;

•  типов и целей  менеджмента;

•  реакции внутренней среды на управляющие воздействия;

• реакции внешней среды  на изменении состояния объекта  прогнозирования.

В процессе предпрогнозного  анализа возможно установление количественной  или качественной аналогии.

Одним из методов качественного  доказательства аналогии является логика предположений. Формальная логика устанавливает общие методы и схемы правильных умозаключений.

Для установления аналогии могут быть также использованы методы распознавания образов. Процедура прогнозирования состоит в том, что выбираются классы состояний исследуемых объектов, заданные как диапазоном изменения некоторых параметров, так и определенными качественными характеристиками. По совокупности признаков, определяющих состояние объектов, находится соответствие принадлежности каждого нового объекта или объекта в будущем времени к определенному классу. Это позволяет дать прогноз состояния объекта или указать диапазон изменения параметров, характеризующих его на прогнозируемый период.

Выделяю методы исторической аналогии и математической аналогии.

Метод исторической аналогии - метод прогнозирования, основанный на установлении и использовании  аналогии объекта прогнозирования  с одинаковым по природе объектом, опережающим первый в своем развитии.

Метод математической аналогии - метод прогнозирования, основанный на установлении аналогии математических описаний процессов развития различных  по природе объектов с последующим  использованием более изученного или  более точного математического  описания одного из них для разработки прогнозов другого.

 

 

 

 

 

 

 

 

 

                                 2. Анализ методов прогнозирования.

 

                               2.1 Применение методов экстраполяции.

 

Сглаживание рядов с помощью скользящей средней.

В таблице  указан спрос на продажу изделий  некой фабрики за последние 20 месяцев. Проанализируйте эти данные и  постройте прогноз.

 

 

Месяц	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16
спрос	57	56	67	62	50	56	47	56	54	42	64	60	70	66	57	55

 

Выявим  основную тенденцию грузооборота товаров некой фабрики методом сглаживания рядов динамики с помощью пятичленной скользящей средней.

Средний уровень грузооборота за двадцать месяцев:

период времени	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17	18	19	20
данные наблюдений	57	56	67	62	50	56	47	56	54	42	64	60	70	66	57	55	59	57	57	58