Сравнительный анализ методов прогнозирования

Качество прогнозирования, безусловно, зависит от продолжительности  того периода времени, тенденция  которого выявляется и экстраполируется на будущее. Однако нельзя дать категорическое соотношение этих сроков. Могут быть случаи, когда предшествующая тенденция за менее короткий срок дает более точные результаты на долголетние тенденции. Среди экстраполяционных методов наибольшее распространение получили методы регрессионного анализа, экспоненциального сглаживания, огибающих кривых, а также экспертно-графический подход.

При периодах прогнозирования  экономических параметров более 5 – 10 лет основное значение имеет установление тренда, тогда как при краткосрочном прогнозировании, особенно быстро изменяющихся объектов преобладающую роль приобретают случайные отклонения. Для этого случая целесообразно применять метод Хемминга для экспоненциального сглаживания, в котором более поздним наблюдениям придается больший вес по сравнению с ранними наблюдениями.

Идея метода заключается  в том, что предсказываемые значения искомого параметра принимаются как функция известных значений предыстории процесса, влияние которых на предсказываемые значения экспоненциально убывает с удалением вглубь предыстории. Метод предполагает определение искомого параметра по предыдущему сглаженному значению в виде ряда Эйлера. Как показывают экономические исследования, этот метод дает хорошие результаты при глубине прогнозирования до 5 – 7 лет. При увеличении периода прогноза до 8 – 10 лет более точные результаты удается получить с помощью регрессионного анализа, предполагающего существенные, но в принципе не четко представляемые изменения в характере процессов исследуемых систем (объектов). В этих случаях рекомендуется принимать метод экстраполяции по огибающей кривой.[4]

Метод огибающей  кривой основан на построении гипотетической кривой, которая описывает максимально достижимые значения какой-либо из функциональных или параметрических характеристик системы или объекта. Сущность данного метода прогнозирования заключается в нахождении в виде огибающей кривой общей тенденции экономического развития объекта, которая выносится затем за пределы известного до принятой верхней границы прогноза. Прогноз изменения характеристик исследуемого объекта ведется этим методом по достаточно общим по своей природе параметрам. Прогноз характеризует итоговую эффективность системы с точки зрения ее основного назначения (без учета других частных параметров – микропеременных, обусловливающих основную характеристику). В качестве такого параметра (макропеременной) может служить любая характеристика, определяемая независимо от какого-либо узкого класса экономических переменных.

При прогнозировании методом огибающей кривой представительный временной ряд динамики исследуемой макропеременной подвергается анализу на предмет выделения уровней совершенствования, связанных, например, с переходом на новые технические решения, обеспечивающие, как правило, более быстрое улучшение микропеременной, чем происходящее внутри каждого уровня. Затем на каждом уровне строятся логически взаимосвязанные кривые, на основе которых устанавливается экономическая тенденция изменения макропеременной. С этой целью строится огибающая кривая, которая может характеризовать средний и максимальный варианты изменения прогнозируемого параметра.

В первом случае, огибающая  кривая проводится через точки перегиба (насыщения) кривых, а во втором – через точки высшего качества, остающиеся на перекрывающихся участках при переходе к очередному высшему уровню. Затем, по данным точкам, известными методами (регрессионный анализ и так далее) строится огибающая кривая максимального варианта. Экспертно-графический экстраполяционный подход, основывающийся на визуальном анализе и экспертной оценке возможных тенденций изменения исследуемых показателей, удобен в системном анализе, для ориентировочных расчетов и обладает большой наглядностью. При всей своей простоте этот подход позволяет устанавливать границы изменения экономического уровня прогнозируемых объектов и позволяет оценивать возможности достижения желаемых экономических характеристик при сохранении сложившихся тенденций. Заметим, экстраполяция – один из возможных, но не главных методов прогнозирования. Если рассматривать экстраполяцию как начало анализа и прогнозирования, то следует признать широкие возможности метода, особенно если его дополнять более глубоким проникновением в логику явления и сочетать с другими методами.[2]

3. Методы прогнозного моделирования

Между экстраполяцией как инструментом экономической и математической статистики, и математической моделью прогноза не существует резкой границы. При прогнозировании оба эти метода часто тесно связаны друг с другом. При моделировании качественный характер взаимосвязей считается известным, и задачу сводят к нахождению величины параметров в уравнениях. При подборе вида уравнений исходят не столько из формальных показателей сходимости, сколько из того, в какой мере эти зависимости удовлетворительно отражают известные качественные закономерности. Проблема использования моделирования для прогнозов еще недостаточно освещена в имеющейся экономической литературе, но на практике получает все более широкое применение. Вследствие математической завершенности, количественной определенности своих характеристик и оценок экономико-статистические модели служат не только средством анализа предшествующего экономического развития, но и становятся важнейшим инструментом прогнозирования и плановых экономических расчетов.

В системном плане, в моделировании  различают статистический, операциональный  и кибернетический подходы:

Статистический подход состоит в построении математической модели и оценке ее параметров путем статистической обработки информации за прошедшее время;

Операциональный подход предполагает принятие рациональных решений в условиях неопределенности будущего.

Кибернетический (информационный) подход означает преобразование информации, имеющее целью увеличение негэнтропии системы.

Единого метода создания прогнозных математических моделей не существует, но соблюдается главное условие  – в модели должны быть учтены все существенные факторы, от которых в максимальной степени зависит формирование будущих процессов. Для построения модели требуется не только знание математики, но и глубокое проникновение в сущность изучаемых тенденций, то есть обладать профессиональными навыками в исследуемом вопросе. В то же время попытки учесть все детали могут привести к созданию такой сложной модели, что она не будет иметь практического значения. Должна быть соблюдена оптимальная мера, которая отвергает и чрезмерную сложность модели и попытки ее чрезмерного упрощения.

Как было установлено ранее, под моделью некоторого экономического показателя подразумевается математико-статическое описание соответствующего процесса, позволяющее определять значение показателя (с точностью до известной случайной величины) в любой момент времени определенного периода, если эта модель динамическая, или при любых допустимых значениях аргументов, если она статическая. Следовательно, прогнозирование экономического показателя можно рассматривать в двух аспектах – пространственном и динамическом.

Задача пространственного  прогнозирования состоит в том, чтобы, исходя из анализа случайной выборки из однородной совокупности объектов в определенный момент времени, предсказать результат деятельности любого объекта этой совокупности в тот же момент времени.

Задача динамического  прогнозирования состоит в том, чтобы по значениям показателя и факторов – аргументов в определенный промежуток времени предсказать значения показателя на некоторые моменты времени, следующие за изучаемым периодом.

Решение задачи динамического  прогнозирования связано с экстраполяцией, выходом за временные границы той количественной информации, на основании которой строилась прогнозная модель, решение же задачи пространственного прогнозирования связано с интерполяцией.[2]

Наиболее распространенный вид пассивного прогнозирования основывается на изучении тенденций экономического показателя в прошлом, на изучении истории процесса. В исследуемой системе экономических показателей могут быть такие, изменение которых происходит с некоторым запаздыванием (шагом) по сравнению с другой группой показателей. Если даже не все показатели второй группы служат причиной изменения интересующих нас показателей, то сам факт существования типа статистических связей может быть использован для пассивного прогнозирования. Такой подход, однако, недостаточен для использования модели в целях принятия плановых решений и управления системой.

В основе построения модели активного прогнозирования должны лежать не только статистические факты взаимосвязи, но и анализ механизма формирования прогнозируемого показателя. Прогнозирование экономических явлений всегда носит вероятностный характер, предполагает наличие вероятностных оценок проявления тех или иных свойств изучаемого процесса.

Область применения методов  математической статистики для прогнозирования не ограничивается только экстраполяцией. Если анализ прошлого и настоящего позволяет выдвинуть определенные гипотезы о поведении изучаемого показателя в будущем, то прогноз по модели, построенной математико-статистическими методами на основании указанных гипотез, уже не является просто экстраполяцией. В этом случае модель отражает принятую гипотезу о поведении моделируемого показателя в будущем.[3]

К методам моделирования, в той или иной степени воспроизводящим изучаемый объект через систему свойств и связей, существенных с точки зрения исследуемого явления, примыкает морфологический метод. Он предусматривает конструирование альтернатив из первичных элементов проблемы с последующим выбором по специальным критериям наиболее предпочтительной альтернативы. В принципе морфологический метод применим к прогнозированию любых объектов, включая организационные и экономические структуры и решения. Однако наиболее целесообразно его использование для случаев прогнозирования сложных экономических, технических и технологических объектов при условии обеспечения главной для исследуемого объекта функции. С помощью этого метода удается принимать к учету новые варианты решений частных элементов системы, прежние их решения и новые возможности, достоверная индивидуальная прогнозная оценка которых не всегда осуществима. При этом не исключаются ситуации, при которых практическую значимость приобретают, казалось бы, обоснованно, ранее отвергнутые решения.

Для моделирования экономических  тенденций может реализоваться принцип так называемой потоковой модели. В этом классе моделей все частные экономические, технические и организационные решения появляются как следствие обеспечения заранее обоснованной программным прогнозом целевой функции и представляют собой взаимоувязанные элементы желаемой системы. Разработка потоковой модели предусматривает последовательное выявление и структуризацию составляющих «проблем-целей» с выделением соответствующих подсистем, частные решения по которым, устанавливаемые по индивидуальным процедурам, объединяются в общее решение системы через ее статическую экономико-математическую модель (аргументы модели, как правило, имеют дискретный характер по заданным временным границам).[2]

К разработкам любых прогнозов  необходим комплексный подход. В  основу методологии прогнозирования  ключевых экономических параметров и критериальных показателей  промышленных предприятий должно быть положено составление двух прогнозов:

• технико-технологического;
• экономического и технико-экономического.

Технический и экономический  прогнозы, отображая картину технического и экономического развития, должны дополнять, развивать и исходить один из другого.

Точность прогноза оценивается  величиной границ, в пределах которых должны лежать характеристики объектов и прогнозируемые решения при соблюдении условий прогноза. Относительная оценка точности по шкале времени исходит из допущения о том, что точность прогнозов убывает обратно пропорционально квадрату времени упреждения. Вид этой взаимосвязи для параметрических прогнозов заранее неизвестен, в связи с чем, данное допущение не может быть использовано для прямого получения искомого параметра по базисному его значению.

В общем случае точность прогноза зависит от природы  прогнозируемого объекта, глубины его познания и совершенства применяемого метода прогнозирования (адекватности модели, достоверности исходной информации, меры учета факторов и связей). Повышение точности прогноза путем уменьшения влияния ошибок, носящих объективный характер (степень изученности объекта и полнота информации о нем, совершенство экономико-математических методов), связано, как правило (при задачах большого охвата), с дополнительными затратами времени, сил и ресурсов.[2]

При ограниченной точности методик прогнозирования их использование должно предусматривать относительную оценку достоверности результатов путем их получения разными методами и с последующим анализом. Исходя из этого положения, косвенным подтверждением достоверности конкретного прогноза является его воспроизводимость (на основе несколько отличной информационной базы и применения других методов). В принципе к данному приему относятся взаимопроверка результатов аналогичных прогнозов, полученных разными исследователями, и выведение логических или математических следствий из уже известных прогнозов. При отсутствии данных о предпочтительности различных методов прогнозирования по точности результатов определения одинаковых характеристик (параметров) можно оценивать их точность с помощью разработанной методики определения соответствующих (для разных характеристик) доверительных интервалов. 

Заключение