Компьютерный расчет экономических показателей по прогнозированию деятельности отраслей АПК

Среднесрочный и долгосрочный прогнозы исходят как из количественных, так и из качественных изменений в исследуемом объекте. В среднесрочном прогнозе оценка событий даётся количественно-качественная, в долгосрочном - качественно-количественная [15, с.16].

В зависимости от целей  прогноза можно выделить два типа: поисковый и нормативный. Нормативный прогноз-прогноз, который предназначен для указания    возможных путей и сроков достижения заданного, желаемого конечного состояния прогнозируемого объекта. Поисковый прогноз не ориентируется на заданную цель, а рассматривает возможные направления будущего развития прогнозируемого объекта. Поисковый прогноз отталкивается при определении будущего состояния объекта от его прошлого и настоящего, нормативный же прогноз осуществляется в обратном порядке: от заданного состояния в будущем к существенным тенденциям и их изменениям в свете поставленной цели [5, с.19].

Прогнозирование (греч. prognosis – знание вперёд) – это вид  познавательной деятельности человека, направленной на формирование прогнозов развития объекта, на основе анализа тенденций его развития.

Прогноз в сравнении  с гипотезой имеет большую  определенность и достоверность, поскольку основывается не только некачественных, но и на количественных характеристиках и поэтому позволяет характеризовать будущее состояние объекта также количественно. Прогноз выражает предвидение на уровне конкретно-прикладной теории, так как связан с будущим, которое всегда стохастично. План представляет собой систему взаимосвязанных, направленных на достижение единой цели плановых заданий, определяющих порядок, сроки и последовательность осуществления отдельных мероприятий. В нём фиксируется пути и средства развития в соответствии с поставленными задачами, обосновываются принятые управленческие решения. Существенное различие между планом и прогнозом состоит в том, что план-отражение и воплощение уже принятого хозяйственно политического решения, а прогноз - это поиск реалистического, экономически верного пути.

Прогнозирование представляет собой исследовательскую базу планирования, имеющую собственную методологическую и методическую основу, которая во многом отличается от планирования.

Таким образом, задачи прогнозирования  в управлении социально- экономическими системами следующие: выявление перспектив ближайшего и ли более отдалённого будущего в исследуемой области на основе реальных процессов действительности; выработка оптимальных тенденций и перспективных планов с учётом составленного прогноза и оценки принятого решения с позиций его последствий в прогнозируемом периоде [2, с.21].

 

1.3. Общая характеристика методов прогнозирования

Для разработки экономических прогнозов используется свыше 150 методов прогнозирования.

Наиболее распространенной в экономической  литературе является классификация методов прогнозирования по степени формализации, которая приводится на рисунке ниже (рис.1).

 

 

 

 

 

 

Рис.1. Классификация методов прогнозирования по степени формализации

 

Одним из наиболее распространенных методов прогнозирования является статистическая экстраполяция.

Метод экстраполяции заключается в приложении определенной для базисного периода тенденции развития экономического процесса к прогнозируемому периоду, он основывается на сохранении в будущем сложившихся условий развития процесса.

При использовании этого  метода необходимо иметь информацию об устойчивости тенденций развития объекта за срок, в 2-3 раза превышающий срок прогнозирования. Последовательность действий при  экстраполировании:

• четкое определение задачи, выдвижение гипотез о возможном развитии прогнозируемого объекта, рассмотрение факторов, стимулирующих или препятствующих развитию данного объекта, определение необходимой экстраполяции и ее допустимой дальности;
• выбор системы параметров, унификация различных единиц измерения, относящихся к каждому параметру в отдельности;
• сбор и систематизация данных, проверка их однородности и сопоставимости;
• выявление тенденций или симптомов изменения изучаемых величин в ходе статистического анализа и непосредственной экстраполяции данных.

Экстраполяция базируется на следующих допущениях:

1. развитие явления может быть с достаточным основанием охарактеризовано плавной (эволюторной) траекторией — трендом;

2. общие условия, определяющие тенденцию развития в прошлом, не претерпят существенных изменений в будущем [18, с.66], т.е. предполагается определенная консервативность поведения явления.

Для экстраполяции  характерно  нахождение  плавной  линии,    отражающей закономерности развития во времени или линии теоретического тренда. Тренд - это длительная тенденция изменения экономических показателей [7, с.117]. Под трендом обычно  понимается основная составляющая динамического  временного  ряда,  на  которую   накладываются   другие   составляющие,   например   сезонные   колебания.

Экстраполяция на основе тренда включает:

• сбор информации по динамическому ряду показателя, характеризующего изучаемое явление, за прошлые периоды;
• выбор оптимального вида функции, описывающей указанный ряд путем его сглаживания и выравнивания (аппроксимация);
• расчёт параметров выбранной аппроксимационной функции;
• расчёт прогноза на будущее по выбранной функции путем ее экстраполяции.

Экстраполяцию в общем  виде можно представить формулой:

где - прогнозируемый уровень;

уi - текущий уровень прогнозируемого ряда;

Т - период упреждения;

аj - параметр уравнения тренда [19].

При экстраполировании  используются следующие  методы:

• наименьших квадратов и его модификации;
• экспоненциального сглаживания;
• скользящей средней.

Сущность метода наименьших квадратов состоит в минимизации  суммы  квадратических отклонений  между наблюдаемыми и расчетными величинами.

Метода наименьших квадратов  широко используется в прогнозировании  в силу простоты и возможности  реализации  на ЭВМ. Недостаток данного  метода состоит в том, что модель тренда жестко фиксируется, а это делает возможным его применение  только при небольших периодах упреждения, т.е. при краткосрочном прогнозировании.

Метод скользящей средней  применяется в том случае, когда  ряды  динамики характеризуются резкими колебаниями показателей по годам. Такие ряды, как правило, имеют слабую связь со временем и не обнаруживают  четкой тенденции изменения. Наиболее распространенным и простым  путем  выявления  тенденции развития является  сглаживание или выравнивание динамического ряда.

Суть различных приемов, с помощью которых осуществляется  сглаживание или выравнивание, сводится к замене фактических уровней динамического ряда расчетными, имеющими меньшую колеблемость, чем  исходные данные.

Одним из наиболее простых  приемов  сглаживания заключается  в расчете  скользящих средних, их применение позволяет сгладить периодические и случайные колебания и тем самым выявить имеющуюся тенденцию в развитии.

Метод скользящей средней  позволяет отвлечься от случайных  колебаний временного ряда, что достигается  путем замены значений внутри выбранного интервала средней арифметической величиной.

Метод экспоненциального  сглаживания, разработанный Р. Брауном, дает  возможность получить оценки параметров  тренда, характеризующих  не средний  уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения. Данный метод позволяет давать обоснованные прогнозы на основании рядов динамики, имеющих умеренную связь во времени.

Суть метода заключается  в сглаживании временного ряда с  помощью  взвешенной скользящей средней, в которой  веса подчинены экспоненциальному закону. Метод экспоненциального сглаживания не просто  экстраполирует  действующие  зависимости в будущее, а приспосабливается, адаптируется к изменяющимся во времени  условиям. Поэтому он является  эффективным и надежным методом среднесрочного прогнозирования [3, с.223].

 

 

Глава 2. Автоматизация расчета прогнозных показателей деятельности отраслей АПК

 

2.1. Постановка  задачи

В настоящее время  программное прогнозирование агропромышленного  производства представляет собой совокупность процессов определения основных показателей производства в отраслевом и территориальном разрезе. Производственные показатели являются одними из основных показателей эффективности сельскохозяйственного производства, использования трудовых и природных ресурсов, в связи с этим вопросы их прогнозирования в настоящее время особенно актуальны.

Нами поставлена задача программного среднесрочного прогнозирования развития отраслей АПК Республики Дагестан на основе экстраполяции.

Выбор метода прогнозирования обусловлен следующими моментами:

• в нашем распоряжении имеются достоверные данные по динамике  сельскохозяйственного производства за 10 периодов времени;
• экстраполяция может использоваться в оперативном, краткосрочном и среднесрочном прогнозировании, что отвечает поставленной цели.

Для расчетов выбран табличный процессор Microsoft Office Excel 2003 с использованием макросов.

Входными данными для  компьютерного расчета служат основные показатели сельскохозяйственного производства за 1999-2010 гг. (см. прил. 1-5).

Выходными данными расчета  являются прогнозные значения показателей развития сельскохозяйственного производства на период 2010-2015 гг. а также графические изображения прогнозов (см. прил. 5-13)

Алгоритм экстраполяционного прогноза выглядит следующим образом.

1. Формирование временного ряда. Возьмём данные по динамике показателей сельскохозяйственного производства РД за 1999-2010 гг.
2. Графическое представление временного ряда. Для этого переносим данные по динамике показателей сельскохозяйственного производства в MS Excel и выделяем диапазон данных, по которым следует построить график. Далее на вкладке Вставка выбираем тип диаграммы График в группе Диаграммы. В выпадающем меню выберем График с маркерами. В результате наших действий мы имеем графическое представление динамики показателей сельскохозяйственного производства РД.
3. Добавление линии тренда. В MS Excel есть инструмент, позволяющий добавлять линию тренда на диаграмму. Для этого левым щелчком мыши выделяем диаграмму. На вкладке Макет в группе Анализ выбираем пункт Линия тренда. В выпадающем меню выбираем пункт «Дополнительные параметры линии тренда». В открывшемся диалоговом окне Формат линии тренда на вкладке Параметры линии тренда в области Построении линии тренда нам предлагается 5 вариантов линии тренда:

• Экспоненциальная
• Линейная
• Логарифмическая
• Полиноминальная
• Степенная

Ограничимся этими вариантами при выборе формы зависимости динамики показателей сельскохозяйственного производства от фактора времени.

Для сравнения различных  аппроксимирующих кривых используем величину достоверности аппроксимации (R^2). Для этого установим флажок напротив пункта Поместить на диаграмму величину достоверности аппроксимации (R^2).

4. Выбор линии тренда. При выборе соответствующей линии тренда сразу же происходят изменения в области диаграммы. В том числе на диаграмме появляется значение величины достоверности аппроксимации. Данная величина может принимать значения от 0 до 1. Чем значение ближе к 1, тем лучше выбранная линия тренда описывает изменение показателя во времени.

В нашем случае, максимальное значение R^2=0,9907 соответствует полиноминальной линии (параболе).

Таким образом, с помощью  стандартных средств MS Excel 2003 мы определили функцию, которая подходит для описания зависимости динамики показателей сельскохозяйственного производства от фактора времени.

 

2.2. Сценарий  диалога

Для начала работы с программой необходимо двойным щелчком мыши кликнуть по значку программы, впоследствии откроется главное окно программы (см. приложение 14).

Главное окно программы состоит из четырех пунктов меню:

 

-      База  данных;

-      Расчет;

-      Справка;

-      Выход.

 

В свою очередь каждый пункт меню состоит из списка меню второго уровня:

      База данных:

 

-      Валовая  продукция;

-      Растениеводство;

-     Животноводство;

-      Перерабатывающая  пром-ть.

 

      Расчеты:

 

-      Валовая  продукция;

-      Растениеводство;

-      Животноводство;

-     Перерабатывающая пром-ть.

 

      Справка:

 

-      О программе;

-      Руководство  пользователя.