Базовые принципы прогнозирования. Наука
НАУЧНОЕ ПРОГНОЗИРОВАНИЕ
В энциклопедическом словаре приводится следующее определение: «Прогноз (от греческого prognosis – предвидение, предсказание) – конкретное предсказание, суждение о состоянии какого-либо явления в будущем».
Известны три группы методов прогнозирования, предназначенных для практического применения. Это методы
· экстраполяции
· экспертных оценок
· логического моделирования
Методы экстраполяции связаны с анализом тенденций развития науки, техники, форм организации труда и производства. Данные об истории возникновения и развития различных отраслей знания, сделанных открытиях и изобретениях, возникших проблемах и т.п., изучаются, сопоставляются, переводятся на язык чисел, после чего выявленные закономерности отображаются в будущее. Выводы, получаемые при этом, служат основой составляемого прогноза, связанного, как правило, с предполагаемой эволюцией исследуемых объектов.
Методы экспертных оценок. Необходимая для прогнозирования информация основывается на мнениях квалифицированных экспертов по тем или иным вопросам. Мнения формулируются независимо друг от друга, собираются специалистами и подвергаются статистической обработке. В результате вырисовывается усредненная картина будущего, а также возможные ее варианты.
Методы логического моделирования предполагают построение логических моделей, в которых проводятся аналогии между различными по своей природе явлениями, процессами, обобщаются данные научно-технического, экономического и социального развития.
|
|
|
Под поисковым прогнозом понимается определение возможных состояний объекта прогнозирования в будущем. Примером может служить прогноз развития возможностей использования различных видов энергии – какие новые источники энергии могут появиться, как будут использоваться известные источники и т.д. спустя определенное количество лет.
Задача нормативного прогноза заключается в определении путей и сроков достижения желаемых состояний прогнозируемого объекта в будущем. Другими словами нормативный прогноз – предсказания, «цель которых заключается в том, чтобы вызвать интерес и побудить к действию». Например, имея поисковый прогноз в области энергетики, можно ставить задачу прогноза развития энергетической отрасли страны в целях обеспечения требуемого уровня потребления электроэнергии на душу населения при ограничениях на имеющиеся невозобновимые ресурсы. Существуют две «крайности» во влиянии прогноза на развитие событий:
· Самоосуществляющийся
· Самоаннулирующийся
«Самоосуществляющийся прогноз – это такой прогноз, который оказывается достоверным только потому, что был сделан. Например, если прогнозируется существенное увеличение цен на определенный вид продукции вследствие повышения импортных пошлин, то соответствующие цены неизбежно вырастут сами по себе.
|
|
|
Самоаннулирующийся прогноз – такой прогноз, который, наоборот, становится недостоверным только потому, что был сделан». Например, сформулированный в середине 80-х годов XX века академиком Н.Н. Моисеевым прогноз последствий ядерного конфликта между СССР и США (так называемая «модель ядерной зимы») в значительной мере способствовал Научное прогнозирование 217 заключению между этими странами соглашений о сокращении стратегических наступательных вооружений.
Выделяется
· активный прогноз
· пассивный прогноз
Пассивный прогноз – такой, для которого результат прогноза не влияет и, по сути, не может влиять на объект прогнозирования. Например, прогноз погоды никак на нее не может повлиять. Если же воздействием прогноза на объект прогнозирования нельзя пренебречь (такой прогноз называется активным), тогда сам прогноз должен учесть эффект результатов прогнозирования.
Следовательно, активным является любой нормативный прогноз, а также такие поисковые прогнозы, которые используются при принятии решений (математические модели активного прогноза рассматривались в [60]). Приведем пример активного прогноза. «Вечером 6 января 1981 года Джозеф Гранвилл, известный советник по капиталовложениям во Флориде, отправил своим клиентам телеграмму: «Цены на акции резко упадут; продавайте завтра». Очень скоро все узнали о совете Гринвилла, и 7 января стало самым черным днем во всей истории Нью-йоркской фондовой биржи. По общему мнению, акции потеряли в цене где-то 40 миллиардов долларов». Видно, что, в силу авторитета источника прогноза, нормативный прогноз стал активным – он повлиял на поведение участников системы, состояние которой прогнозировалось (причем прогноз учитывал такую реакцию – массовая продажа акций приводит к падению их цены).
|
|
|
Базовые принципы прогнозирования. Наука
В прогнозировании как в полноценной научной дисциплине есть ряд принципов, следуя которым можно получить значимые результаты как в научной области, так и на практике. Однако прикладное прогнозирование немного отличается от «научного», потому что основная задача на практике — дать прогноз, а в научных исследованиях — выбрать модель, дающую наиболее точный прогноз в некоторых условиях и объяснить, почему так происходит. Конечно, одно без другого существовать не может, и обе стороны надо знать всем прогнозистам, но разница в подходах, как говориться, налицо.
|
|
|
Научные исследования
Базовые принципы научного исследования - те принципы, которые мы с вами рассмотрим ниже, очень часто применимы и на практике. Просто для научных исследований они являются первоочередными, в то время как практическое прогнозирование может без них так или иначе обходиться.
Итак.
1. Первый принцип. Исследование не имеет смысла без практической проверки. Если вы разработали новую модель или вывели какой-то продвинутый, статистически обоснованный метод оценки моделей, но не проверили его на практических данных, то ценность вашего исследования приближается к нулю.
2. Второй принцип. Любую модель нужно проверять на тестовой выборке. Вы можете долго рассуждать о статистической значимости модели в целом и отдельных её коэффициентов, интерпретировать полученные числа и восхищаться точностью описания ряда, отсутствию эндогенности, гетероскедастичности, автокорреляции и пр. Но всё это не имеет ни малейшего значения, если модель работает только на обучающей выборке, и вы не удосужились проверить её на тестовой.
3. Третий принцип заключается в том, что при проведении исследования следует построить несколько конкурирующих моделей и сравнить их прогностическую способность. Альтернативная формулировка этого принципа звучит так: «сформулировать ряд конкурирующих гипотез и проверить их на практике». По сути, это означает, что на одних и тех же данных, в одних и тех же условиях нужно построить несколько моделей, оценить и сравнить точность их прогнозов. Для научных исследований это необходимо, так как позволяет другим исследователям понять, как соотносится между собой точность разных моделей, и является ли разница в точности существенной.
4. Четвёртый принцип можно описать фразой Пола Гудвина: «Если название статьи содержит больше слов, чем рядов данных, на которых проверяется модель, то такую статью можно игнорировать». Этот принцип применим не только к теоретическим, но и к практическим исследованиям. Фактически он просто означает, что одного ряда данных для корректных выводов недостаточно. Даже двух недостаточно. Даже десяти. И двадцати, скорее всего, тоже будет мало. На таком количестве рядов совершенно непонятно, случаен ли полученный результат или закономерен. Если вы действительно хотите понять, какая из моделей даёт более точные прогнозы и в каких условиях, то вам нужна большая база рядов данных. Большая — это хотя бы рядов 50. Конечно, этого всё равно мало, но на этих 50 рядах уже можно хотя бы выявить какие-то общие закономерности. Если в вашем распоряжении есть 500 рядов, то вы можете не только выявить закономерности, но и провести группировку по какому-нибудь признаку, и выяснить, какая из моделей даёт более точные прогнозы в каждой из групп. Чем больше рядов, тем больше возможностей и тем более значимый вы получите результат. Может возникнуть закономерный вопрос: откуда взять ряды данных? У практикующих прогнозистов в распоряжении могут быть данные о продажах продукции в разных магазинах города или по разным типам продуктов (в зависимости от рода деятельности). Конечно же, если речь идёт о запуске нового продукта или услуги, то вопрос наличия 50 временных рядов достаточной длины не стоит в принципе. В этом случае нужно обращаться к экспертным методам прогнозирования.
5. Пятый принцип, как показывает практика, очевиден не для всех. Рассматриваемые временные ряды должны быть достаточной длины. В случае с экстраполяционными методами можно выявить следующие закономерности. Если в нашем распоряжении годовые данные по продаже сидра, а нас интересует прогноз на шесть лет вперёд, то нам нужны данные по продажам хотя бы за 18 лет. Если же мы говорим о сезонных продажах, то для прогнозирования на год вперёд, надо иметь данные хотя бы за 4 года (то есть 48 наблюдений в случае с месячными данными и 16 в случае с квартальными). Все эти числа указаны не просто так. Вообще если мы хотим дать прогноз на h наблюдений вперёд, то точность этих прогнозов нужно проверить хотя бы по h наблюдениям, поэтому это число уже нужно учесть (6, 12 и 4 в наших примерах в этом абзаце). Помимо этого в случае с несезонными данными модель нужно построить хотя бы по 2h наблюдениям (12 в нашем примере с годовыми рядами), а в случае с сезонными данными для построения самой простой сезонной модели в распоряжении исследователя должно быть минимум 3 сезона (36 для месячных и 12 для квартальных рядов соответственно). Безусловно, и по двум сезонам, и по одному можно построить некоторые простейшие модели, но ожидать от них точных прогнозов не стоит. И опять же, если в вашем распоряжении слишком мало наблюдений, вы сможете построить прогноз, используя простейшие модели, но эти прогнозы, скорее всего, нужно будет корректировать вручную.
6. Шестой принцип не очевиден, пока с ним не столкнёшься сам или не прочитаешь о нём в литературе. При оценке точности прогнозов нужно использовать несколько разных показателей. Нельзя делать выводы, например, лишь на основе расчёта средней относительной ошибки аппроксимации (MAPE — «Mean Absolute Percentage Error»), так как её значение сильно зависит от масштаба данных. На самом деле практически любой коэффициент обладает как рядом преимуществ, так и некоторыми недостатками, поэтому использование только одного из них может привести к искажению результатов, что в свою очередь может привести к выбору недостаточно точной модели. Подробней о коэффициентах мы как-нибудь поговорим в другой раз.
Если для научных исследований все перечисленные выше принципы являются жизненно необходимыми, то на практике не все из них удаётся соблюдать. Как бы то ни было, прогнозисту нужно осознавать, какие из них не выполняются, и к чему это может привести.
Дата добавления: 2021-04-05; просмотров: 58; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!