Область применения формализованных методов прогнозирования
Лекция № 2
Методы прогнозной экстраполяции
Сущность методов прогнозной экстраполяции
Одним из наиболее распространённых методов прогнозирования социально-экономических явлений является прогнозная экстраполяция. Экстраполяция – это распространение (перенесение) прошлых и настоящих закономерностей, связей и соотношений на будущее.
Типичным и наиболее применимым способом экстраполяции является прогноз по одномерному временному ряду. Цель такого прогноза: показать, к каким результатам можно придти в будущем, если двигаться к нему с той же скоростью и ускорением, что и в прошлом. Прогноз определяет ожидаемые варианты экономического развития, исходя из гипотезы, что основные факторы и тенденции прошлого периода сохранятся на период прогноза или, что можно обосновать и учесть направления и величины их изменения в указанном периоде. Гипотеза выдвигается исходя из инерционности социально-экономических явлений и процессов.
Инерционность в социально-экономических явлениях проявляется следующим образом:
1) инерционность взаимосвязей, т.е. сохранение имеющихся зависимостей;
2) инерционность в развитии отдельных сторон явления, т.е. сохранение темпов, колеблемости и основных показателей динамики в течение сравнительно длительного периода времени.
Инерционность развития экономически связана с длительно воздействующими факторами, такими как: состав и возраст основных средств, эффективность их использования, степень устойчивости технологических взаимосвязей. Большое значение для инерционности имеет также и то, что сроки введения новых технологий, как правило, очень велики.
|
|
|
В общем виде функцию всех методов прогнозной экстраполяции можно представить как:
(2.1),
т.е. прогнозные значения yt+l определяются в зависимости от исходных значений yt ряда динамики, от периода упреждения прогноза l и в зависимости от параметров прогностической модели aj. При этом прогноз может быть точечным или интервальным.
Последовательность наблюдений одного показателя, упорядоченных в зависимости от последовательно возрастающих или убывающих значений другого показателя, называют динамическим рядом (рядом динамики). Если в качестве основного признака берётся временной, то такой динамический ряд называется временным рядом.
Виды временных рядов в зависимости от способа представления исходных данных:
1) моментные (например данные на 5-е число каждого месяца);
2) интервальные – формируются путём суммирования показателей за период времени;
|
|
|
3) производные – используют относительные величины.
Этапы прогнозной экстраполяции
Статистический анализ и построение прогнозов методами прогнозной экстраполяции обычно выполняются в следующей последовательности:
1) постановка задачи прогнозирования и подбор исходной информации;
2) предварительный анализ исходных данных и формирование набора моделей прогнозирования;
3) численная оценка параметров моделей;
4) определение качества прогностических моделей, т.е. оценка их адекватности и точности;
5) выбор лучшей модели или создание обобщённой модели, наиболее точно аппроксимирующей исходный ряд динамики;
6) получение точечного и интервального прогнозов;
7) содержательное исследование полученных результатов.
На первом этапе формулируется цель исследования и обязательно выдвигается обоснованная гипотеза относительно будущего развития объекта прогнозирования. Должен выполняться содержательный, логический и экономический анализ исследуемого процесса. На данном этапе решается вопрос о выборе показателя, который наиболее точно характеризует процесс. Определяются показатели, оказывающие существенное влияние на динамику изменения основного показателя. Выбирается наиболее разумный период упреждения прогноза; при этом оптимальный горизонт прогнозирования может задаваться отдельно для каждого показателя на основе его анализа и стабильности, т.е. с учётом колеблемости данных. Горизонт прогнозирования (период упреждения) не должен быть более 1/3 длины исходных данных.
|
|
|
На втором этапе данные оцениваются с учётом требований, предъявляемых к ним математическими моделями. При необходимости осуществляется корректировка исходных данных. Строится график динамки исследуемого явления. На этом этапе необходимо рассчитать основные показатели динамики. Набор возможных прогностических моделей формируется на основе интуитивных и формализованных методов, т.е. путём исследования основных показателей динамики. Предпочтение должно отдаваться наиболее простым моделям, которые должны быть содержательно обоснованы.
Численное оценивание параметров модели осуществляется на основе метода наименьших квадратов (МНК). Для использования адаптивных моделей выполняются специальные процедуры. Во всех случаях оценка параметров модели проводится при условии максимального соответствия математической модели исходным данным, т.е. при наилучшей аппроксимации.
|
|
|
На четвёртом этапе проводится оценка адекватности моделей путём исследования свойств остаточной компоненты, и определяются расхождения модельных значений с фактическими.
В качестве прогнозной модели (пятый этап) выбирается лучшая модель из числа перечисленных, или на их основе создаётся обобщённая модель. При выборе лучшей модели следует учитывать не только аппроксимирующие способности модели на фактически имеющихся данных, но и тенденцию систематической компоненты (тренда) на этапе прогнозирования. При несовпадении результатов предпочтение отдаётся содержательному анализу экономического явления.
На основе построенной модели (шестой этап) рассчитываются точечные и интервальные прогнозы. Определяется доверительный интервал – такой интервал, относительно которого можно с заранее обусловленной вероятностью утверждать, что он будет содержать значения прогнозируемого показателя. Ширина интервала зависит от качества модели, от количества наблюдений, от периода упреждения, от выбранного показателя вероятности прогноза, от степени близости модели к исходным данным.
Содержательный анализ полученного прогноза на седьмом этапе предполагает, что прогноз подвергается рассмотрению с целью выявления возможных противоречий.
Область применения формализованных методов прогнозирования
При использовании формализованных методов прогнозист может идти одним из двух путей. В первом случае – попытаться предсказать будущее развитие процесса, изолированно анализируя временной ряд экономического показателя. В данном случае под прогнозом понимается результат экстраполяции. Второй путь – попытаться выяснить причинно-следственный механизм, т.е. факторы, определяющие поведение прогнозируемого показателя. Этот путь приводит к экономико-математическому моделированию и построению формализованной модели исследуемого объекта.
Формализованные методы прогнозирования существенно различаются в зависимости от периода упреждения прогноза, т.к. основываются на статистической информации, основной формой представления которой являются временные ряды наблюдений. Наибольшее практическое распространение получили формализованные методы краткосрочного прогнозирования.
В современных условиях существуют достаточно жёсткие ограничения на применение математических методов прогнозирования социально-экономических явлений. Математические методы применяются, если длина периода упреждения укладывается в рамках одного из циклов объекта прогнозирования. При возможном возникновении в течение периода упреждения скачка в развитии объекта прогнозирования рекомендуется использовать интуитивные методы для определения силы скачка и времени его осуществления. Каждый из статистических методов имеет довольно жёсткие требования к качеству обрабатываемых данных (например, однородности) и гипотезам о характере поведения анализируемых величин (законам их распределений). На практике прогнозист имеет дело с информацией, качество которой часто не соответствует предъявляемым требованиям. В условиях нестабильной экономики происходят частые изменения многих факторов внешней и внутренней среды объекта прогнозирования, которые практически не поддаются точной формализованной оценке. Отсюда встаёт вопрос о достоверности результатов прогноза.
В условиях рыночной экономики формализованные методы прогнозирования применяются:
1) при краткосрочном прогнозировании, когда вероятность изменения факторов окружающей среды достаточно низка;
2) при условии, что исходные статистические данные соответствуют требованиям, предъявляемым к ним конкретным математическим методом;
3) с дополнительной верификацией результата каким-либо другим (не обязательно формализованным) методом прогнозирования.
Для этого могут быть использованы определённые методы верификации прогнозов:
1) прямая верификация – разработка такого же прогноза другим методом;
2) косвенная верификация – сопоставление с прогнозом, полученным из других источников;
3) консеквентная верификация – аналитическое или логическое выведение прогноза из ранее полученных аналогичных прогнозов;
4) верификация путём опровержения критических замечаний оппонента по прогнозу;
5) верификация экспертом – сравнение с мнением эксперта.
Дата добавления: 2018-04-04; просмотров: 1413; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!