Экономическое прогнозирование

б) из лиц разного ранга, если участники  незнакомы друг с другом (в этом случае каждому участнику присваивают номер и в последующем обращаются по номеру);

 в) в группу могут  включаться специалисты из других  областей знаний, обладающие высоким  уровнем эрудиции и понимающие смысл проблемной ситуации.

2. Составляется проблемная  записка. Для подготовки записки  предварительно формируется группа  анализа проблемной ситуации. Записка  может содержать следующие сведения: состав причин возникновения  проблемной ситуации; анализ причин и возможные последствия возникновения проблемной ситуации; анализ мирового опыта разрешения подобной проблемной ситуации (если он имеется); классификация (систематизация) существующих путей разрешения проблемной ситуации; формулировка проблемной ситуации в виде центрального вопроса с иерархией подвопросов.

3. Генерация идей. Ведущий  раскрывает содержание проблемной  записки. Большое внимание он  уделяет при этом сути метода  ДОО (деструктивной отнесенной  оценки). В частности, полезно  напоминать участникам "мозговой атаки” о следующем:   а) высказывания участников должны быть четкими и сжатыми;   б) скептические замечания и критика предыдущих выступлений запрещается;   в) каждый участник может выступать неоднократно, но не подряд;   г) не разрешается зачитывать подряд список идей, подготовленных участником заблаговременно.

Одна из главных задач  ведущего - пробудить психическую  восприимчивость участников, их волю к целеустремленному мышлению. Активная работа ведущего предполагается лишь в  начале  "штурма". Достаточно скоро возбуждение участников достигает критической точки и выдвижение новых идей приобретает спонтанный характер. После этого роль ведущего сводится к следующему:   а) концентрировать внимание участников на проблемной ситуации;   б) не объявлять, не осуждать и не прекращать исследование ни одной идеи;   в) поддерживать и поощрять участников, кто в этом нуждается;   г) создавать непринужденную обстановку, способствуя этим активной работе экспертов.

Продолжительность "штурма" может находиться в пределах 20-60 минут (в зависимости от активности участников).  Высказываемые идеи желательно записывать на магнитофон, чтобы не "забыть" и иметь возможность их затем систематизировать.

4. Систематизация идей, высказанных на этапе 3 (генерации). Эта работа возлагается на группу анализа проблемной ситуации. На данном этапе:   а) составляется номенклатурный перечень всех высказанных идей; б) выявляются дублирующие и дополнительные идеи, затем они объединяются с основной идеей;   в) выделяются признаки, по которым могут объединяться идеи;   г) идеи объединяются в группы согласно выделенным признакам;   д) составляется перечень идей по группам; в каждой группе идеи записываются по правилу - от общих к частным.

5. Деструирование (разрушение) систематизированных идей. Каждая из систематизированных идей изучается на возможность её осуществления. Участники "штурма" выдвигают доводы, опровергающие систематизированную идею. В процессе разрушения может объявиться контридея. Процесс разрушения ведется до тех пор, пока каждая систематизированная идея не подвергнется критике.

6. Оценка критических  замечаний и составление списка  практически применимых идей. На  данном этапе составляется сводная  таблица. Первая графа таблицы  - этапы систематизации идей;   вторая - критические замечания, опровергающие идеи;   третья - показатели практической применимости идей;   четвертая -  контридеи.

Затем оценивается каждое критическое замечание и контридея:

а) вычеркивается из таблицы, если опровергается хотя бы одним  показателем практической применимости;

б) не вычеркивается, если не опровергается ни одним показателем.

Составляется окончательный  список идей. В список переносятся  только те идеи, которые не опровергнуты критическими замечаниями или контридеями.

11.ВЕРИФИКАЦИЯ  ПРОГНОЗОВ

В современной прогностике  понятие верификации трактуется как оценка достоверности и точности (или обоснованности) прогноза. Известные в литературе методы верификации направлены в большей степени на оценку метода прогнозирования, с использованием которого был получен тот или иной прогнозный результат, чем на оценку качества самого прогнозного результата. Однако и эта проблема в методах верификации не решается в полной мере, так как качество работы метода можно оценить только применительно к качеству используемой информации. Причина в том, что один и тот же метод может выдать равновероятно достоверный и недостоверный результат в зависимости от качества информации, используемой при прогнозировании. Что же касается оценки достоверности и надежности самого прогноза, то совпадение прогнозных результатов, полученных разными методами, из различных источников и т.д., еще не доказывает, что прогноз был выполнен качественно. Последнее зависит от того, какое решение было принято на основе разработанного прогноза.

Итак, перед исследователями  встают две проблемы: как оценить  качество прогноза до его реализации и можно ли считать достоверным  прогноз, который не оправдался.

На первый вопрос теория прогностики ответа пока не дала. И  на второй вопрос нельзя ответить однозначно. Однако очевидно, что прогноз должен помогать принимать рациональные решения. В реальной практике лицо, принимающее решения (ЛПР), в значительной мере контролирует процесс; в этом случае существует взаимосвязь между достоверностью прогноза и его полезностью, которая зависит от степени управляемости процессом.

При этом возможны три  типа ситуаций:

а) ЛПР не может воздействовать на ход процесса; он лишь приспосабливается  к процессу, стараясь максимизировать  преимущества от благоприятного исхода события или минимизировать ущерб от неблагоприятного исхода. В этой ситуации прогноз будет полезным лишь в случае его высокой достоверности;

б) ЛПР частично может  контролировать ход процесса. Получив  прогноз, содержащий нежелательное  направление развития прогнозного объекта, ЛПР может принять противодействующие меры. Таким образом, показателем ценности прогноза является не только его достоверность (правильность), но и полезность для ЛПР;

в) ЛПР полностью управляет  развитием процесса. В этом случае прогноз ему не нужен, так как исход события определяется самим ЛПР.

В случаях “а”, “б”  качество прогноза является его важнейшей  компонентой. Качество прогноза – это совокупность характеристик, которые в комплексе позволяют сделать прогноз эффективным и полезным в управлении, обеспечивают получение достоверного описания объекта на некоторую перспективу.

Понятие качества прогноза можно рассматривать двояко: 
а) в рамках и представлениях самого прогноза; б) по результату использования этого прогноза для целей управления.

Характеризовать качество прогноза можно исходя из учета действия переменных внешних сил, в связи с этим в прогнозную методологию вводят понятия: устойчивость, инерционность, связность, сложность, облик и функциональная целостность объекта, точность и полнота описания, риск принятия решения.

Инерционность характеризует сопротивляемость объекта во времени изменению собственной траектории под воздействием внешней среды.

Устойчивость предполагает определенную предпочтительность направлений развития во времени, т.е. выбор объектом каких-либо определенных траекторий во времени и в пространстве показателей, описывающих объект.

Связность и  сложность характеризуют внутренние системные параметры объекта. В частности, связность – это количественная характеристика, определяющая наличие связей между элементами и уровнями системы; сложность – число элементов и связей системы.

Прогнозный доверительный  интервал не может быть меньше определенной величины, зависящей от характеристик  “устойчивости, инерционности, связности, сложности и т.д.”.

Инерционность системы  существенно меняется в зависимости  от “системных размеров” объекта, от его сложности. Чем сложнее  система (или объект), тем более  она инерционна. Чем слабее связи  между элементами системы, тем объект оказывается более инерционным.

Понятие инерционности  позволяет судить о неизменности, однородности траектории (динамики) системы. Чем более инерционной является система, тем более “гладкой”  и устойчивой представляется траектория ее изменения. Число возможных траекторий системы тем больше, чем выше ее энтропия, причем это число уменьшается при переходе от равновероятных процессов к направленным. Перемещение системы по конкретной траектории возможно лишь при наличии определенных связей между элементами. Программа изменения связей может находиться в самих связях либо локализоваться в нескольких управляющих подсистемах.

Помимо рассмотренной  точки зрения о проблеме верификации  прогноза в литературе встречается (причем достаточно часто) и более  упрощенная трактовка этой проблемы. В частности, о точности прогноза судят по величине погрешности – разности между прогнозируемым и фактическим значением исследуемого объекта. Такой подход возможен в двух случаях. Во-первых, когда период упреждения уже окончился и исследователь имеет фактические знания переменной. При краткосрочном прогнозировании это доступно. Во-вторых, когда прогноз разрабатывается ретроспективно, т.е. прогнозирование осуществляется для некоторого, уже прошедшего, момента времени, для которого уже имеются фактические данные. Так поступают в тех случаях, когда проверяется разработанная методика прогноза.

Следует обратить внимание и на то обстоятельство, что проверка точности единичного прогноза не дает исчерпывающей уверенности в  пригодности метода. В самом деле, на формирование исследуемого явления влияет множество разнообразных факторов, поэтому полное совпадение или значительное расхождение прогноза и его реализации может быть следствием просто особо благоприятных (или неблагоприятных) стечений обстоятельств. Единичный хороший прогноз может быть получен и по плохой модели, и наоборот. Отсюда следует, что о качестве прогнозов можно судить лишь по совокупности сопоставлений прогнозов и их реализаций.

12.Применение нейронных сетей  в экономическом прогнозировании

Последнее десятилетие характеризуется бурным развитием анализа данных и прогнозирования с использованием нейронных сетей. Связано это как с улучшением математики нейронных сетей (появление новых алгоритмов), так и огромным ростом производительности компьютеров, без использования которых немыслимо применение нейронных сетей. С точки зрения классификации, прогнозирование с применением нейронных сетей следует отнести в особый класс методов. С одной стороны они в качестве входа используют как статистическую, так и экспертную информацию, а в качестве выхода они имеют, как правило, количественные данные; с другой стороны алгоритм обучения их похож на экспертную систему.

История создания . В 1943 году У. Маккалох (U.Makkaloh) и У. Питтс (W.Pitts) сформулировали основные положения теории деятельности головного мозга и разработали математическую модель нейрона. В представлении Маккалоха-Питтса мозг представляет собой ансамбль нейронов, имеющих одинаковую структуру. Каждый нейрон реализует некоторую пороговую функцию над скалярным произведением взвешенных входных значений. Если значение функции превышает определенную величину - порог (что характеризует суммарную значимость полученной нейроном информации), нейрон возбуждается и формирует выходной сигнал для передачи его другим нейронам. Пройдя путь от рецепторов (слуховых, зрительных и др.) через нейронные структуры мозга до исполнительных органов, входная информация, таким образом, преобразуется в набор управляющих воздействий, адекватных ситуации.

Принципы, изложенные в  работах Маккалоха-Питтса, были в 1958 году воплощены Ф. Розенблаттом (F.Rosenblatt) в оригинальном  устройстве - персептроне  "Марк-I" , способном распознавать печатные буквы и обучаться на примерах. Персептрон заинтересовал военных и следующее десятилетие ознаменовалось активными разработками в области нейронных сетей и их технических воплощений. Однако довольно быстро разработчики стали замечать, что применяемая нейросетевая парадигма (включающая в себя вид входных данных, пороговой функции, структуры сети и алгоритмов обучения) несет в себе ряд существенных ограничений и не позволяет добиваться приемлемого качества при решении многих практических задач. Так, персептрон весьма чувствителен к поворотам образцов, предъявляемых для распознавания. В 1969 году вышла книга М. Минского (M.Minsky), доказавшего, что ограничения персептрона принципиальны и непреодолимы. В частности, существующие в то время парадигмы не могли, даже теоретически, обучится на такой простой задаче, как “исключающее или” - и нейронные сети были оттеснены на задворки науки почти на двадцать лет. И только в последнее десятилетие, благодаря революционным работам Хопфилда (D.Hopfield) и Хехт-Нилсена (R. Hecht-Nielsen), теория нейронных сетей обрела вторую жизнь.

Сохранив основные черты  базовой парадигмы Маккалоха-Питтса, Хопфилд усложнил структуру сети (главное - сделал ее многослойной), разработал новые алгоритмы обучения и доказал, что в таком модифицированном виде сеть способна решать принципиально более сложные задачи, нежели персептрон Розенблатта. Сегодня известно уже более десяти различных парадигм нейронных сетей (в том числе не только детерминированных, но и вероятностных), они реализованы в специализированных кристаллах и платах, на их основе созданы мощные рабочие станции и даже суперкомпьютеры.