Методология прогнозирования

Методология прогнозирования

1. Основные понятия прогнозирования
2. Принципы и функции прогнозирования
3. Типология прогноза
4. Объект, предмет и задачи прогнозирования

 

I. Прогнозирование – это обоснованное, вероятностное предсказание будущего развития объекта на основе выявления и измерения зависимостей между прошлым, настоящим и будущим.

В рыночных условиях востребованность прогнозной оценки возрастает.

Прогнозирование соотносится с  более общим понятием предвидение, т.е. опережающее отображение процессов и явлений. Формами конкретизации предвидения являются, прежде всего:

1. Гипотеза – научное предвидение на уровне общей теории
2. Прогноз – вероятностное предвидение с использованием качественных и количественных категорий.
3. План – обоснованные значения индикаторов и показателей состояний объектов в будущем. План утверждается и становится законным.
4. Программа – обоснованная логическая последовательность достижения поставленной цели с приведением ресурсов, сроков и промежуточных результатов.
5. Проект – это форма реализации уникальной, новой цели подтвержденная источниками формирования бюджета реализации, участников, сроков и содержащая риски реализации.

 

Ретроспективный период – прошлый  период, представленный статистическими  данными об объекте.

Прогнозный период – это период, на который разрабатывается прогноз. Иначе называется периодом упреждения.

Временной лаг – это период между  влиянием фактора и результатом этого влияния.

 

С точки зрения объекта прогнозирования  можно выделить экзогенные факторы, влияющие на объект из внешней среды. Эндогенные факторы – это внутренние, формирующиеся в структуре объекта. 

 

Доверительная вероятность – вероятность, с которой разрабатывается точечный прогноз

Доверительный интервал – это интервал, в котором ожидаются с доверительной  вероятностью реализованные (фактические) значения прогнозируемого показателя.

II. Принципы и функции

Принципы – это определенные ограничения, правила, которыми руководствуются  в практической деятельности.

1. Принцип системности – анализ объекта, как системы состоящий из возможных подсистем и элементов взаимосвязанных, и в то же время рассмотрение объекта как подсистемы или элементы системы более высокого уровня.

Прогнозирование основано на системном  подходе, т.е. использование полной системы показателей и логичной системы последовательных методов.

2. Принцип достоверности – подтверждение прогнозных значений в будущем, когда наступает это будущее.
3. Принцип верифицированности – т.е. проверяемости прогноза.
4. Принцип альтернативности – т.е. возможности развития объекта по нескольким вариантам.

И т.д.

 

Функции

 

Управление объектом основано на следующих  функциях:

1. Планирование
2. Организация
3. Анализ
4. Контроль
5. Мотивация

 

Планирование включает в себя подфункции:

- прогнозирования

- регулирования

- координации

 

Прогнозный анализ – анализ последствий развития по определенной траектории (варианту).

Прогнозное обоснование плана  – предплановая разработка.

Прогнозирование выполняет функцию  диагностики.

Оценка рисков – колеблемости, волотильности показателей.

Совершенствование методологий прогнозирования.

 

III. Типология прогнозов:

1. С точки зрения объекта прогнозы могут быть:

- экономическими

- демографическими 

- экологическими 

- технологическими

- социальными 

- и т.д.

 

2. С точки зрения времени (периода прогнозирования):

- оперативный прогноз

- текущий прогноз (до 1 месяца)

- краткосрочный (до 1 года)

- среднесрочный (2-4 года)

- долгосрочный (от 5 до 20 лет)

- дальнесрочный (свыше 20 лет)

 

3. По масштабу прогнозирования:

- глобальный прогноз 

- национальный масштаб 

- региональный прогноз

- прогноз на уровне меза (прогнозирование комплекса, кластера, нескольких взаимосвязанных отраслей или видов деятельности)

- микроэкономический уровень 

- прогноз развития отдельного  товара (занимаются маркетологи)

 

IV. Объект прогнозирования – это социально-экономическая система, включающая активы, человеческие ресурсы, связанные экономическими отношениями.

Предмет – причинно-следственные закономерности развития объекта, выявляемые и измеряемые исследователем, с использованием статистических данных, показателей, и моделируемые для целей анализа и прогнозирования.

Задачами прогнозирования являются предвидение будущего состояния  объекта, его возможных вариантов, прогнозное обоснование принимаемых  решений, оценка последствий применяемых  решений.

Аналитическое и прогнозное обоснование решения конкретной задачи (проблемы) (оценка потенциала, конкурентоспособности, устойчивости, сбалансированности, проявления последствий и адаптация к системным явлениям). Прогнозирование – инструмент решения экономических проблем.

 

 

 

 

Классификация методов прогнозирования

 

1. Понятия метода прогнозирования 
2. Классификация метода прогнозирования
3. Интуитивные методы прогнозирования
4. Формализованные методы прогнозирования

 

Метод прогнозирования – совокупность приемов и способов мышления, на основе ретроспективных данных, экзогенных и эндогенных факторов, измерения взаимосвязей, позволяющих вывести суждения определенной достоверности относительно будущего развития объекта.

Источники прогнозной информации

1. Опыт и интуиция
2. Статистические данные
3. Модель

 

Классификация построена, как 3-х уровневая, где на каждом уровне используется определенный классификационный признак

 

Методы прогнозирования

 

Степень формализации

 

Интуитивные методы

Формализованные методы

 

 

 

Тенденция в динамике временных  рядов, может описывается функцией от фактора времени, которая называется временной тренд.

Методы  обнаружения тенденций:

Качественный анализ показателя, т.е. содержательное описание данного показателя и графический анализ динамики позволяют  сделать предположение о наличии или отсутствии тенденции. 

Существуют несколько аналитических  методов обнаружения тенденции:

1. Метод сравнения средних характеристик
2. Метод Фостора-Стюарта
3. Метод ранговой корреляции

Во втором случае из графика видно  что разность у1-у2 не существенна, но так же проверяется наличие тенденции в дисперсиях.

2 метод. Рассчитываются следующие  характеристики

К=∑(ui+vi) 0<K≤n-1

L=∑(ui-vi) -(n-1)≤L≤n-1

По значениям K и L можно сделать вывод о наличии или отсутствии тенденции при этом значения близкие к –(n-1), к о и n-1 будут говорить о преобладании тенденции.

3 метод.

r=1-(4Q)\(n-n-1)

n- число уровней

Q – число пар когда выполняется условие yt>yt+1,yt+2…

Уровень безработицы в Канаде:

2007 – 6.0

2008 – 6.1

2009 – 8.3

2010 – 8.0

2011 - 7.6

r=1-(4Q)\(n-n-1) = 1-((4*3)\(5*4))=0.4

-1≤r≤1

Имеет место слабо выраженная тенденция  роста показателей.

Прочесть первые 2 метода

 

Кривые роста и их свойства

Не линейная зависимость изменения  показателя

Выделяются 3 группы кривых роста:

1. Многочлены
2. Экспоненты
3. Логистические кривые

Многочлены – y(t)=∑ai*t

Порядок p полинома может быть в 3-5 раз меньше чем n число уровней.

Частными случаями являются y(t)=a0, y(t)=a0+a1*t,

Конечные разности, найденные по империческим данным временного ряда позволяют обнаружить тенденцию близкую к полиному определенной степени.

Экспоненты, представлены степенной  функцией

Коэффициент роста kp=yt\yt-1 = a1

В зависимости от а1 экспонента будет  показывать рост или убывание

Логистические переменные 

Логарифмирование дает линейный вид

Модифицированная экспонента, т.е. понижение степени дает сумму

Логарифмирование уравнений приводит к линейному виду и к модифицированной экспоненте, т.е. возможности использования  метода наименьших квадратов для  оценки параметров модели. Данный вид  кривой используется для описания демографических процессов и например процессов в страховом бизнесе.

С учетом свойств кривых роста по обобщенным характеристикам рассчитанным для временных рядов можно  выбрать соответствующий вид  кривой роста.

 

Основы регрессионного анализа и прогнозирования

1. Виды регрессионных моделей
2. Предпосылки регрессионного анализа
3. Метод наименьших квадратов расчета параметров модели
4. Оценка надежности модели
5. Прогнозирование на основе регрессионной модели

Регрессия это модель зависимости  между переменными оцененная по временным рядам ретроспективного периода. Переменная которая стоит слева называется регрессанд, которая справа называется регрессор.

Yt=F(Xt)

Вариация Х вызывает определенную вариацию Y.

1. Регрессионая модель может быть представлена в виде парной регрессии, т.е. зависимости от одного Х yt=f(xt),  и множественной регрессии
2. Уравнение регрессии могут иметь линейный вид

Не линейная регрессия, которая  делится на 2 подвида:

1. Не линейная регрессия 1 порядка
2. Не линейная регрессия 2 порядка

Не линейная регрессия 1 порядка  это уравнение линейное по отношению  к параметрам, но не линейное по отношению  к переменным.

 

Предпосылки регрессионного анализа

Предпосылки относятся к случайной  компоненте

1. Математическое ожидание М[Et]=0
2. Дисперсия δ[Et]=const
3. Ковариация cov[Et,Et-1]=0

Отсутствие мультиколлинеарности

 

Метод наименьших квадратов расчета  параметров модели позволяет найти  параметры, оценка надежности модели.

Коэффициент детерминации характеризует какой коэффициент у объясняется вариацией не зависимого фактора х.

Критерий Фишера

Если f расчетное больше f логичного, то уравнение надежно и его можно использовать для анализа и прогнозирования

Надежность параметров оценивает  по критерию Стьюдента.

Средняя ошибка аппроксимации 

 

Для прогнозирования значений yt по уравнению являющемуся надежным необходимо в трендовую модель подставить значение t, а в регрессионную модель подставить прогнозные значения факторов. Значение фактора определяется расчетом средне годового коэффициента роста, определяется на основе тренда, на основе модели, могут определятся экспертно.