Статистический прогноз. Прогнозирование

 

 

 

 

 

 

 

 

2.2. Статистическое  прогнозирование. Методы статистического прогнозирования.

Статистические методы прогнозирования — научная и учебная дисциплина, к основным задачам которой относятся разработка, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных; развитие теории и практики вероятностно-статистического моделирования экспертных методов прогнозирования; методов прогнозирования в условиях риска и комбинированных методов прогнозирования с использованием совместно экономико-математических и эконометрических (как математико-статистических, так и экспертных) моделей. Научной базой статистических методов прогнозирования является прикладная статистика и теория принятия решений.

Простейшие методы восстановления используемых для прогнозирования зависимостей исходят из заданного временного ряда, то есть функции, определенной в конечном числе точек на оси времени. При этом временной ряд часто рассматривается в рамках той или иной вероятностной модели, вводятся другие факторы (независимые переменные) помимо времени, напр., объем денежной массы. Временной ряд может быть многомерным. 

Принято различать активный и пассивный статистические прогнозы.

*Пассивный (безусловный) статистический прогноз [passive forecast] — прогноз развития, основанный на изучении статистических данных за прошлый период и переносе выявленных закономерностей на будущее. При этом внешние факторы, воздействующие на систему, принимаются неизменными и считается, что ее развитие основывается только на собственных, внутренних тенденциях.

Примером пассивного прогноза является экстраполяция сложившихся темпов роста того или иного показателя. Допустим, в среднем за десять лет национальный доход страны рос на 5% в год. Делаем вывод (экстраполируем): значит, и следующие несколько лет темпы останутся прежними. Ясно, что такой прогноз реален только на очень короткий срок и далеко не для всех экономических показателей, а лишь для наиболее инерционных, устойчивых.

*Активный (условный) статистический прогноз [conditional prediction] — прогноз, применяемый тогда, когда предусматривается, что правительство (общество) может принять различные меры, которые способны воздействовать на прогнозируемые показатели.

Например, если наблюдается неблагоприятная тенденция к понижению фондоотдачи, то пассивный прогноз предскажет дальнейшее снижение этого показателя. Активный же прогноз ответит на вопрос, что будет, если окажется принятой та или иная программа действий по повышению эффективности фондов.

 

Таким образом, задачи экономико-статистического прогнозирования следующие:

• выявление перспектив ближайшего или более отдаленного будущего в исследуемой области на основе реальных процессов действительности;
• выработка оптимальных тенденций и перспективных планов с учетом составленного прогноза и оценки принятого решения с позиций его последствий в прогнозируемом периоде.

 

Наиболее распространенными являются методы прогнозирования, основанные на статистическом моделировании. Методы статистического прогнозирования могут быть разбиты на 2 большие группы: прогнозирование на основе единичных уровней регрессии, описывающих взаимосвязь признаков-факторов и результативных признаков и прогнозирование на основе системы уравнений взаимосвязанных рядов динамики.

Наиболее сложным методом прогнозирования является прогнозирование на основе взаимосвязанных рядов динамики. С его помощью можно получить не только оценки результативного, но и факторных признаков, т.е. анализ взаимосвязанных рядов динамики выражается с помощью системы уравнений регрессии. Прогноз в этом случае лучше поддается содержательной интерпретации, чем простая экстраполяция.

Нормативный метод прогнозирования заключается в установлении для определенного отрезка времени фиксированной системы норм. В качестве

инструмента при нормативном прогнозировании могут быть использованы теория графов, матричный подход и др.

Сущность целевого прогнозирования заключается в решении обратной задачи: в отыскании условий для достижения в будущем норм, задаваемых в виде строго определенных и обоснованных величин. Решение этой задачи обычно осуществляется методами математического программирования.

Методы экспертных оценок основаны на использовании экспертной информации. Они помогают установить степень сложности и актуальность проблемы, определить основные цели и критерии, выявить важные факторы и взаимосвязи между ними, выбрать наиболее предпочтительные альтернативы. Известны 2 подхода к использованию экспертов: индивидуальные оценки и групповые.

Индивидуальные оценки, или метод согласования оценок, состоит в том, что

каждый эксперт дает оценку независимо от других, а затем с помощью какого-либо приема эти оценки могут быть представлены в виде оценок типа интервью или аналитических записок. Групповые или коллективные методы экспертизы основаны на совместной работе экспертов и получении суммарной оценки от всей группы специалистов в целом. Среди них более распространенными являются метод комиссии и метод мозговой атаки (метод коллективной генерации идет или метод группового рассмотрения с

отнесенной оценкой).

 

 

 К современным статистическим методам прогнозирования относятся также модели авторегрессии, модель Бокса Дженкинса, системы эконометрических уравнений, основанные как на параметрических, так и на непараметрических подходах. Для установления возможности применения асимптотических результатов при конечных (т.н. «малых») объемах выборок полезны компьютерные статистические технологии. Они позволяют также строить различные имитационные модели. Отметим полезность методов размножения данных (бутстрепметодов). Системы прогнозирования с интенсивным использованием компьютеров объединяют различные методы прогнозирования в рамках единого автоматизированного рабочего места прогнозиста. Прогнозирование на основе данных, имеющих нечисловую природу, например, прогнозирование качественных признаков основано на результатах статистики нечисловых данных. Весьма перспективными для прогнозирования представляются регрессионный анализ на основе интервальных данных, включающий, в частности, определение и расчет рационального объема выборки, а также регрессионный анализ нечетких данных. Общая постановка регрессионного анализа в рамках статистики нечисловых данных и ее частные случаи — дисперсионный анализ и дискриминантный анализ (распознавание образов с учителем), — давая единый подход к формально различным методам, полезны при программной реализации современных статистических методах прогнозирования.

 

 

 

 

2.3.область применения  статистического метода прогнозирования

 

Современные компьютерные технологии прогнозирования основаны на интерактивных статистических методах прогнозирования и использовании баз эконометрических данных, имитационных (в том числе на основе применения метода статистических испытаний) и экономико-математических динамических моделей, сочетающих экспертные, математико-статистические и моделирующие блоки.

Метод статистического прогнозирования может  быть применим в любых сферах деятельности. Зачастую его используют при прогнозирование каких-либо экономических событий/явлений (финансовое планирование).

 

 

 

 

 

 

 

 

Заключение

Прогнозирование не сводится к попыткам предугадать детали будущего, хотя в некоторых случаях это существенно. Исследователь исходит в данном случае из диалектической детерминации явлений будущего, из понимания того, что необходимость пробивает себе дорогу через преодоление случайности, что к явлениям будущего нужен вероятностный подход с учетом широкого набора возможных вариантов. Только при таком подходе прогнозирование может быть эффективно использовано для выбора наиболее вероятного или наиболее желательного, оптимального варианта при обосновании цели, плана, программы, проекта, вообще, решения.

Прогнозы должны предшествовать планам, содержать оценку хода последствий выполнения (или невыполнения) планов, охватывать все, что не поддается планированию, решению. Они могут охватывать в принципе любой отрезок времени. Прогноз и план отличаются способами оперирования информацией о будущем. Вероятностное описание возможного или желательного - это прогноз.

Обоснованное решение относительно мероприятий по достижению возможного, желательного - это план. Прогноз и план могут разрабатываться независимо друг от друга. Но чтобы план был эффективным, оптимальным, ему должен предшествовать прогноз, по возможности непрерывный, позволяющий обосновать данный и последующие планы.

 

 

 

 

 

Приложение

 

 

 

 

 

 

 

 

 

 

 

 

 

Список литературы:

 

1. Калинина В.Н., Панкин А.В. Математическая статистика. М.: 1998 г.

2.  https://ru.wikipedia.org/

3 .Экономико-математический словарь: Словарь современной экономической науки. — М.: Дело. Л. И. Лопатников. 2003.

4. Статистическое моделирование и прогнозирование под. ред. Гранборга.

Москва: Финансы и статистика, 2000

5. Бизнес. Толковый словарь. — М.: "ИНФРА-М", Издательство "Весь Мир". Грэхэм Бетс, Барри Брайндли, С. Уильямс и др. Общая редакция: д.э.н. Осадчая И.М.. 1998.

6. Литература: Принятие решений. Теория и методы разработки управленческих решений (2005); Орлов А.И. Прикладная статистика (2006).

7. Сидельников Ю.В. «Системный анализ технологии экспертного прогнозирования». – М.: Изд-во МАИ, 2007.