Статический метод прогнозирования

Предварительная обработка исходного числового ряда направлена на решение следующих задач (всех или части из них): снизить влияние случайной составляющей в исходном числовом ряду, т. е. приблизить его к тренду; представить информацию, содержащуюся в числовом ряду, в таком виде, чтобы существенно снизить трудность математического описания тренда. Основными методами решения этих задач являются процедуры сглаживания и выравнивания статистического ряда.

Процедура сглаживания направлена на минимизацию случайных отклонений точек ряда от некоторой гладкой кривой предполагаемого тренда процесса. Наиболее распространен способ осреднения уровня по некоторой совокупности окружающих точек, причем эта операция перемещается вдоль ряда точек, в связи с чем обычно называется скользящая средняя. В самом простом варианте сглаживающая функция линейна и сглаживающая группа состоит из предыдущей и последующей точек, в более сложных — функция нелинейна и использует группу произвольного числа точек.

Сглаживание производится с помощью многочленов, приближающих по методу наименьших квадратов группы опытных точек. Наилучшее сглаживание получается для средних точек группы, поэтому желательно выбирать нечетное количество точек в сглаживаемой группе.

Сглаживание даже в простом линейном варианте является во многих случаях весьма эффективным средством выявления тренда при наложении на эмпирический числовой ряд случайных помех и ошибок измерения. Для рядов со значительной амплитудой помехи имеется возможность проводить многократное сглаживание исходного числового ряда. Число последовательных циклов сглаживания должно выбираться в зависимости от вида исходного ряда, от степени предполагаемой его зашумленности помехой, от цели, которую преследует сглаживание. Надо иметь при этом в виду, что эффективность этой процедуры быстро уменьшается (в большинстве случаев), так что целесообразно повторять ее от одного до трех раз.

Линейное сглаживание является достаточно грубой процедурой, выявляющей общий приблизительный вид тренда. Для более точного определения формы сглаженной кривой может применяться операция нелинейного сглаживания или взвешенные скользящие средние. В этом случае ординатам точек, входящих в скользящую группу, приписываются различные веса в зависимости от их расстояния от середины интервала сглаживания.

Если сглаживание направлено на первичную обработку числового ряда для исключения случайных колебаний и выявления тренда, то выравнивание служит целям более удобного представления исходного ряда, оставляя прежними его значения.

Наиболее общими приемами выравнивания являются логарифмирование и замена переменных.

В случае если эмпирическая формула предполагается содержащей три параметра либо известно, что функция трехпараметрическая, иногда удается путем некоторых преобразований исключить один из параметров, а оставшиеся два привести к одной из формул выравнивания.

Можно рассматривать выравнивание не только как метод представления исходных данных, но и как метод непосредственного приближенного определения параметров функции, аппроксимирующей8 исходный числовой ряд. Зачастую именно так и используется этот метод в некоторых экстраполяционных прогнозах. Отметим, что возможность непосредственного его использования для определения параметров аппроксимирующей функции определяется главным образом видом исходного числового ряда и степенью наших знаний, нашей уверенности относительно вида функции, описывающей исследуемый процесс.

В том случае, если вид функции нам неизвестен, выравнивание следует рассматривать как предварительную процедуру, в процессе которой путем применения различных формул и приемов выясняется наиболее подходящий вид функции, описывающей эмпирический ряд.

Одной из разновидностей метода выравнивания является исследование эмпирического ряда с целью выяснения некоторых свойств функции, описывающей его. При этом не обязательно преобразования приводят к линейным формам. Однако результаты их подготавливают и облегчают процесс выбора аппроксимирующей функции в задачах прогностической экстраполяции. В простейшем случае предлагается использовать следующие три типа дифференциальных функций роста:

1) первая производная, или абсолютная дифференциальная9 функция роста;

2) относительный дифференциальный коэффициент, или логарифмическая производная;

3) эластичность функции.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

                                       Заключение

Прогнозирование является специфическим видом научно-прикладного анализа. Отличие его от обычного анализа заключается в том, что он нацелен на будущее; вторая важная черта – учет неопределенности, связанный с этим будущим. Неопределенность обусловлена отсутствием знаний о точном значении тех или иных экономических параметров, отражающих влияние основных или дополнительных факторов, о действительных условиях, в которых будет развиваться отслеживаемый процесс.

Все прогнозы обычно бывают неточными и, следовательно, необходимо устанавливать степень их неточности или несоответствия определенному показателю. Разработаны различные рекомендации, позволяющие рассчитывать точности прогноза, оценивать эффективность той или иной методики и выбирать между разными методами прогнозирования. Контроль прогноза обеспечивает адекватность его исполнения. На практике рекомендуется использовать контрольную диаграмму или показатель отклонения. Выбор метода прогнозирования означает выбор методики, отвечающей поставленной задаче на приемлемом уровне затрат и точности.

 

 

 

 

 

 

 

 

 

 

 

 

 

Список литературы

1. Башкатова Ю. И. УПРАВЛЕНЧЕСКИЕ РЕШЕНИЯ: Учебно-методический комплекс / Ю. И. Башкатова. - М.: Изд. центр ЕАОИ, 2008 г. – 120 с.
2. Бражко Е. И., Серебрякова Г. В., Смирнов Э. А. Управленческие решения: учебное пособие / Е. И. Бражко, Г.В. Серебрякова, Э. А. Смирнов. - М.: РИОР, 2010 г. - 126 с.
3. Злобина Н. В. Управленческие решения: учебное пособие / Н.В. Злобина. – Тамбов : Изд-во Тамб. гос. техн. ун-та, 2007г. – 80 с.
4. Лапыгин Ю. Н. Управленческие решения: учебное пособие / Ю. Н. Лапыгин. - М.: Эксмо, 2009 г. - 448 с.
5. Левина С. Ш., Турчаева Р. Ю.. Управленческие решения: конспект лекций / С. Ш. Левина, Р. Ю. Турчаева. -  Ростов-на-Дону, Феникс, 2009 г. - 255 с.
6. Литвак Б. Г. Разработка управленческого решения: Учебник - 7-е изд., испр. и доп / Б. Г. Литвак.  - М.: Дело АНХ, 2008 г. - 440 с.
7. Лукичёва Л. И. Управленческие решения / Л. И. Лукичева. - М.: Омега-Л, 2009 г. - 383 с.
8. Пирогова Е. В. Управленческие решения : учебное пособие / Е. В. Пирогова. – Ульяновск: УлГТУ, 2010 г. – 176 с.
9. Потапов С. В. Как принимать решения / С. В. Потапов. - М.: Эксмо, 2007 г. - 160 с.
10. Пужаев А. В. Управленческие решения: Учебное пособи / А. В. Пужаев. - М.: Кнорус, 2010 г. - 192 с.

 

1 Колпаков В.М. Стратегическое управление: предвидение и прогнозирование в принятии управленческих решений. // http://gtmarket.ru/ - Новости гуманитарных технологий. Гуманитарное развитие в России и за рубежом. Экспертно-аналитический Портал.

2 Корреляция (корреляционная зависимость) - статистическая взаимосвязь двух или нескольких случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми). При этом, изменения значений одной или нескольких из этих величин приводят к систематическому изменению значений другой или других величин. Математической мерой корреляции двух случайных величин служит коэффициент корреляции.

3Стохастический (от греческого στοχαστικός - «умеющий угадывать») используется во многих терминах из разных областей науки, означает неопределённость, случайность чего-либо.

4 Ковариация - мера линейной зависимости двух случайных величин.

4Дисперсия (от лат. dispersio — рассеяние), в математической статистике и теории вероятностей, наиболее употребительная мера рассеивания, т. е. отклонения от среднего.

6 Эмпирический - чувственно воспринимаемый, наблюдаемый, измеряемый объект и его свойства.

7 Тренд (от англ. Trend - тенденция) - долговременная тенденция изменения исследуемого временного ряда.

8 Аппроксимация, или приближение - научный метод, состоящий в замене одних объектов другими, в том или ином смысле близкими к исходным, но более простыми.

9 Дифференциальный - Неодинаковый при разных условиях; различный.