Методы прогнозирования, их классификация, характеристика, область применения

 

 

Содержание:

 

Введение …………………………………………………………. 3

Методы прогнозирования, их классификация, характеристика, область применения ………………………………………………………. 4

Определить сумму приведенных (дисконтированных) эффектов при норме дисконта, равной 0,3 ……………………...................................... 14

Заключение ………………………………………………………. 16

Список использованной литературы …………………………… 17

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Введение

 

Процесс прогнозирования достаточно актуален в настоящее время. Широка сфера его применения. Прогнозирование широко используется в экономике, а именно в управлении. В менеджменте понятие «планирование» и «прогнозирование» тесно переплетены. Они не идентичны и не подменяют друг друга. Планы и прогнозы различаются между собой временными границами, степенью детализации содержащихся в них показателей, степенью точности и вероятности их достижения, адресностью и, наконец, правовой основой. Прогнозы, как правило, носят индикативный характер, а планы обладают силой директивного характера. Не подмена и противопоставление плана и прогноза, а их правильное сочетание – таков путь планомерного регулирования экономики в условиях рыночной экономики и перехода к ней.

В промышленности методы прогнозирования также играют первостепенную роль. Используя экстраполяцию и тенденцию, можно делать предварительные выводы относительно разных процессов, явлений, реакций, операций.

Используя методы прогнозирования, можно оценить радиоактивную обстановку местности и т. д.

Цель работы – изучить методы прогнозирования.

В связи с поставленной целью, нужно решить следующие задачи:

1) рассмотреть классификацию методов  прогнозирования;

2) изучить их характеристику;

3) посмотреть область их применения.

Объектом исследования являются методы прогнозирования.

 

 

 

 

Методы прогнозирования, их классификация, характеристика,

область применения

Прогноз – это конкретное предсказание, суждение о состоянии какого-либо явления в будущем на основе специально научного исследования.

Прогнозирование – процесс разработки прогнозов. В зависимости от вида прогноза различают нормативное, поисковое, оперативное. 

В зависимости от того, какая задача решается в первую очередь, различают два вида прогнозирования:

1. исследовательское (или поисковое) - формирование прогноза объективно существующих тенденций развития на основе анализа исторических  тенденций. Этот вид прогнозирования основан на использовании принципа инерционности развития, при котором ориентация прогноза во времени происходит по схеме «от настоящего — к будущему».
2. нормативное - прогнозирование тенденций развития объекта прогноза, которые должны обеспечивать достижение в установленный момент будущего определенных социально-политических, экономических и оборонных целей. В этом случае ориентация прогноза во времени происходит по схеме «от будущего — к настоящему».

Метод прогнозирования – это способ теоретического и практического действия, направленного на разработку прогнозов. Это определение является достаточно общим, и позволяет понимать термин «метод прогнозирования» весьма широко: от простейших экстраполяционных расчетов до сложных процедур многошаговых экспертных опросов.

В настоящее время наряду со значительным числом опубликованных методов прогнозирования известны многочисленные способы их классификации. Тем не менее, считать этот вопрос удовлетворительно решенным нельзя, так как единой, полезной и полной классификации сейчас еще не создано. Вероятно, прогностика, как молодая наука, еще не достигла такого уровня развития, когда возможно создание классификации, удовлетворяющей всем этим требованиям. Можно указать две основные цели классификации методов прогнозирования. Это, во-первых, обеспечение процесса изучения и анализа методов и, во-вторых, обслуживание процесса выбора метода при разработке прогнозов объекта. На современном этапе трудно предложить единую классификацию, в равной степени удовлетворяющую обеим из указанных целей.

Существуют два основных типа классификации: последовательная и параллельная. Последовательная классификация предполагает вычленение частных объемов из более общих. Это процесс, тождественный делению родового понятия на видовые. При этом должны соблюдаться следующие основные правила:

1) основание деления (признак) должно оставаться одним и тем же при образовании любого видового понятия;

2) объемы видовых понятий должны исключать друг друга (требование отсутствия пересечения классов);

3) объемы видовых понятий должны  исчерпывать объем родового понятия (требование полного охвата всех объектов классификации).

Параллельная классификация предполагает сложное информационное основание, состоящее не из одного, а из целого ряда признаков. Основной принцип такой классификации — независимость выбранных признаков, каждый из которых существен, все вместе одновременно присущи предмету и только их совокупность дает исчерпывающее представление о каждом классе.

Последовательная классификация имеет наглядную интерпретацию в виде некоторого генеалогического дерева, охватывает всю рассматриваемую область в целом и определяет место и взаимосвязи каждого класса в общей системе. Поэтому она является более приемлемой для целей изучения, позволяет методически более стройно представлять классифицируемую область знаний.

Каждый уровень классификации характеризуется своим классификационным признаком. Элементы каждого уровня представляют собой наименования принадлежащих им подмножеств элементов ближайшего нижнего уровня, причем подмножеств непересекающихся.

Элементы нижнего уровня представляют собой наименование узких групп конкретных методов прогнозирования (иногда из одного элемента), которые являются модификациями или разновидностями какого-либо одного, наиболее общего из них.

В целом классификация является открытой, так как представляет возможность увеличивать число элементов на уровнях и наращивать число уровней за счет дальнейшего дробления и уточнения элементов последнего уровня.

На первом уровне все методы делятся на три класса по признаку «информационное основание метода». Фактографические методы базируются на фактически имеющемся информационном материале об объекте прогнозирования и его прошлом развитии. Экспертные методы базируются на информации, которую поставляют специалисты-эксперты в процессе систематизированных процедур выявления  и обобщения этого мнения. Комбинированные методы выделены в отдельный класс, чтобы можно было относить к нему методы со смешанной информационной основой, в которых в качестве первичной информации используются фактографическая и экспертная. Например, при проведении экспертного опроса участникам представляют цифровую информацию об объекте или фактографические прогнозы, либо, наоборот, при экстраполяции тенденции наряду с фактическими данными используют экспертные оценки.

Не следует относить к комбинированным методам те методы прогнозирования, которые к экспертной исходной информации применяют математические методы обработки или исходную фактографическую информацию оценивают экспертным  путем.

Эти классы разделяются далее на подклассы по принципам обработки информации. Статистические методы объединяют совокупность методов обработки количественной информации об объекте прогнозирования по принципу выявления содержащихся в ней математических закономерностей развития и математических взаимосвязей характеристик с целью получения прогнозных моделей. Методы аналогий направлены на то, чтобы выявлять сходство в закономерностях развития различных процессов и на этом основании производить прогнозы. Опережающие методы прогнозирования строятся на определенных принципах специальной обработки научно-технической информации, реализующих в прогнозе ее свойство опережать развитие научно-технического прогресса.

Экспертные методы разделяются на два подкласса. Прямые экспертные оценки строятся по принципу получения и обработки независимого обобщенного мнения коллектива экспертов (или одного из них) при отсутствии воздействий на мнение каждого эксперта мнения другого эксперта и мнения коллектива. Экспертные оценки с обратной связью в том или ином виде воплощают принцип обратной связи путем воздействия на оценку экспертной группы (одного эксперта) мнением, полученным ранее от этой группы или от одного из ее экспертов.

Третий уровень классификации разделяет методы прогнозирования на виды по классификационному признаку «аппарат методов». Каждый вид объединяет в своем составе методы, имеющие в качестве основы одинаковый аппарат их реализации. Так, статистические методы по видам делятся на методы экстраполяции и интерполяции; методы, использующие аппарат регрессионного и корреляционного анализа; методы, использующие факторный анализ.

Рассмотрим более подробно основные методы прогнозирования: экстраполяционные, статистические, экспертные.

Методы экстраполяции тенденций являются, пожалуй, самыми распространенными и наиболее разработанными среди всей совокупности методов прогнозирования. Использование экстраполяции в прогнозировании имеет в своей основе предположение о том, что рассматриваемый процесс изменения переменной представляет собой сочетание двух составляющих—регулярной и случайной:

 

В основе здесь лежит интуитивное представление о какой-то очищенной от помех сущности анализируемого процесса.

Экстраполяционные методы прогнозирования основной упор делают на выделение наилучшего в некотором смысле описания тренда и на определение прогнозных значений путем его экстраполяции. Методы экстраполяции во многом пересекаются с методами прогнозирования по регрессионным моделям. Иногда их различия сводятся лишь к различиям в терминологии, обозначениях или написании формул.

Специфическими чертами прогнозной экстраполяции можно назвать методы предварительной обработки числового ряда с целью преобразования его к виду, удобному для прогнозирования, а также анализ логики и физики прогнозируемого процесса, оказывающий существенное влияние как па выбор вида экстраполирующей функции, так и на определение границ изменения ее параметров.

Прежде чем приступить к анализу статистических методов прогнозирования, рассмотрим некоторые общие понятия и определения, относящиеся к корреляционным и регрессионным моделям. Две случайные величины являются корреляционно связанными, если математическое ожидание одной из них меняется в зависимости от изменения другой.

Научной базой статистических методов прогнозирования является прикладная статистика и теория принятия решений.

Применение корреляционного анализа предполагает выполнение следующих предпосылок:

а) случайные величины y(y1, у2, ..., Уn) и x(x1, x2, ..., Хn) могут рассматриваться как выборка из двумерной генеральной совокупности с нормальным законом распределения;

б) ожидаемая величина погрешности и равна нулю;

в) отдельные наблюдения стахостически независимы, т. е. значение данного наблюдения не должно зависеть от значения предыдущего и последующего наблюдений;

г) ковариация между ошибкой, связанной с одним значением зависимой переменной у, и ошибкой, связанной с любым другим значением y , равна нулю;

д) дисперсия ошибки, связанная с одним значением у, равна дисперсии ошибки, связанной с любым другим значением.

е) ковариация между погрешностью и каждой из независимых переменных равна нулю;

ж) непосредственная применимость этого метода ограничивается случаями, когда уравнение кривой является линейным относительно своих параметров bo, bi, ...,bk.  Это, однако, не означает, что само уравнение кривой относительно переменных должно быть линейным. Если эмпирические уравнения наблюдений не являются линейными, то во многих случаях оказывается возможным привести их к линейной форме и уже. после этого применять метод наименьших квадратов;

з) Наблюдения независимых переменных производятся без погрешности.

По степени комплексности статистические исследования можно разделить на двумерные и многомерные. Первые касаются рассмотрения парных взаимосвязей между переменными (парные корреляции и регрессии) и направлены в прогнозных исследованиях на решение таких задач, как установление количественной меры тесноты связи между двумя случайными величинами, установление близости этой связи к линейной, оценки достоверности и точности прогнозов, полученных экстраполяцией регрессионной зависимости. Многомерные методы статистического - анализа направлены в основном на решение задачи системного анализа многомерных стохастических объектов прогнозирования. Целью такого анализа является, как правило, выяснение внутренних взаимосвязей между переменными комплекса, построение многомерных функций связи переменных, выделение минимального числа характеристик, описывающих объект с достаточной степенью точности. Одной из основных задач здесь является сокращение размерности описания объекта прогнозирования.

Таким образом, статистические методы используются в основном для подготовки данных, приведения их к виду, пригодному для производства прогноза. Как правило, после их применения используется один из методов экстраполяции или интерполяции для получения непосредственно прогнозного результата.