Методы прогноза экономической динамики

Не каждый прогноз заслуживает быть использованным в плановой работе. Используется лишь тот, в отношении которого можно говорить о практически значимой эффективности (Эпр), используя для оценки эффективности относительный показатель избытка дохода, полученного благодаря прогностической информации:

где Дn – доход, получаемый при использовании прогностической информации;

Д – доход, получаемый без данной информации;

з– затраты на получение прогноза.

Эффективность прогнозов зависит от объекта прогноза, средней ошибки прогноза и величины предельной ошибки прогноза.

Средняя ошибка (Е) рассчитывается как отношение суммы ошибок расчета изучаемого показателя по модулю в долговременных прогнозах Σ׀Е_i׀ – к его величине за тот же период (∑Yi)

В зависимости от объекта прогноза допустимая средняя ошибка заметно различается. Так, в прогнозе валового сбора зерна она может быть принята в РФ на уровне 7-8%, в США – не более 5%; в прогнозе численности населения – в пределах 0,1% и т.д.

Предельно допустимая ошибка прогноза устанавливается экспертно, исходя из специфики изучаемых процессов. В некоторых задачах она может достигать уровня двух - трехкратной средней ошибки (прогноз производства продукции, пригодной к длительному хранению), но должна быть значительно меньшей в прогнозах производства скоропортящихся товаров, в прогнозах цен и др.

Чтобы достигнуть хорошего качества прогнозов, необходимо разработать и испытать различные методы оценки будущих событий, а затем выбрать те, которые обеспечивают высшую эффективность. Причем, не разовую, а долговременную.

Испытание отдельных методов прогнозов может осуществляться двумя способами: натурным и ретроспективным.

Натурное испытание предполагает оценку оправдываемости прогноза в реальном режиме времени. Например, в течение 2004-2010 гг. мы будем подводить итоги прогнозов, составленных в 2003 г. по трем – пяти различным методам и лишь спустя 6 лет установим, какая из этих методик оказалась лучшей для составления Плана на последующий период, скажем, до 2015 г.

Ретроспективное испытание методов прогноза осуществляется на базе накопленной информации прошлых лет, расчленяемой на две совокупности. При этом одна часть ряда динамики используется в качестве базовой информации для прогноза показателей, не вошедших в базовый материал. Иными словами, прогноз принимает форму – «допустим, мы не знаем то, что нам уже известно». Ретроиспытание имеет то преимущество перед натурным, что оно в выше приведенном примере позволяет заранее определить, какой из методов прогноза следует считать более пригодным для составления Плана не только на 2011-2015 гг., но уже и Плана 2004-2010 гг.

В системе современных методов прогноза развития материальной сферы выделяются в качестве более часто используемых следующие: нормативные; функциональные, в том числе балансовые; корреляционные; оптимизационные; экспертные.

Нормативные методы прогноза используются там, где имеется возможность опереться на уже подготовленную нормативную базу, либо если имеются веские основания считать, что в плановом периоде ранее определившиеся нормативы могут быть использованы с минимальной корректировкой. Так зная, что в ЛПХ и на животноводческих комплексах при затратах 9 корм. единиц обеспечивается получение 1,5 кг свинины (в ж. весе), и определив ресурсы кормов для животноводства в 9 тыс. тонн, легко подсчитать, что План производства свинины должен быть установлен на уровне примерно 1,5 тыс. т. Обязательно – примерно, поскольку такого рода расчет является предплановым и, как в дальнейшем увидим, по ряду соображений он еще может потребовать уточнения.

Функциональные методы удается использовать только там, где современные возможности научного знания позволяют прогнозировать отдельные показатели хозяйственной деятельности на уровне бесспорных равенств. Например, поскольку не вызывает сомнений, что цена акций (Ца) – это капитализированные дивиденды:

Ца = Д : %в ∙ 100,

где Д – сумма дивидендов, выплачиваемых по акциям,

%в – банковский процент по вкладам,

- то если в проекте Плана уже вписано намерение выставить на продажу акции предприятий, приносящих в год 100 млн. руб. дивидендов при банковском проценте на вклады – 5% годовых, то это дает основание планировать поступления, скажем, в инвестиционный фонд, либо на погашение кредиторской задолженности в сумме

100 млн. : 5% ∙ 100% = 2 млрд. руб.

И вновь эта цифра – еще не плановая, а прогнозная, нуждающаяся в уточнении, с учетом возможного влияния на цену акций неэкономических факторов (престижность приобретения данных акций, возможный сговор потенциальных покупателей и др.)

К функциональным близки нормативно-балансовые методы, позволяющие прогнозировать динамику межотраслевых, межрегиональных пропорций, зависимость развития ряда экономических и социальных процессов, в целом поддерживать устойчивость воспроизводства. Использование этих методов предполагает сочетание законов балансовых соотношений с уже подготовленной нормативной базой. Так, если мы знаем, что согласно закону фуражного баланса, сумма фуражных ресурсов (Рф) должна соответствовать потребностям в кормах j видов скота, то располагая данными о ресурсах кормов и нормах затрат на единицу продукции, нам необходимо таким образом прогнозировать поголовье КРС, свиней, птицы и овец, чтобы в итоге не оказаться в ситуации дефицита, либо наоборот, недоиспользования фуражных ресурсов.

Когда нормативно – балансовое планирование существенно усложнено по номенклатуре объектов плановой деятельности, а также ограничениями по условиям реализации планируемых событий, и что самое важное, включает в качестве главного условия – оптимизацию конечных результатов хозяйственной деятельности,- тогда используются оптимизационные модели и соответствующие оптимизационные методы линейного, динамичного и стохастического программирования, с которыми в дальнейшем вас познакомит кафедра Информационного обеспечения и моделирования агроэкономических систем.

Корреляционные методы в процессе прогноза используются, прежде всего, на этапе разработки нормативов, в отношении которых заранее ясно, что в плановом периоде они будут заметно отличаться от нормативов базисного периода.

Но помимо того, корреляционные методы вполне пригодны к решению плановых задач там, где искомый показатель Плана непосредственно совпадает с целевой функцией корреляционного уравнения. Рассмотрим следующий пример.

Предположим, что нам удалось составить прогноз колебаний урожайности картофеля и динамики потребностей в данном продукте на ряд лет планового периода, а теперь необходимо установить площадь посевов данной культуры с условием максимальной самообеспеченности (минимум дефицита) и минимальных затрат на поиск способов реализации излишков (минимум избыточного производства).

В этом случае можно воспользоваться корреляционной моделью вида

y_i = а x_i , ∑ ‌‌ y_i - a x_i ‌ = min

где y_i - потребность в картофеле в течение i лет планового периода

а – площадь посевов картофеля

x_i - урожайность картофеля в i-ом году

Решая данное уравнение с помощью различных алгоритмов (способ наименьших квадратов, минимизации суммы модулей и др.), мы сможем записать в План сразу несколько показателей. Один из них – это планируемая площадь посевов картофеля. Но помимо того, определив ∑ ‌‌ y_i - a x_i ‌ со знаком (-), можно измерить уровень самообеспеченности в данном продукте питания на плановый период

Важным условием эффективности корреляционных методов в предплановых расчетах является соблюдение требования по минимуму используемой информации. Этот минимум, как правило, должен не менее, чем в 10 раз превышать число искомых параметров уравнения, чтобы весомость одного неудачно выбранного объекта оказалась сравнительно несущественной. Этот показатель может быть несколько уменьшен только в том случае, если имеется высокая степень уверенности в безупречности отбора объектов для корреляционного исследования.

В связи с ограниченными возможностями современного уровня нормативного обеспечения и математического моделирования социально-экономического развития АПК, в процессе планирования весьма существенная роль принадлежит экспертным методам. На уровне предплановых оценок экспертные методы используются как для корректировки показателей, полученных расчетным путем на базе функциональных, корреляционных, оптимизационных моделей и методов, так и в случаях, когда ни один из расчетных методов не пригоден для определения интересующих нас плановых показателей.

Поэтому совершенствование технологии экспертного оценивания показателей Плана остается до сих пор проблемной задачей. Причем, сразу по многим направлениям: подбор экспертов, способы стимулирования качества их оценок, принятие решений в случаях, когда оценки противоречивы и др.

Наиболее сложный вопрос – выбор экспертов. На уровне профессиональной экспертизы необходимо руководствоваться, прежде всего, данными о сравнительной успешности прогнозов, ранее выполненных различными профессионалами. Если таковых выявить не удастся, следует использовать возможности наиболее удачливых предсказателей. В крайнем случае роль экспертов закрепляется за наиболее квалифицированными специалистами в тех областях знаний, которые имеют непосредственное отношение к объектам планирования. В оценках ожидаемых колебаний цен мирового рынка это будут экономисты-международники, работники товарных бирж, менеджеры крупных экспортных и импортных компаний; в оценках колебаний урожаев в качестве экспертов следует привлекать экономистов-аграрников, агрономов, агрометеорологов.xdsew32

Существует несколько способов математической оценки минимальной численности экспертов. Но там, где имеются веские основания относиться с доверием к прогнозам либо предсказаниям особо надежных экспертов и речь идет не о важнейших показателях Плана (производство и распределение ВВП), там можно ограничить их численность тремя-пятью экспертами.

Поскольку рекомендации различных экспертов могут не совпадать, они учитываются в процессе планирования как средневзвешенные по коэффициентам прогностического потенциала каждого эксперта. При этом возможна браковка отдельных оценочных показателей, если они существенно отклоняются от средних значений.

3.3. Технология «Зонт» в прогнозе колебаний урожаев

Анализ системы межотраслевых связей АПК свидетельствует о том, что для разработки Плана развития агропромышленного комплекса особо важное значение имеет прогноз урожайности ведущих сельскохозяйственных культур. В условиях России – это прежде всего зерновые культуры, являющиеся сырьевой основой как для зернопродуктового подкомплекса, так и для животноводства. Но, кроме того, российское зерно вполне может рассматриваться как потенциальный экспортный продукт, а потому прогнозы по урожаям данных культур необходимо осуществлять не только по территории РФ, но и по зарубежным странам – экспортерам и импортерам зерна. Прогноз урожая зерновых культур практически значим и потому, что с учетом синхронности колебаний урожайности, скажем, озимых зерновых и многолетних трав, яровых зерновых и однолетних трав, появляется возможность выйти на прогностические оценки валовых сборов нескольких видов продукции земледелия.

Современные методы прогноза урожаев можно свести к четырем группам: космо-статистические, гео-статистические, абстрактно-статистические и системно статистические.

Космо-статистические привлекают кажущейся очевидностью зависимости событий на земле от космических процессов. При этом наиболее популярной стала гипотеза формирования прогнозов на основе данных о динамике солнечной активности. Однако результаты специальных исследований гипотезы взаимосвязи чисел Вольфа (солнечной активности) и урожайности зерновых культур по материалам Украины, СССР, Канады, Австралии, США однозначно показали отсутствие сколько-нибудь существенной связи между урожайностью и солнечной активностью как в данном году, так и с годичным запаздыванием колебаний урожайности.

Гео-статистические прогнозы предполагают поиск земных факторов, способных оказывать долговременное влияние на динамику урожайности. Таковы, например гипотезы, связывающие динамику метеопроцессов с характером вулканической деятельности, с изменениями температуры Гольфстрима, с движением магнитного полюса Земли, с динамикой состава атмосферного воздуха, с колебаниями площади ледяного покрова Земли и др. К данной группе гипотез примыкает оригинальная идея К. Маркса, связывающая колебания урожайности зерновых с особенностями взаимодействия почва - погода - растения в годы, следующие за экстремальными условиями сельхозпроизводства, так называемая гипотеза “малых циклов урожаев”.

Проверка оправдываемости “малых циклов” по данным об урожайности зерновых культур в нашей стране (за 1848 - 1990 гг.), по овсу в США (за 1867 - 1990 гг.), по пшенице - в Канаде, Австралии, Аргентине, Великобритании, Италии - (с 1919 по 1990 годы), в Воронежской области - (с 1885 по 1990 годы), по ячменю в России и на Украине с 1946 по 1990 годы - подтвердила эффективность использования только двух фаз “малых циклов” в основных зернопроизводящих районах мира по различным видам колосовых, во всяком случае, в условиях преобладания богарного земледелия.

Что же касается остальных гео-статистических методов, их оправдываемость пока не получила должного подтверждения массовым фактическим материалом.

В этой связи следует внимательно отнестись к абстрактно-статистическим методам, которые предполагают изучение периодичности колебаний метеоусловий безотносительно к определению их причин, в соответствии с принципом - сначала отбор бесспорных фактов, а уже потом их всестороннее объяснение.

Специально проведенные исследования оправдываемости гипотезы равнопериодической и квазипериодической цикличности в колебаниях урожайности зерновых в целом по СССР, республикам и областям Союза за 1947 - 1990 годы, ее универсальность нигде не подтвердили. Однако обнаружилась возможность использования данной гипотезы в трансформированном виде - в исследовании устойчивости импульсивно-циклических колебаний урожаев. Так, была выявлена шестилетняя периодичность спадов урожаев на территории РФ (1921 г., 1927 г., 1933 г., 1939 г., 1945 г., 1951 г., и т.д.).

Особый интерес представляют системно-статистические методы прогнозирования, которые признают целесообразным сочетать изучение колебаний урожаев на основе как всесторонне обоснованных, так и гипотетических зависимостей, статистически выявленных предвестников и аналогов.

К системно-статистическим методам прогнозирования условий сельскохозяйственного производства относится метод “ЗОНТ”, разработанный в 60 - 70х годах, который более чем за 30 лет практического использования обеспечил 87% оправдываемости прогнозов, составленных на основе данного метода.

Столь высокая оправдываемость достигнута прежде всего благодаря специфике принятых принципов составления прогнозов, важнейшие из которых состоят в следующем:

а) Путем разбиения динамического ряда на “обучающую” и “проверочную” совокупности обязательно определяется, в какой мере статистически выявленные зависимости обладают высоким прогностическим потенциалом. При этом в качестве минимального принимается 80-процентная оправдываемость испытаний на проверочной совокупности;

б) Используется многоаспектный способ прогнозов и, в частности, учет зависимостей колебаний урожайности в изучаемом регионе - от колебаний в других регионах; учет зависимости между колебаниями урожаев в целом по зерновым - от колебаний по отдельным зерновым культурам и др.

в) Метод “ЗОНТ” предполагает далее, что разработчик прогноза ясно осознает: выполненная им вероятностная оценка предстоящих событий имеет надежность ниже 100%, причем, ошибка может поджидать в любой момент. К этому он заранее готовит потребителя прогностической информации, вырабатывая такие рекомендации по использованию прогнозов, которые будут отвечать принципу “не навреди”.

г) Метод “ЗОНТ” отличает особая последовательность выполнения прогностических работ. Он предполагает, что исследования необходимо начинать с качественного прогноза, когда прогнозные оценки получают всего два значения: “плюс” - если ожидается увеличение урожайности, в сравнении с базовым периодом, и “минус” - если предполагается ее снижение. И лишь после этого можно переходить к количественным прогнозам.

Приоритетность выполнения качественного прогноза связана как с соображениями общеметодологическими, так и с сугубо прагматическими, учитывающими состояние информационной базы и необходимость освободиться от возможно ложной корреляции в количественных измерениях. Количественный прогноз выполняется первоначально в форме интервального, а затем может быть доведен до точечного уровня.

д) Эффективность метода “ЗОНТ” во многом предопределяется спецификой выбора прогностических гипотез, в частности, последовательным перебором и взаимным наложением многообразных вариантов статистически значимых зависимостей, которые могут рассматриваться в качестве закономерностей.

Так, на основе анализа статистики урожаев зерновых культур было установлено, “что под совместным влиянием метеоусловий воспроизводства почвенного плодородия пульсация урожаев принимает форму, которая хорошо может быть описана с помощью мажорантных отношений[2], выполняющих роль своеобразного “сита”, позволяющего расчленять колебания урожаев со знаками (+) и (-). Примерами использования подобного “сита” являются рис 1-2.

Как видим, по данным всемирной статистики колебаний урожаев пшеницы в 44 случаях из 51 (86,3%) возможно четкое разграничение знаков колебаний урожайности. В РФ с помощью мажорантных отношений в поле АОD удалось вычленить 21 колебание со знаком (+) при всего 1 колебании со знаком (-); в поле СОB отграничено 20 колебаний со знаком (-) при 1 колебании со знаком (+).

Зависимость, выраженная на рис 1-2, является частным случаем общей закономерности: межгодовые колебания комплекса природных условий зернопроизводства в данном регионе происходят в зависимости от природно-климатических условий, складывающихся на определенных (индицирующих) территориях земной поверхности в предшествующем году. По существу - это развитие гипотезы К. Маркса о характере динамических связей в системе погода - почва - растения, которая, как выше указывалось, обладает высоким потенциалом оправдываемости, но, взятая сама по себе, не позволяет обеспечить достаточно регулярную разработку прогнозов, поскольку в рядах урожаев специально фиксирует только показатели экстремального уровня.

Еще одна важная закономерность в динамике комплекса природных условий зернопроизводства состоит в том, что эти колебания имеют определенные пределы по продолжительности и глубине. Так, в Великобритании за более чем 100-летний период спады урожаев пшеницы отмечались не более чем два года подряд, в США - не более чем три года подряд. Как ранее было указано, на территории Российской Федерации и некоторых ее регионов отмечаются регулярные спады урожайности зерновых культур с периодичностью в 6 лет (1921, 1927, 1933, 1939, 1945 и т.д.).

Мажорантные отношения урожаев

Рис. 1. Мир в целом: Распределение спадов (-) и подъемов (+)

урожаев пшеницы (1945-1997 гг.)

Мажорантные отношения урожаев

Рис. 2. Распределение спадов (-) и подъемов (+)

урожаев зерновых культур в России (1945-1997 гг.)

Это, например, позволяет предварительно прогнозировать в качестве вероятно неблагоприятного для зернопроизводства в РФ погодные условия 2005 г.

Однако для составления более точного прогноза необходимо, согласно требованиям метода “ЗОНТ”, оценить перспективы 2005 г. с позиций закономерностей межгодовых колебаний - в зависимости от динамики мажорантных отношений урожаев, как они выражены на рис. 3. Если они совпадут, можно будет данный прогноз представлять к практическому использованию. Если они окажутся взаимоисключающими, придется либо считать прогноз не состоявшимся, либо подключить к исследованию дополнительные закономерности.

Одно из важнейших достоинств метода “ЗОНТ” - способность к самосовершенствованию, и практика использования метода свидетельствует о тенденции повышения эффективности прогнозов, составляемых на его основе. Это связано с тем, что в последние годы метод “ЗОНТ” пополнился новыми математическими приемами обработки статистической информации.

Следует иметь в виду, что прогностический потенциал метода “ЗОНТ” еще далеко не исчерпан. Эффективность прогнозов, разрабатываемых на основе данного метода, может быть существенно повышена за счет расширения информационной базы соответствующих расчетов, более полного учета принципа многоаспектности прогностических оценок, в том числе путем сочетания прогнозов по различным культурам и регионам, а также с разновременной заблаговременностью.

3.4. От прогнозов – к показателям Плана экономического развития

Как бы тщательно не был разработан прогноз, он не способен учесть ряд объективных факторов, которые реально скажутся на итогах хозяйственной деятельности уже потому, что возможности научного знания в каждый момент ограничены. Однако часть того, что в данный момент выходит за пределы научного знания, может обнаруживаться на основе знания интуитивного, в форме представлений из индивидуального или даже массового опыта. Такого рода знания могут обладать существенным прогностическим потенциалом. Например, по данным ряда источников, оправдываемость отдельных народных примет большой заблаговременности на погоду и урожай достигает 80%. Близкими к 80% оправдываемости называют предсказания А. Дьяковым примерно 50 экстремальных погодных явлений с заблаговременностью существенно большей, чем в прогнозах Гидрометцентра СССР.

Наука не вправе игнорировать созидательные возможности предсказаний. Она должна познавать их природу, технологию, механизм, чтобы преобразовать в воспроизводимое, т.е. научное знание-прогноз. Соответственно в плановой деятельности тоже следует использовать позитивный опыт предсказателей. На этом базируется экспертная оценка предплановых расчетов, являющаяся по существу последним звеном разработки плановых показателей.

Задача экспертных оценок триедина:

- Выработка непрогнозируемых показателей Плана. Таковыми могут оказаться на региональном уровне показатели объемов ожидаемого ввоза и вывоза отдельных видов продукции, динамики цен, оттока квалифицированных кадров, не возврата дебиторской задолженности и др.

- Оценка согласованности прогнозируемых и непрогнозируемых показателей различных сторон хозяйственной деятельности - технологической, организационно-экономической, социально-экономической, финансовой, экологической, политической.

- Оценка соответствия целевым установкам Концепции всех плановых показателей (прогнозируемых и непрогнозируемых).

На данном этапе планирования экономического развития, с учетом экспертных оценок корректируются материалы предплановых расчетов, вплоть до изменения показателей целевых программ, а в ряде моментов – даже некоторых положений Концепций.

При этом в конечном счете План оказывается представленным лишь частично в форме конкретных количественных показателей, а в значительной мере в форме краткого содержательного описания тех мероприятий, с помощью которых предполагается достигнуть намеченных и количественно обозначенных ориентиров.

Качество Плана непосредственно будет зависеть от уровня профессиональной подготовки тех специалистов, которые разрабатывали План, опираясь на багаж научных знаний, но частично и на предвидческий потенциал дополнительно привлекаемых экспертов.

Глава IV. Прогноз и планирование параметров социального развития