Формализованные методы прогнозирования

Формализованные методы прогнозирования базируются на математической теории, которая обеспечивает повышение достоверности и точности прогнозов, значительно сокращает сроки их выполнения, позволяет облегчить деятельность по обработке информации и оценке результатов. В состав формализованных методов прогнозирования входят: методы экстраполяции и методы математического моделирования.

Термин «экстраполяция» имеет несколько толкований. В широком смысле слова экстраполяция – это метод научного исследования, заключающийся в распространении выводов, полученных из наблюдений над одной частью явления, на другую его часть. В узком смысле – это нахождение на ряду данных функций других ее значений, находящиеся вне этого ряда. Экстраполяция заключается в изучении сложившихся в прошлом и настоящем тенденций экономического развития и перенесении их на будущее. В прогнозировании экстраполяция применяется при изучении временных рядов и представляет собой нахождение значений функций за пределами области ее определения с

использованием информации о поведении данной функции в некоторых точках, принадлежащих области ее определения.

В экстраполяционных прогнозах предсказание конкретных значений изучаемого объекта или параметра в какой – то определенный период времени не считается основным компонентом. Особо важным здесь является своевременное фиксирование объективно намечающихся сдвигов, выявление закономерных тенденций развития явления или процесса.

Под тенденцией развития понимают некоторое его общее направление, долговременную эволюцию. Обычно тенденцию стремятся представить в виде более или менее гладкой траектории.

Для повышения точности экстраполяции используют различные приемы. Например, экстраполируемая часть общей кривой развития (тренд) корректируется с учетом реального опыта функционирования отрасли – аналога исследований или объекта, опережающих в своем развитии прогнозируемый объект.

Тренд – это изменение, определяющее общее направление развития, основную тенденцию временных рядов. Под ним понимается характеристика основной закономерности движения во времени, в некоторой мере свободной от случайных воздействий. Тренд – это длительная тенденция изменения экономических показателей. При разработке моделей прогнозирования тренд оказывается основной составляющей прогнозируемого временного ряда, на которую уже накладываются другие составляющие. Результат при этом связывается исключительно с ходом времени. Предполагается, что через время можно выразить влияние всех остальных факторов.

Операцию экстраполяции в общей форме можно представить в виде определения значения функции:

Y_i + L = F (Y_i^k х L), (1)

где Y_i + L – экстраполируемое значение уровня;

L – период упреждения; Y_i^k – уровень, принятый за базу экстраполяции.

Задача прогноза состоит в определении вида экстраполирующих функций на основе исходных эмперических данных и параметров выбранной функции. Первым этапом является выбор оптимального вида функции, дающей наилучшее описание тренда. Следующим этапом является расчет параметров выбранной экстраполяционной функции. При оценке параметров зависимости наиболее распространенными являются метод наименьших квадратов и его модификаций, метод экспоненциального сглаживания, метод скользящей средней и др.

Сущность метода наименьших квадратовсостоит в минимизации суммы квадратических отклонений между наблюдаемыми и расчетными величинами. Данный метод широко применяется в прогнозировании в силу его простоты и возможности реализации на ЭВМ. Недостаток метода состоит в том, что модель тренда жестко фиксируется, а это делает возможным его применение только при небольших периодах упреждения, т.е. при краткосрочном прогнозировании.

Метод экспоненциального сглаживания дает возможность получить оценки параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения. Данный метод

применяется при кратко- и среднесрочном прогнозировании. Его преимущества

состоят в том, что он не требует обширной информационной базы и предполагает ее интенсивный анализ с точки зрения информационной ценности различных членов временной последовательности. Модели, описывающие динамику показателя, имеют простую математическую формулировку, а адаптивная эволюция параметров позволяет отразить неоднородность и текучесть свойств временного ряда.

Метод скользящей средней дает возможность выравнивать динамический ряд путем его расчленения на равные части с обязательным совпадением в каждой из них сумм модельных и эмпирических значений.

В составе технологии прогнозирования выделяют следующие основные элементы:

-формализованные экономико-математические модели и методы;
-правила и процедуры принятия неформализованных решений;

-методы согласования формализованных и неформализованных процедур в процессе проведения прогнозных расчетов.