Прогнозування на основі динамічних моделей

Головною метою досліджування трендових моделей є розрахунок прогнозів про розвиток досліджуваного процесу. Прогнозування часового ряду ґрунтується на методі екстраполяції, тобто спостерігаючи певну тенденцію зміни процесу в минулому продовжуємо її із заданою ймовірністю в майбутнє, при цьому припускається, що економічний показник формується під впливом багатьох факторів, визначити кожен з яких неможливо або відсутня кількісна інформація про їх рівень. В цьому випадку зміну тенденції певного економічного показника пов’язують не з факторами, а з плином часу.

Застосування методу екстраполяції, використовуючи криві зростання, базується на двох припущеннях:

1) часовий ряд справді має тренд;

2) тенденція, яка виявлена у минулих періодах, не буде мати суттєвих змін у майбутньому.

Процес екстраполяційного прогнозування за трендовими моделями складається з таких етапів:

1) попередній аналіз даних;

2) вибір найбільш ефективної моделі;

3) оцінювання параметрів моделі;

4) визначення адекватності моделі;

5) оцінювання точності моделі;

6) розрахунок точкового та інтервального прогнозів;

7) верифікація прогнозу.

Методи прогнозу залежать від горизонту прогнозу. Горизонтом прогнозу називають проміжок від моменту, для якого зафіксоване останнє експериментальне значення показника, до моменту, з яким співставляють прогноз.

Необхідно зазначити, що за допомогою трендів можна визначити лише точкові значення досліджуваного показника, проте значення цього показника для будь-якого моменту, в тому числі і прогнозованого є випадковою величиною бо на його формування впливають також випадкові фактори.

Отже, ймовірність того, що при досягненні в часі моментом, для якого виконано прогноз, дійсне значення показника буде рівнем прогнозованому, є дуже малою, майже = 0, тому є сенс говорити лише про межі, в яких буде знаходитись дійсне значення показника.

Одним із шляхів отримання таких меж є розрахунок інтервалів довіри значень прогнозованого показника.

Прогнозування поділяється на:

1) короткотермінове;

2) середньо термінове;

3) довготермінове.

При короткотерміновому прогнозуванні числові значення досліджуваного показника беруться за невеликі проміжки в минулому, а прогноз визначається на один, два вибрані проміжки в майбутньому.

Методи короткотермінового прогнозування з використанням часових рядів доцільно використовувати в таких випадках:

1) при наявності даних за проміжок часу, який не перевищує одного року;

2) при виконанні прогнозу по конкретному показнику для наступного моменту часу.

Середне і довготермінове прогнозування використовується за таких умов:

1) необхідно мати одноразовий прогноз, який в більшості випадків не треба корегувати із появою нових даних;

2) наявні щорічні дані за попередні періоди;

3) прогноз треба виконати при відносно малій кількості початкових даних;

4) прогнозується динаміка досить складного процесу.

До моделей середньо- та довготермінового прогнозування ставлять більш високі вимоги, ніж до моделей короткотермінового прогнозування. Такі моделі є більш складні, широко використовуються лінійні та нелінійні залежності, велика увага приділяється точності прогнозу