Министерство образования и науки Украины Донецкий национальный университет экономики и торговли имени Михаила Туган-Барановского
Синенький М.А, Шумила А.И.
Руководитель: Коновал А.А.

Методы прогнозирования в экономических исследованиях

В данной статье рассматриваются основные методы прогнозирования, которые необходимы для того, чтобы анализировать данные ряда времени и предсказывать их будущие значения.

На современном этапе развития экономики и методов прогнозирования ее развития, работают такие ученые: Орлов А.И, Кнышова Е.Н, Бережная Е.В.

Прежде чкм рассматривать методы прогнозирования определим, что под этим термином понимается с эклномической точки зрения, так Кнышова Е.Н., прогнозирование представил как проектирование желаемого будущего предприятия и эффективных путей его достижения [5]. Бережная Е.В, дала определение прогнозированию как вид деятельности, связанный с постановкой целей, задач и действий в будущем [1]. На наш взгляд наиболее точно представил в своих работах Орлова А.И, представив его как разработку прогноза в узком значении – специальные научные исследования конкретных перспектив развития какого-либо явления [1].

Прогнозирование всегда ориентируется на данные прошлого, но стремится определить и контролировать развитие предприятия в перспективе. Поэтому надёжность прогнозирования зависит от точности полученной и обработанной информации – фактических показателей прошлого.

Прогнозы всегда опираются на некоторые предположения. Наиболее обычным является предположение стабильности: «если существующие тенденции и связи сохраняются…», «если не произойдёт ничего необычного…». Однако иногда надо спрогнозировать развитие интересующего экономиста процесса как раз в необычных условиях.

Прогнозирование имеет большое значение в планировании и управлении. Рассмотрим основные методы прогнозирования, применяемые на современном этапе развития экономики.

1. Прогнозирование с помощью метода экспоненциального сглаживания. Метод экспоненциального сглаживания – достаточно эффективный и надёжный метод среднесрочного прогнозирования. Его преимущество в том, что он позволяет придавать большие веса членам динамического ряда, стоящим ближе к началу периода прогноза. Сущность метода заключается в сглаживании исходного динамического ряда взвешенной скользящей средней [1].

Алгоритм расчета экспоненциально сглаженных значений в любой точке ряда i основан на трех величинах: фактическое значение Ai в данной точке ряда i; прогноз в точке ряда Fi; некоторый заранее заданный коэффициент сглаживания W, постоянный по всему ряду.

Новый прогноз можно записать формулой: [5]

(1)

При практическом использовании метода экспоненциального сглаживания возникает две проблемы: выбор коэффициента сглаживания (W), который в значительной степени влияет на результаты и определение начального условия (Fi).

2. Прогнозирование с использованием эвристического метода. Эвристический метод прогнозирования основан на использовании мнения специалистов в данной области знания и, как правило, используется для прогнозирования потоков, формализацию которых нельзя провести к моменту прогнозирования. Рассмотрим прогнозирование объемов потребления материальных ресурсов. Обработка данных экспертного прогноза включает следующие этапы:

– Определяется сумма рангов каждого значения прогнозного спроса на материальные ресурсы: [5]

(2)

где aij – ранг, присвоенный каждому j-му значению спроса i-м экспертом, n – число экспертов, участвовавших в оценке.

– Определяется среднее значение суммы рангов:

(3)

– Определяется сумма квадратов отклонений сумм рангов: [5]

(4)

– Определяется множественный коэффициент ранговой корреляции

(коэффициент конкордации), позволяющий оценить степень согласованности

мнений экспертов: [5]

(5)

Коэффициент конкордации может изменяться в пределах от 0 до 1. Если он существенно отличается от 0, то можно считать, что между мнениями экспертов существует определенное согласие.

– Производится оценка неслучайности согласия мнений экспертов с помощью критерия Пирсона при числе степеней свободы r=(m-1), заданном уровне значимости α =0,05 и доверительной вероятности р=(α -1):

(6)

После проведенных преобразований определяется весовой коэффициент (степень важности) для каждого варианта прогнозного спроса объемов потребления материальных ресурсов: [5]

(7)

Сложность применения метода состоит прежде всего в том, что здесь обычно нет возможности найти решение чисто математическими методами, поскольку, как правило, не удается точно определить величины (функционалы), подлежащие оптимизации (экстремализации) в математическом смысле.

Описанные методы прогнозирования являются основой однако редко используются на практике в чистом виде, поэтому возникает потребность в синтезе различных методов.

3. Комбинированное прогнозирование это сочетание (синтез) количественных и качественных методов прогнозирования позволяет компенсировать недостатки одних способов достоинствами других [2].

Алгоритм комбинированного прогноза состоит в следующем:

– С помощью экстраполяционного прогноза находится среднее

значение прогноза? Q

Помимо среднего значения прогноза рассчитывается среднее квадратическое отклонение: [5]

(8)

где Qi – величина середины i- го интервала.

t– теоретические значения прогноза.

– Составляется ряд вероятностного спроса на запасные части и рассчитывается значение функции распределения прогнозируемого спроса F(Q) при условии, что она подчиняется нормальному закону распределения: [5]

(9) где Qi – величина середины i- го интервала.

– Производится экспертная оценка значимости каждого варианта спроса на запасную часть.

– Производится статистическая обработка мнений экспертов и после ранжирования каждому Qi присваивается новый номер в порядке убывания; т.е. интервалу Qi с наименьшей суммой баллов присваивается номер 1 и т.д. Положим, что интервалу Q1 соответствует наиболее правдоподобная гипотеза (П1), затем вторая (П2) и т.д.

– Вероятности гипотез (П1), (П2), …, (Пн) определяются по формуле: [5]

> (10)

– Восстанавливают функцию распределения экспертного прогноза спроса на запасную часть F(Qэi).

– Для восстановления «экспертной» функции находят среднее значение Qэ и дисперсию Dэq.

Статистические параметры экспертного прогноза рассчитываются с использованием формул для среднего значения: [5]

(11)

и среднего квадратического отклонения

(12)

Весовые коэффициенты комбинированного прогноза определяются по следующим формулам: [5]

(13)

(14)

где μ1 и Dq – весовой коэффициент и дисперсия экстраполяционного прогноза;

μ2 и Dэq – весовой коэффициент и дисперсия экспертного прогноза.

– Вероятности F* (Qi) для комбинированного прогноза рассчитываются следующим образом: [5]

(15)

В настоящее время следует отметить непрерывно растущую потребность в прогнозах. Возрастает актуальность повышения качества прогнозных исследований. Это требует более углубленного изучения и разработки основных проблем, возникающих в прогнозировании. Рассмотренные методы прогнозирования имеют свои плюсы и недостатки. Одним из способов устранения этих недостатков и повышения эффективности плюсов по нашему мнению является использование комбинированных методов сочетающих в себе приемы и алгоритмы следуемых из базовых. Базовые методы в составе комбинированных взаимодополняют друг друга. Зачастую один из них рассматривается как инструмент дополнительного контроля результатов, полученных другими методиками.

Литература

1. Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем. – М.: Финансы и статистика, 2006. – 368 с.
2. Бережная В.И., Порохня Т.А., Цвиринько И.А. Управление материальными потоками микрологистической системы автотранспортного предприятия. – Ставрополь: СевКавГТУ, 2005. – 198 с.
3. Кнышова Е.Н. Менеджмент: Учебное пособие. – М.: ФОРУМ: ИНФРА-М, 2003. – 304 с. – (Серия «Профессиональное образование»).
4. [сылка более недоступна}
5. [сылка более недоступна}