Прогнозирование на основе рядов динамики и регрессионных моделей

Прогнозирование – научное исследование, направленное на определение перспектив развития явления на основе глубокого анализа тенденций развития социально-экономических явлений и их взаимосвязей. Для прогноза характерны вероятностное наступление события, а также альтернативные варианты и сроки достижения события. Прогноз часто используется в процессе планирования, включая в себя прошлые тенденции развития явления и повышая точность принимаемого решения.

В настоящее время в мире созданы мощные международные организации, осуществляющие прогнозирование в различных областях жизни общества, в том числе в экономике. В экономически развитых странах особую роль играют конъюнктурные прогнозы, в которых оценивается экономическая ситуация: на рынке отдельного товара, в конкретном секторе экономики, на мировом рынке. В прогнозах рассматриваются не только объективно складывающиеся тенденции развития, но и возможные последствия осуществления, например, государственных мер, нацеленных на решение проблем экономики страны.

Для составления прогноза необходимы научные исследования количественного и качественного характера, включая количественную оценку на будущее. Временные и пространственные горизонты прогноза зависят от сущности рассматриваемого явления. Часто используются итеративные алгоритмы прогнозирования. Точность прогноза проверяется временем. Прогнозирование социально-экономических явлений и процессов тесно связано как с процессами экономики, так и демографическими, социально-медицинскими, потребительскими и т.д.

Период, на который дается оценка тенденции социально-экономического явления, называется периодом упреждения. Выделяют в зависимости от периода упреждения прогнозы: оперативные (до 1 месяца), краткосрочные (до 1 года), среднесрочные (1-5 лет), долгосрочные (свыше 5 лет). Методы прогнозирования для различных видов прогноза также различны.

Оперативный прогноз основан на предположении, что в течение периода упреждения не произойдет существенных изменений в деятельности предприятия, таким образом, прогнозные оценки основываются на стабильности тренда ряда динамики.

Краткосрочный прогноз также основан лишь на количественных изменениях изучаемого явления, представленных динамическим рядом.

Среднесрочный и долгосрочный прогнозы учитывают кроме количественных и качественные изменения социально-экономического процесса. Если в краткосрочном прогнозе могут быть использованы изолированные ряды динамики и методы экстраполяции тренда, то среднесрочный и долгосрочный прогнозы требуют содержательного исследования системы, в том числе характеризующих систему рядов динамики.

Метод прогнозирования – способ исследования объекта прогнозирования, направленный на разработку прогноза. Выделяют следующие подходы к прогнозированию:

1) поисковый прогноз;

2) нормативный (нормативно-целевой) прогноз.

Поисковые прогнозы основаны на анализе рядов динамики и выдвижении гипотезы о сохранении тенденции и механизма формирования явления. Используются в этом случае методы экстраполяции или методы статистического моделирования.

Нормативные прогнозы предполагают наличие целевой установки, определяющей нормы, которые должны действовать в будущем, например, при прогнозировании спроса.

Первоначальные прогнозы сводятся, как правило, к экстраполяции тенденции, при этом могут использоваться разные методы в зависимости от исходной информации. Основные методы экстраполяции тенденций представлены на рис.11.1.

Упрощенные методы используются при недостаточной информации о предыстории развития явления. К этой группе методов относятся:

- прогнозирование на основе стационарного ряда, в котором отсутствует тенденция развития (такие ряды в экономике сравнительно редки, однако используются при изучении динамических рядов из относительных и средних величин, например, сумма подоходного налога в процентах к фонду оплаты труда на предприятиях РФ);

- прогнозирование на основе средних показателей динамики (скорость изменения уровней динамического ряда за определенный отрезок времени – средний абсолютный прирост – принимается стабильным и развитие явления происходит по арифметической прогрессии).

Рис.5.4. Основные методы экстраполяции тенденций

Адаптивные методы используются в условиях, когда вариация уровней динамического ряда значительна.

Аналитические методы экстраполяции тенденций основаны на представлении закономерности развития явления во времени в виде уравнения тренда.

Методы статистического моделирования в зависимости от исследуемой информации подразделяют на статические и динамические методы.

Статические методы включают методы регрессии, с помощью которых моделируемый объект представлен в виде математической функции от ряда факторов. Сложные социально-экономические объекты могут описываться системой взаимосвязанных уравнений. Качество прогноза зависит от реальности прогноза факторов.

Динамические методы статистического моделирования основаны на подробном изучении временных рядов: уровни динамического ряда рассматриваются как функция тенденции, периодических (сезонных) и случайных колебаний. Регрессия по взаимосвязанным рядам динамики широко применяется для прогнозирования макроэкономических показателей.

Методы статистического моделирования входят в группу методов многофакторного моделирования, к которым относятся также логическое моделирование, включающее моделирование по исторической аналогии, методы сценариев и дерева целей.

Метод сценариев подробно описывается моделирующая ситуация и дается обзор информации, которая должна быть учтена при прогнозировании. Метод дерева целей предполагает, что для объекта прогноза существует несколько иерархических уровней и прогноз осуществляется последовательно по отдельным стадиям от низшего уровня к более высоким. Оба метода относятся к методам прогнозирования сложных систем.

Классификация методов статистического прогнозирования достаточно условна и на практике при прогнозировании используют сочетание методов, например: методы скользящей средней дополняются уравнением тренда, авторегрессионными преобразованиями; экстраполяция тенденций дополняется авторегрессией остатков; уравнение регрессии может включать показатели тенденции развития и т.д.