Теоретические подходы к управлению

Получение надежных оценок будущих показателей, например, спроса на товары, стоимости материалов или готовой продукции, величины затрат - важный этап в процессе принятия текущих и долгосрочных управленческих решений. Выше были рассмотрены методы прогнозирования с помощью приемов регрессии при изучении причинно-следственных связей между показателями. Метод регрессии применяется также при прогнозировании временных рядов, исходя из прошлых, исторических данных.

Анализируя значения временного ряда, надо иметь в виду его составляющие: тренд, циклические, сезонные и случайные колебания. Если тренд - это общая направленность изменений каких-либо значений, то колебания относительно линии тренда для периода свыше одного года представляют собой циклические колебания, как правило, соответствующие циклам деловой активности, - спаду, оживлению, росту, застою.

После анализа тренда и циклических колебаний следует вычленить из временного ряда сезонные колебания внутри года. Объем продаж и сумма выручки в зимние месяцы могут быть выше, чем в летние. Неравномерная в течение года динамика относится и к другим показателям деловой активности, например к ценам на отдельные виды товаров, транспортным издержкам, к расходам по сбыту и т.д.

Случайные колебания из названных выше составляющих временного ряда нельзя заранее предусмотреть. Это поставка материалов низкого качества, поломка оборудования, какие-либо чрезвычайные обстоятельства в хозяйственной деятельности. Такие колебания представляют собой беспорядочные отклонения, которые важно учитывать при оценке вероятной точности используемой модели прогнозирования.

Для выделения тренда используют разные приемы сглаживания, в том числе скользящих средних и экспоненциальное. Скользящие средние могут рассчитываться по трем, пяти, семи значениям временного ряда или по четным значениям. От количества точек при вычленении скользящих средних зависит степень сглаживания, снятие колебаний по отношению к линии тренда. Использование малого количества значений облегчает расчеты, однако снижает возможность получения объективного тренда.

Для устранения колебаний в ряде значений можно использовать экспоненциальное сглаживание. Расчет сглаженных значений в этом случае производится по алгоритму

S_t =

где S_t - текущее сглаженное значение;

S_t-1 - предыдущее сглаженное значение;

X_t - текущее значение временного ряда;

б - сглаживающая константа.

Сглаживающая константа выступает в качестве весов. Чаще всего используется ее значение в пределах от 0,1 до 0,3. Для конкретных случаев приходится подбирать приемлемое значение сглаживающей константы, имея в виду, что чем меньше значение, тем менее оно чувствительно к изменениям тренда в данном временном ряду. Малое значение константы приводит к большему сглаживанию, а большее ее значение более точно отражает изменения тренда.

С удалением горизонта прогноза достоверность расчетов будет снижаться.

Обратимся к сезонной составляющей временного ряда. Сезонные колебания достаточно часто сопровождают динамику, например, в торговой и сбытовой деятельности, в ряде производств добывающей и перерабатывающей, в пищевой промышленности. При оценке сезонных колебаний используются два метода - сложения и умножения.

Первый целесообразно применять тогда, когда сезонные составляющие относительно постоянны по всему анализируемому периоду. Значение временного ряда в этом случае представляет собой сумму тренда и сезонной составляющей.

Метод умножения целесообразно использовать, когда сезонные колебания пропорциональны значениям тренда по всему периоду. Значения временного ряда будут представлять собой произведение тренда и сезонной составляющей, рассчитанной как отношение исходного значения к значению тренда, который, в свою очередь, может быть определен на основе, например, скользящих средних.

Прогнозируемые показатели каждого сезона предстоящего года будут представлять собой сумму тренда и среднего значения сезонного колебания в соответствующем периоде. Если для вычисления прогнозных значений временного ряда воспользоваться методом умножения, то оценочные показатели сезонных отклонений будут равны частному от деления исходных значений на значения тренда, например на скользящие средние. В этом случае прогнозные показатели рассчитываются путем умножения тренда на средние значения коэффициента отклонений (метод умножения), рассчитанные для каждого сезона.

Иногда трудно выбрать метод расчета. Считается, что при почти одинаковых колебаниях исходных значений целесообразно применять метод сложения. Если колебания изменяются вслед за динамикой тренда, то более точным может быть метод умножения.

Вычленение и анализ такого элемента временных рядов, как случайные колебания, может использоваться для определения вероятных ошибок и оценки надежности модели прогнозирования. Случайные колебания расцениваются как ошибки прогноза. Разность между фактическими и прогнозируемыми значениями характеризует допущенную ошибку. Для оценки ошибок существуют статистические показатели - средняя ошибка и среднеквадратическая ошибка. Чем меньше значения этих критериев, тем больше надежность прогнозной модели.

Обычно для признания модели объективной ее проверяют путем сравнения фактических и прогнозных показателей, прежде чем использовать в дальнейших исследованиях. Эффективным может оказаться прием, когда прогнозная модель формируется исходя из усеченных исторических данных, т.е. фактические значения последнего периода исключаются из прогнозных расчетов и используются как фактические показатели для оценки прогноза. Надежность модели зависит от протяженности временного ряда, как правило, не менее 4-5 лет, причем без нетипичных данных.

У аналитика практически всегда есть выбор из нескольких моделей прогнозирования, и необходимо сделать его правильно, в пользу наиболее объективной модели, способной помочь в принятии эффективного делового решения.

На точность прогнозов могут оказать влияние непредвиденные обстоятельства и внешние факторы: стихийные бедствия, изменения валютнообменных курсов и процентных ставок, смена конкурентами политики ценообразования и т.д. Такие факторы невозможно заранее предусмотреть, и они не включатся в модель прогнозирования. Однако аналитики должны иметь в виду определенную вероятность появления внешних дополнительных факторов и возможные их последствия, используя в аналитической практике подготовку нескольких вариантов прогнозов.