Главная | Обратная связь | Поможем написать вашу работу!

Моделі і методи прогнозування, загальна характеристика

За оцінками фахівців, у даний час нараховується білш 150 різних методів прогнозування, але на практиці як основні використовуються близько 20. Під методами прогнозування розуміється сукупність прийомів і способів мислення, що дозволяють на основі ретроспективних даних, екзогенних (зовнішніх) і ендогенних (внутрішніх) зв'язків об'єкта прогнозування, а також їх змін вивести судження визначеної вірогідності відносно майбутнього його розвитку.

До числа найбільш важливих класифікаційних ознак методів прогнозування відносяться: ступінь формалізації; загальні принципи дії; спосіб одержання й обробки інформації; напрямок і призначення прогнозування; процедура одержання параметрів прогнозування і т.і. На рис. 3.1 представлена класифікаційна схема методів прогнозування.

За ступенем формалізації методи економічного прогнозування можна розділити на інтуїтивні і формалізовані. У тих випадках, коли через значну складнісь об'єкта прогнозування неможливо врахувати вплив багатьох факторів, використовують інтуїтивні методи, тобто методи, засновані на оцінках експертів. Розрізняють індивідуальні і колективні експертні оцінки. Індивідуальні експертні оцінки включають:

метод інтерв'ю, при якому здійснюється безпосередній контакт експерта з фахівцем за схемою «питання - відповідь»;

аналітичний метод, при якому здійснюється логічний аналіз якої-небудь прогнозованої ситуації;

метод написання сценарію, заснований на визначенні логіки процесу чи явища в часі за різними умовами.

Рис. 3.1 - Класифікація методів прогнозування

До складу колективних методів експертних оцінок входять: метод комісій; метод Дельфі; метод колективної генерації ідей («мозкова ата-

ка»); матричний метод (метод сценаріїв).

Застосування цих методів засноване на колективному мисленні, дозволяє підвищити точність результатів і при обробці незалежних оцінок експертів можуть виникнути продуктивні ідеї.

У групі формалізованих методів виділяють дві підгрупи: екстраполяції і моделювання. До першої групи відносяться методи найменших квадратів, експоненціального згладжування, ковзаних середніх. До другого - структурне, мережне, матричне й імітаційне моделювання.

Комбіновані методи використовують для побудови досить складних соціально-економічних прогнозів, де дуже важлива обробка як якісної, так і кількісної інформації.

Залежно від способу формального визначення соціально-економічних систем – структуровані, слабоструктуровані, неструктуровані, можуть бути використані різні методи апарату прогнозування.

Для рішення сувороформалізованих задач прогнозування використовують традиційні методи - методи аналізу часових рядів методи математичного програмування тощо.

Для рішення слабоформалізованих задач потрібно використовувати методи статистичного та імітаційного моделювання.

Для рішення неформалізованих задач прогнозування доцільно викори-стовувати різні класи експертних методів, експертні системи і системи підтримки прийняття рішень.

Серед формалізовних методів прогнозуання широке розповсюдження на практиці мають методи прогнозування на основі моделей регресії, методи експоненціального згладжування. Для їх реалізації можна використовувати програмні продукти MS Excel РЕГРЕССИЯ и ЭКСПОНЕНЦИАЛЬНОЕ СГЛАЖИВАНИЕ.

В Excel можна також використовувати різні методи побудови прогнозу-ючих функцій. Для цих цілей застосовують вбудовані статистичні функції: ЛИНЕЙН, ТЕНДЕНЦИЯ, РОСТ, а також пакет АНАЛИЗ ДАННЫХ.

Виклик вбудованих функцій виконують звичайним чином. Кожна з зазначених функцій вимагає вказати масиви вихідних даних, а також константи. Функція ЛИНЕЙН вимагає ввести масив значень функції Y, масив значень аргументу X, а потім двічі ввести константу ИСТИНА. Для виводу вихідного масиву необхідно оголосити область для результатів і послідовно натиснути клавіші F2, Ctrl+Shift+Enter.

Функція Excel ТЕНДЕНЦИЯ вимагає вказати масив значень функції, масив значень аргументу. Щоб одержати прогноз на наступний період, вводять масиви Y і X, а також вказують посилання на комірку з відомим значенням Х.

Функцію Excel РОСТ застосовують, коли функція Y є нелінійною. Аргументи функції РОСТ аналогічні аргументам функції ТЕНДЕНЦИЯ. Щоб переглянути результати виконання функції ТЕНДЕНЦИЯ, РОСТ, необхідно виконати ті ж дії, що і при виведенні результатів функції ЛИНЕЙН.

Пакет аналізу містить ряд програм з аналізу даних. Для цілей прогнозування можна використовувати такі готові програмні модулі, як ЭКСПОНЕНЦИАЛЬНОЕ СГЛАЖИВАНИЕ, РЕГРЕССИЯ, СКОЛЬЗЯЩЕЕ СРЕДНЕЕ.

Програмний модуль ЭКСПОНЕНЦИАЛЬНОЕ СГЛАЖИВАНИЕ забезпечує розрахунки за моделлю

, (3.1)

де y , y - прогноз функції в періоді t, t- 1 - відповідно;

a - параметр згладжування, що визначає "вагу" значення y в періоді t;

y - фактичне значення y в періоді t.

Чим більше значення a, тим сильніший вплив коливань ряду даних і навпаки. При невеликих значеннях a процес є більш інерційним стосовно фактичних значень показника і більше враховуються прогнозні значення попереднього періоду. Параметр згладжування рекомендують вибирати на рівні 0,7 і вище. Параметр згладжування зв'язаний з фактором "затухание" формулою: "затухание" = 1- a. Тому досить задатися значенням одного з них.

Програмний модуль ЭКСПОНЕНЦИАЛЬНОЕ СГЛАЖИВАНИЕ вимагає задати наступні опції: вхідний інтервал, тобто масив вхідних даних; фактор "затухание" (1-a), вихідний інтервал, у якому будуть зафіксовані розрахункові значення функції, деякі інші.

Програмний модуль РЕГРЕССИЯ забезпечує побудову моделі лінійної регресії - одно- або багатофакторної, а також розраховує ряд параметрів.

Модель однофакторної регресії має вигляд

, (3.2)

де x - аргумент;

y - функція (результативний показник), яка залежить від змін аргументу;

- коефіцієнти регресії.

Якщо розглядається часовий ряд, то аргументом виступає фактор часу, тобто номер часового періоду.

Модуль вимагає вказати наступні опції: "выходной интервал Y "; "входной интервал Х"; "уровень надежности" (0,95); "параметр вывода" - задається за замовчуванням. Доцільно також передбачити виведення "остатков" і їхнього графіка, "стандартизованных остатков" і "графика подбора".

Інструмент РЕГРЕССИЯ видає багато корисної інформації, представленої в трьох розділах. У першому вказуються коефіцієнти множинної кореляції і детермінації (чим вони ближче до 1, тим модель більш точна), а також стандартна помилка S . У другому розділі, зокрема, наводяться значення MS залишків (залишкова дисперсія ), критерію Фишера, рівня його значущості (чим цей рівень нижчий, тим модель точніша). У третьому розділі вказуються значення коефіцієнтів регресії (вільний член – "Y-пересечение", коефіцієнти при змінних), середньоквадратична похибка, t - статистика Стьюдента для кожного коефіцієнта, значення верхньої і нижньої меж 95-процентного рівня надійності для цих коефіцієнтів. Якщо було передбачено виведення залишків, то додатково виводяться розраховані за рівнянням значення функції (Предсказание) і різниці (Остатки).

⇐ Предыдущая 1 2 3 4 567 8 9 10 Следующая ⇒