14.2 Сущность методов социально-экономического прогнозирования. Классификация методов социально-экономического прогнозирования

Под методами прогнозирования следует понимать совокупность приемов и способов мышления, позволяющих на основе анализа ретроспективных данных, экзогенных (внешних) и эндогенных (внутренних) связей объекта прогнозирования, а также их измерений в рамках рассматриваемого явления или процесса вывести суждения определенной достоверности относительно его (объекта) будущего развития.

По оценкам отечественных и зарубежных ученных, в настоящее время насчитывается свыше 20 методов прогнозирования, однако число базовых значительно меньше (15-20). Многие из этих методов относятся скорее к отдельным приемам и процедурам, учитывающим нюансы объекта прогнозирования. Другие представляют собой набор отдельных приемов, отличающихся от базовых или друг от друга количеством частных приемов и последовательностью их применения. Наиболее широко применяются трендовые и адаптивные методы прогнозирования. Цель адаптивных методов – построение самонастраивающихся моделей, которые способны учитывать информационную ценность различных членов временного ряда и давать достаточно точные оценки будущих членов данного ряда. В основе адаптивного направления лежит простейшая модель экспоненциального сглаживания, основанная на вычислении экспоненциально взвешенной скользящей средней. Основные адаптивные методы прогнозирования: метод авторегрессии, скользящей средней (Бокса-Дженкинса и адаптивной фильтрации), экспоненциального сглаживания (модели Хольта, Брауна и экспоненциальной средней) и т. д.

Экстраполяцию, применяемую для поиска неизвестных членов ряда в процессе прогнозирования, в общем виде можно представить зависимостью (14.1):

, (14.1)

где — прогнозируемый уровень;

y_i — текущий уровень прогнозируемого ряда;

Т — период упреждения;

a_j — параметр уравнения тренда.

В зависимости от того, какие принципы и исходные данные положены в основу прогноза, выделяются следующие простейшие методы экстраполяции:

• среднего абсолютного прироста;

• среднего темпа роста;

• на основе выравнивания рядов по какой-либо аналитической формуле.

Прогнозирование по среднему абсолютному приросту применяется в том случае, когда есть основания считать абсолютную тенденцию линейной, т.е. метод основан на предположении о равномерном стабильном изменении уровня. В данном случае экстраполяция осуществляется по зависимости (14.2):

, (14.2)

где — экстраполируемый уровень;

(i + t) — номер этого уровня (года);

i — номер последнего уровня (года) исследуемого периода, за который рассчитан ;

t — срок прогноза (период упреждения);

— средний абсолютный прирост.

Следует иметь в виду, что использование среднего абсолютного прироста для прогноза возможно только при выполнении следующего условия (14.3):

, (14.3)

где ,

.

Прогнозирование по среднему темпу роста осуществляется в случае, когда установлено, что общая тенденция ряда характеризуется показательной (экспоненциальной) кривой. Для нахождения тенденции необходимо определить средний коэффициент роста, возведенный в степень, соответствующую периоду экстраполяции (14.4):

, (14.4)

где y_i — последний уровень ряда динамики;

t — срок прогноза;

— средний коэффициент роста.

При анализе рядов динамики иногда приходится прибегать к определению некоторых неизвестных уровней внутри данного ряда динамики, т.е. к интерполяции. Как экстраполяция, так и интерполяция могут проводиться на основе среднего абсолютного прироста, среднего темпа роста и с помощью аналитического выравнивания.

Важной управленческой задачей, решаемой с использованием рядов динамики, является определение общей тенденции развития. Одним из наиболее элементарных способов изучения общей тенденции в ряду динамики является укрупнение интервалов. Этот способ основан на укрупнении периодов, к которым относятся уровни ряда динамики.

Пример

Имеются данные о выпуске продукции группой предприятий по месяцам (млн. руб.):

Январь	23,2	Июль	28,4
Февраль	19,1	Август	24,1
Март	22,3	Сентябрь	26,3
Апрель	25,1	Октябрь	29,1
Май	24,5	Ноябрь	30,3
Июнь	27,3	Декабрь	26,5

Для выявления общей тенденции роста выпуска продукции произведем укрупнение интервалов. Для этой цели исходные (месячные) данные о выработке продукции объединяем в квартальные и получаем показатели выпуска продукции группой предприятий по кварталам:

I — 64,5;

II — 76,9;

III — 78,8;

IV — 85,9.

В результате укрупнения интервалов общая тенденция роста выпуска продукции данной группой предприятий выступает отчетливо:

64,5 < 76,9 < 78,8 < 85,9.

Выявление общей тенденции ряда динамики можно произвести также путем сглаживания ряда динамики с помощью метода скользящей средней. Сущность этого приема состоит в том, что по исходным уровням ряда (эмпирическим данным) определяют расчетные (теоретические) уровни. При этом посредством осреднения эмпирических данных индивидуальные колебания погашаются, и общая тенденция развития явления выражается в виде некоторой плавной линии (теоретические уровни).

Основное условие применения этого метода состоит в вычислении звеньев подвижной (скользящей) средней из такого числа уровней ряда, которое соответствует длительности наблюдаемых в ряду динамики циклов.

Недостатком способа сглаживания рядов динамики является то, что полученные средние не дают теоретических закономерностей (моделей) рядов, в основе которых лежала бы математически выраженная закономерность и это позволяло бы не только выполнить анализ, но и прогнозировать динамику ряда на будущее.

Значительно более совершенным приемом изучения общей тенденции в рядах динамики является аналитическое выравнивание. При изучении общей тенденции методом аналитического выравнивания исходят из того, что изменения уровней ряда динамики могут быть с той или иной степенью точности приближения выражены усреднённо с помощью определенных математических функций. Путем теоретического анализа выявляется характер развития явления, и на этой основе выбирается то или иное математическое выражение типа изменения явления: по прямой, по параболе второго порядка, показательной (логарифмической) кривой и т.п.

Очевидно, что уровни временных рядов формируются под совокупным влиянием множества длительно и кратковременно действующих факторов, в т.ч. различного рода случайностей. Изменение условий развития явления приводит к более или менее интенсивной смене самих факторов, к изменению силы и результативности их воздействия и, в конечном счете, к вариации уровня изучаемого явления во времени.