_ГЛАВА

₉

ПРОГНОЗИРОВАНИЕ

Т ак как успешная деятельность фирмы основывается на эффективном планирова­нии, а эффективное планирование, в свою очередь, основывается на точном прогно­зировании деятельности фирмы и ее экономической политики, справедливо сказать, что неизменный успех в ведении бизнеса базируется на способности к точному прогнозированию. В настоящей главе приводится несколько методик прогнозирова­ния микро- и макрособытий, которые уменьшают степень неопределенности, прису­щую всем деловым прогнозам.

Существуют много различных способов классификации методов прогнозирования, но наиболее распространенными являются:

механическая экстраполяция;

барометрические методы;

сбор мнений и обзоры целей;

эконометрические методы.

Хотя эти методы и различны, их нельзя считать взаимно несовместимыми. Неко­торые методы больше подходит для краткосрочных прогнозов, например месячных или квартальных, другие — для долгосрочного прогнозирования (на год и более). Не­которые из них лучше применять на макроуровне, в то время как другие лучше ис­пользовать на уровне фирмы. Для многих организаций могут быть использованы два, три или даже четыре разных подхода с различными степенями расстановки акцентов и углубленности исследований.

План главы

Глава состоит из четырех параграфов, и приложения.

1. Механическая экстраполяция. В этом параграфе рассматриваются простейшие мо­ дели и способы анализа временных рядов, включая скользящее среднее и линей­ ную регрессию.

2. Барометрические методы. В этом параграфе рассматриваются эффекты опере­ жения, запаздывания, случайные показатели, композитные и диффузионные ин­ дексы.

264

Механическая экстраполяция

3. С бор мнений и обзоры целей. В этом параграфе рассматриваются способы обзоров экономических целей и прогнозирования объема продаж.

4. Эконометрические модели. В этом параграфе рассмотрены как модели, состоящие, из одного уравнения, так и системы уравнений, а также техника макроэкономичес­ кого прогнозирования.

5. Приложение 9А. Оценка прогнозирования. В приложении рассматриваются необ­ ходимость в оценке прогноза и некоторые способы ее проведения.

Механическая экстраполяция

Экстраполяция в той или иной форме широко используется управляющими фирм, экономистами, исследователями рынка и всеми, кто занимается прогнозиро­ванием. Как метод прогнозирования экстраполяция может включать различные процедуры — начиная от подбрасывания монеты и заканчивая проектированием трендов и другими более сложными математическими операциями. Типичным для экстраполяционных методов является то, что они изначально являются механичес­кими и тесно не связаны с экономической теорией. Тем не менее ойи широко используются профессиональными экономистами, занимающимися составлением прогнозов, вероятно, потому, что удобны и в разумных пределах удовлетворяют тре­бованиям менеджмента.

Простейшие модели

Простейшие модели обычно представляют как неразрывные модели, так как в них все будущие значения изучаемой переменной каким-либо образом являются функци­ей ее настоящего или недавнего состояния. Так, обозначив через Y эксперименталь-ное значение исследуемой переменной и через Y — ее прогнозируемое значение и используя индексы для различения периодов, рассмотрим в качестве примеров следу­ющие простейшие модели.

1. Неизменяющаяся модель. Прогнозируемое значение переменной для следующего периода будет равняться ее значению в настоящий период:

Y =

(1)

2. Пропорционально-изменяющаяся модель. Изменение значения переменной от те­кущего до следующего периода, AY_t+l= Y — Y_t, будет пропорционально изме­нению значения переменной от предыдущего периода до текущего периода, = Y_t - Y_t__v Тогда

(2)

Оценить параметр к можно на основе ретроспективной информации с помощью более точных методов, таких, как усреднение или статистическая регрессия, или по отклонениям графика, если имеющиеся данные неадекватны. При к = 1 уравнение представляет собой равномерно изменяющуюся модель.

Подавляющее большинство всех экономических решений, а также, как правило, и всех политических и социальных решений, принимаются на основе использования простейших моделей, подобных рассмотренным. Нетрудно понять, почему так проис­ходит. Простейшие модели либо являются прямолинейными, либо представляют со­бой модифицированные проекции настоящего или недавнего прошлого. Поэтому для

265

Глава 9. Прогнозирование

б ольшинства краткосрочных прогнозов они являются наиболее легко осуществимыми способами прогнозирования, так как они просты в применении и требуют минимума информации для расчета.

Анализ временных рядов

Временные ряды состоят из значений, соответствующих определенным точкам или периодам. Такие упорядоченные во времени показатели, как объем продаж, объем производства и цены представляют собой временные ряды. Простая линей­ная диаграмма является наиболее простым графическим инструментом для постро­ения временных рядов. При этом зависимая переменная — объем продаж, объем производства и цены — откладывается по оси ординат, а независимая переменная -время, выраженное в годах, месяцах или других единицах измерения, — по оси абсцисс.

Почему для временных рядов типична флуктуация? Ответ на этот вопрос обычно состоит в том, что в экономических временных рядах обычно присутствуют четыре источника вариации:

тренд (Г); \^

сезонные изменения (S); '

циклические изменения (С);

иррегулярные силы {/).

Т]ренд представляет собой долговременное увеличение или уменьшение ряда. Се­зонные изменения вследствие погодных условий и привычек проявляются примерно в одно и то же время года (например, Новый год, Пасха и другие праздники, во время которых делаются различные покупки). Циклические изменения, охватываю­щие периоды в несколько лет, отражают уровень экономического подъема и спада. И, наконец, иррегулярные события, такие, как забастовки, войны и бойкоты, непо­стоянны в своем влиянии на отдельные ряды, но, тем не менее, их необходимо учитывать.

Из четырех сил, действующих на экономические временные ряды, сезонный фак­тор достаточно, легко определить и предсказать. Иррегулярный фактор непредсказуем, но его можно устранить путем сглаживания, например способом скользящего средне­го. Поэтому тренд, который представляет собой постепенное увеличение или умень­шение, и циклические изменения которого, весьма вероятно, рекурренты, привлекает основное внимание экономистов, применяющих анализ временных рядов для состав­ления прогнозов.

Так как расчет тренда первоначально требует устранения сезонного влияния, вна­чале рассмотрим сезонные изменения и их корректировку, а затем обсудим вопросы трендовых проекций и циклического анализа.

Сезонные изменения и метод скользящего среднего. Сезонные изменения обычно могут быть учтены в прогнозе с помощью сезонного индекса, который может быть рас­считан по методу скользящего среднего. Скользящее среднее рассчитывается путем сум­мирования значений за каждый период в течение некоторого выбранного промежутка времени и последующего деления полученной суммы на количество периодов. Ис­пользуя данные, представленные в табл. 9.1, мы покажем, как рассчитать скользящее среднее и определить сезонный индекс.

Данные, представленные в табл. 9.1, вначале необходимо перегруппировать так, как показано в табл. 9.2, после чего рассчитать четырехпериодные скользящие сред­ние, центрированные скользящие средние и сезонные индексы. Результаты этих рас­четов также представлены в табл. 9.2. Они получены при помощи четырехшаговой процедуры.

266

Меканическая экстраполяция

Т аблица 9.1

Нерегулируемый квартальный объем продаж за 1985-1989 гг. (в тыс. долл.)

К вартал 1985

1986

1987

1988

1989

1 2 3 4	$190 370 300 220	$280 420 310 180	$270 360 280 190	$300 430 290 . 200	$320 440 320 220
Итого	$1080	$1190	$1100	$1220	$1300
					Табл ица 9.2

С кользящие средние и квартальные сезонные индексы

Год

1 985

1986

1987

1988

1989

ртал	Коли-	Четырех-			Центрированное			Сезонный
	чество	периодное				скользящее			индекс
	продаж	скользящее				среднее
	на сумму	среднее
	в 10 000 долл.
1	Р~1*90 ' 1 370 1
2		—	1
3	1 зоо |	—	__ 1		281			1,07
			292
4	[noj	305				298			0,74
1	280					306			0,91
		307
2	420					302			1,39
		297
3	310					296			1,04
		295
4	180					' 287			0,63
		280
1	270					276			0,98
		273
2	360					274			1,32
		275
3	280					279			1,00
		283
4	190					286			0,66
		300
1	300					301			1,00
		303
2	430					304			1,42
		305
3	290					307			0,94
		310
4	200					311			0,64
		312
1	320					316			1,01
		320
2	440					322			1,37
		325
3	320
4	220

_щ

I if

2 67