Основные способы разработки прогноза

Инструментарий прогнозирования

1. Способы научного обоснования предуказаний

Практическое значение прогноза сводится к возможности к возможности повышения с его помощью эффективности принимаемых решений. Прогнозирование не сводится к попыткам предугадать проблемы будущего, прогнозирование исходит из диалектической детерминации явления будущего, из того, что необходимость находит себе дорогу через случайности, что к явлению будущего нужен вероятностный подход с учетом широкого набора возможных вариантов. Только при таком подходе прогнозирование может быть эффективно использовано для выбора наиболее вероятностного или наиболее желательного оптимального варианта при обосновании цели, плана и программы. Прогнозы должны предшествовать планам, содержать оценку последствий выполнения (или невыполнения), охватывать все, что не поддается планированию и решению, т.е. прогноз и план различаются способами оперирования информации о будущем. Вероятностное описание возможного или желательного – это прогноз. Директивное решение относительно мероприятий по достижению возможного или желательного – это план.

2. Типология прогнозов

Типология прогнозов строится по различным критериям в зависимости от целей, задач, объектов, предметов, характера, периода упреждения, методов и организации прогнозирования.
Основополагающим является проблемно-целевой критерий т.е. ответ на вопрос, для чего разрабатывается прогноз. В соответствии с данным критерием различают два типа прогноза: поисковый (исследовательские, разыскательные, трендовые, генетические) и нормативный (программные, целевые).

Поисковый прогноз – это определение возможных состояний, явлений будущего, условное продолжение в будущем тенденции развития изучаемого явления в прошлом и настоящем, абстрагируясь от возможных решений действия, на основе которых способны радикально изменить тенденции развития. Т.е. данный прогноз отвечает на вопрос «что вероятнее всего произойдет при условии выполнения существующих тенденций».

Нормативный прогноз – это определение путей и сроков достижения возможных состояний явления принимаемых в качестве цели. Здесь имеется в виду прогнозирование достижения желательных состояний на основе заранее заданных норм идеалов стимулов и целей. Такой прогноз отвечает на вопрос «какими путями достичь желаемого». По критерию соотнесения с различными формами конкретизации управления выделяют ряд подтипов как поисковых, так и нормативных прогнозов. Здесь выделяется целевой прогноз. Это прогноз желаемых состояний, который отвечает на вопрос: что именно желательно и почему? В данном случае происходит построение по определенной шкале возможностей сугубо оценочной функции:

• Не желательно.
• Менее желательно.
• Более желательно.
• Наиболее желательно.
• Оптимально.

Ориентация — это содействие оптимизации процесса целепологания.

Плановый прогноз отвечает на вопрос: как, в каком направлении ориентировать планирование, чтобы эффективней достичь поставленных целей.

Программный прогноз отвечает на вопрос: что конкретно необходимо, чтобы достичь желаемого.

Проектный прогноз отвечает на вопрос: как это возможно, как это может выглядеть? Проектные прогнозы призваны содействовать отбору оптимальных вариантов перспективного проектирования, но основе которых происходит текущее планирование.
Организационный прогноз отвечает на вопрос: в каком направлении ориентировать решения, чтобы достичь цели?

По периоду упреждения (период упреждения это промежуток времени на который рассчитан прогноз) различают:

• оперативные (текущие) прогнозы – рассчитаны на перспективу, на протяжении которой не ожидается существенных изменений объекта исследования (сроком до одного месяца).
• краткосрочные прогнозы – рассчитаны на перспективу количественных изменений объекта прогнозирования (сроком до одного года).
• среднесрочные прогнозы – охватывают перспективу межу кратко- и долгосрочным с преобладанием количественных изменений над качественными (сроком до пяти лет).
• долгосрочные прогнозы (сроком от пяти до пятнадцати лет).
• дальнесрочные прогнозы – рассчитаны на перспективу, когда ожидаются стол значительные качественные изменения, что по существу можно говорить лишь о самых общих перспективах развития природы и общества.

В зависимости от жизненного цикла товара, услуги или явления.

По объекту исследования выделяют прогнозы:

• естествоведческие:
  • метеорологические;
  • гидрологические;
  • геологические;
  • биологические;
  • медико-биологические;
  • космологические;
  • физико-химические и т.д.
• научно-технические.
• обществоведческие:
  • социально-медицинские;
  • социально-географические;
  • социально-экологические;
  • экономические;
  • социологические и т.д.

В связи с возможностью воздействия предприятия на свое будущее прогнозы делятся на:

а. пассивные прогнозы исходят из того, что предприятие в силу ряда причин на намерено воздействовать на свою среду и предполагает возможность самостоятельного, независимого от действий предприятия развития внешних процессов;

б. активные прогнозы предусматривают возможность активных действий предприятия по проектированию собственного будущего, его реальное воздействие на внешнюю среду.

В зависимости от степени вероятности будущих событий прогнозы делятся на вариантные и инвариантные. Если вероятность прогнозируемых событий велика, то прогноз включает в себя только один вариант развития, то есть является инвариантным. Вариантный прогноз основан на предположении о значительной неопределенности будущей среды и наличии нескольких вариантов развития.

По способу представления результатов прогнозы различают точечные и интервальные. Точечный прогноз предполагает, что данный вариант включает единственное значение прогнозируемого показателя. Интервальный прогноз – это такое предсказание будущего, в котором предполагается некоторый интервал, диапазон значений прогнозируемого показателя.

3. Прогнозирование и прогностика: общие понятия и задачи

Научная дисциплина о закономерности разработки прогноза – прогностика. Имеет своим предметом исследования законы и способы прогнозирования.

Задачи прогностики следующие:

• разработка соответствующих проблем гносеологии и логико-теоретического прогностического исследования.
• разработка научных принципов типологии прогноза.
• классификация методов прогнозирования.
• разграничение таких взаимосвязанных понятий как гипотеза и прогноз, прогноз и закон, анализ и прогноз, прогноз и план и т.д.

Одной из важнейших задач прогностики является разработка на базе материалистической диалектики специальных методологических проблем прогнозирования с целью повышения обоснованности прогноза.
В структуре прогностики развиваются следующие частные теории прогнозирования с двойным подчинением, т.е. по линии общей прогностики и по линии соответствующей научной дисциплины в рамках научных дисциплин.

4.Способы и последовательность разработки прогнозов

В основе прогнозирования лежат три взаимодополняющих источника информации о будущем:

• оценка перспектив развития, будущего состояния прогнозируемого явления на основе опыта;
• условное продолжение в будущее (экстраполяция) тенденций, закономерности развития которых в прошлом и настоящем достаточно хорошо известны;
• модель будущего состояния того или иного явления, процесса, построенная сообразно ожидаемым или желательным изменениям ряда условий, перспективы развития которых достаточно хорошо известны.

В соответствии с этим существуют три дополняющих друг друга способа разработки прогнозов:

• анкетирование – опрос населения, экспертов с целью упорядочить, объективизировать субъективные оценки прогнозного характера;
• экстраполирование и интерполирование (выявление промежуточного значения между двумя известными моментами процесса) – построение динамических рядов развития параметров прогнозируемого явления на протяжении периодов основания прогноза в прошлом и упреждения прогноза в будущем (ретроспекции и проспекции прогнозных разработок);
• моделирование – построение поисковых и нормативных моделей с учетом вероятного или желательного изменения прогнозируемого явления на период упреждения прогноза по имеющимся прямым или косвенным данным о масштабах и направлениях изменений. Наиболее эффективная прогнозная модель – это система уравнений.

Общая логическая последовательность важнейших операций разработки прогноза сводиться к последующим этапам:

Предпрогнозная ориентация. Уточнение задания на прогноз: характер, масштабы, объект, периоды упреждения. Формулирование целей и задач, проблемы и рабочих гипотез, определение методов, структуры и организации исследования.

Построение исходной модели прогнозируемого объекта методами системного анализа.

Сбор данных прогнозного фона.

Построение динамических рядов параметров, обобщение этого материала в виде прогнозных предмодельных сценариев.

Построение серии гипотетических поисковых моделей прогнозируемого объекта методами поискового анализа профильных и фоновых параметров с конкретизацией минимального, максимального и наиболее вероятного значений.

Построение серии гипотетических нормативных моделей прогнозируемого объекта методами нормативного анализа с конкретизацией значений абсолютного (т.е. не ограниченного рамками прогнозного фона) и относительного (т.е. привязанного к этим рамкам) оптимума по заранее определенным критериям сообразно нормам, идеалам, целям.

Оценка достоверности и точности, а также обоснованности (верификация) прогноза – уточнение гипотетических моделей метолами опроса экспертов.

Выработка рекомендаций для решений на основе сопоставления поисковых и нормативных моделей. Для уточнения рекомендаций возможен еще один опрос населения и экспертов.

Экспертное обсуждение прогноза и рекомендаций, их доработка с учетом обсуждения и сдача заказчику.

Вновь предпрогнозная ориентация на основе сопоставления материалов уже разработанного прогноза с новыми данными прогнозного фона и новый цикл исследования.

Источник

2.7. Способы разработки прогнозов

На протяжении долгого времени не было адекватной, четкой классификации способов и методов прогнозирования, поскольку многие понятия прогнозирования были близки по смыслу. За последние годы в этом отношении проведена значительная работа, позволившая создать надежную теоретическую базу для классификации основных понятий прогнозирования. В итоге ряд понятий выстроился в следующую логическую систему.

Прием прогнозирования – конкретная форма теоретического или практического подхода к разработке прогноза, одна или несколько математических или логических операций, направленных на получение конкретного результата в процессе разработки прогноза.

Процедура – ряд приемов, обеспечивающих выполнение определенной совокупности операций.

Метод – сложный прием, упорядоченная совокупность простых приемов, направленных на разработку прогноза в целом.

Методика – упорядоченная совокупность приемов, процедур, операций, правил исследования на основе одного или чаще определенного сочетания нескольких методов. Методология прогнозирования – область знания о методах, способах, системах прогнозирования. Способ прогнозирования – получение и обработка информации о будущем на основе однородных методов разработки прогноза.

Система прогнозирования («прогнозирующая система») – упорядоченная совокупность методик, технических средств, предназначенная для прогнозирования сложных явлений или процессов.

В основе прогнозирования лежат три взаимодополняющих источника информации о будущем:

– оценка перспектив развития, будущего состояния прогнозируемого явления на основе опыта, чаще всего при помощи аналогии с достаточно хорошо известными сходными явлениями и процессами;

– условное продолжение в будущее (экстраполяция) тенденций, закономерности развития которых в прошлом и настоящем достаточно хорошо известны;

– модель будущего состояния того или иного явления, процесса, построенная сообразно ожидаемым или желательным изменениям ряда условий, перспективы развития которых достаточно хорошо известны.

В соответствии с этим существуют три дополняющих друг друга способа разработки прогнозов (группы однородных методов):

– опрос экспертов, населения с целью упорядочить, объективизировать субъективные оценки прогнозного характера. Особенно большое значение имеют экспертные оценки. Опросы населения в практике прогнозирования применяются пока что сравнительно редко;

– экстраполирование и интерполирование (выявление промежуточного значения между двумя известными моментами процесса) – построение динамических рядов развития показателей прогнозируемого явления на протяжении периодов основания прогноза в прошлом и упреждения прогноза в будущем (ретроспекции и проспекции прогнозных разработок);

– моделирование – построение поисковых и нормативных моделей с учетом вероятного или желательного изменения прогнозируемого явления на период упреждения прогноза по имеющимся прямым или косвенным данным о масштабах и направлении изменений. Наиболее эффективная прогнозная модель – система уравнений. Однако имеют значение все возможные виды моделей в широком смысле этого термина: сценарии, имитации, графы, матрицы, подборки показателей, графические изображения и т.д.

Приведенное разделение способов прогнозирования условно, потому что на практике эти способы взаимно перекрещиваются и дополняют друг друга.

Источник

Обзор методов прогнозирования

Моделирование

Модель – это упрощенный образ объекта из реальной жизни, в котором отражаются его наиболее важные характеристики, с точки зрения исследования.

Что такое прогнозирование?

Прогнозирование — это предвидение (предсказание), которое предполагает состояние или описание возможных или желательных аспектов, состояний, решений, проблем будущего.

Прогноз — это результат процесса прогнозирования, выраженный в словесной, математической, графической или другой форме суждения о возможном состоянии объекта и его среды в будущий период времени.
Метод – это сложный прием, упорядоченная совокупность простых приемов, направленных на разработку прогноза в целом; путь, способ достижения цели, исходящий из знания наиболее общих закономерностей.
Методика – определенное сочетание приемов (способов) выполнения прогностических операций, получение и обработка информации о будущем на основе однородных методов разработки прогноза.
Методология прогнозирования – область знания о методах, способах, системах прогнозирования.
Система прогнозирования – это упорядоченная совокупность методик, технических средств, предназначенная для прогнозирования сложных явлений или процессов.

Одна из классификаций методов прогнозирования

Формализованные методы:

• Метод эстраполяции трендов;
• Методы корреляционного и регрессионного анализов;
• Методы математического моделирования.

Экспертные методы прогнозирования:
1. Индивидуальные методы

• Метод составления сценариев;
• Метод «интервью»;
• Метод аналитических докладных записок.

2. Коллективные методы

• Метод анкетных опросов;
• Метод «комиссий»;
• Метод «мозговых атак»;
• Метод «Дельфи».

Экспертиза: анкетирование, интервьюирование, метод мозговой атаки (штурма), метод контрольных вопросов, метод аналитических докладных записок, метод лицом к лицу, метод ситуационного анализа, метод суда, метод «комиссий» («круглого стола»), «дельфийская техника» (метод «Дельфи»)
Фактографические методы: экстраполяция, трендовая модель, тренд-анализ, интерполяция, моделирование, математическое моделирование, сценарии, «прогнозы до абсурда» и пр.
Статистические методы: корреляционный анализ, регрессионный анализ, факторный анализ, распознавание образов, вариационное исчисление, спектральный анализ, цепи Маркова, алгебра логики, теория игр и др.

Признаки классификации прогнозов	Виды прогнозов
Временной охват (горизонт прогнозирования)	краткосрочные среднесрочные долгосрочные
Типы прогнозирования	экстраполятивное альтернативное
Степень вероятности будущих событий	вариантные инвариантные
Способ представления результатов прогноза	точечные интервальные

Прогнозирование продаж

1. Определение тренда (тенденции роста/падения)
2. Оценка влияния стратегии компании на развитие тренда
3. Применение коэффициентов сезонности
4. Построение прогноза продаж
Экстраполяция динамических рядов предполагает, что закономерность развития, действующая в прошлом (внутри ряда динамики), сохранится и в будущем.
Тренд (тенденция) — это долговременная тенденция изменения исследуемого временного ряда.
Временной ряд – это числовые значения определенного статистического показателя в последовательные моменты или периоды времени.
Коэффициент сезонности — это величина, на которую увеличиваются / уменьшаются продажи по сравнению со средними в определенный период времени.

Экономические циклы

Регрессионный анализ

Регрессионный анализ — статистический метод исследования влияния одной или нескольких независимых переменных X1,X2,…,Xp на зависимую переменную Y. Уравнение линейной регрессии Yх = a+b*X, где а и b оцененные коэффициенты регрессии.
Регрессия — функция, позволяющая по средней величине одного признака определить среднюю величину другого признака, корреляционно связанного с первым.

Обзор категорий методов прогнозирования

Прогнозирование — это процесс построение предсказания будущего на основе исторических данных, текущих данных (текущей ситуации) и на основе анализа трендов. Риск и неопределенность являются центральными факторами для прогнозирования, поэтому в соответствии с лучшими практиками, необходимо указывать степень неопределенности по отношению к прогнозам.
Корректный подход к оценке метода прогнозирования включает несколько этапов. Следует выделить пять важных этапов:

• тщательное изучение природы исследуемого объекта или процесса для выбора адекватного метода прогнозирования;
• выделение двух групп среди доступных данных – для разработки прогнозов и для проверки полученных результатов;
• уточнение исходных данных с целью обнаружения ошибок;
• разработка прогнозов и оценка достоверности полученных результатов;
• использование (интерпретация) полученных результатов и выполнение, при необходимости, уточнения и дополнения прогнозов.

Категории методов прогнозирования

Качественные методы в сравнении с количественными методами

Качественные методы прогнозирования — субъективны, основаны на мнении и суждении потребителей, экспертов. Качественные методы подходят тогда, когда отсутствуют исторические данные. Данные методы применяются, как правило, для среднесрочных и долгосрочных решений. Примерами качественных методов прогнозирования являются исследование рынка, метод Делфи, историческая аналогия жизненного цикла и т.д.
Количественные модели прогнозирования используются для прогнозирования будущих данных в виде функции от исторических данных. Они подходят для использования, когда исторические числовые данные доступны и когда ожидается сохранение динамики данных в будущем. Эти методы, как правило, применяются для краткосрочного и среднесрочного прогнозирования. Примерами количественных методов прогнозирования являются: скользящие средние, экспоненциальное сглаживание, мультипликативные сезонные индексы и т.д.

Метод средних

В данном подходе прогнозирования, все будущие значения принимаются равными средним значениям исторических данных. Этот подход может быть использован для любых исторических данных.
Метод усреднения позволяет разработать прогноз, основываясь на среднем значении прошлых наблюдений.

«Наивный» подход

Наивный метод основан на предположении, что будущее лучше всего характеризуется последними изменениями. Метод основывается на предположении о том, что прогнозируемые показатели в будущем периоде равно показателям предшествующего периода. Наивный прогноз позволяет работать при отсутствии исторических данных. Наивный прогноз понятен, прост в подготовке, быстр в реализации, не требует, фактически, никаких затрат. Основным недостатком наивного прогнозирования является вероятная низкая точность прогноза.

Метод скользящих средних

Метод скользящих средних является одним из широко известных методов сглаживания временных рядов. Применяя этот метод, можно элиминировать случайные колебания и получить значения, соответствующие влиянию главных факторов.
Сглаживание с помощью скользящих средних основано на том, что в средних величинах взаимно погашаются случайные отклонения. Это происходит вследствие замены первоначальных уровней временного ряда средней арифметической величиной внутри выбранного интервала времени. Полученное значение относится к середине выбранного интервала времени (периода).
Затем период сдвигается на одно наблюдение, и расчет средней повторяется. При этом периоды определения средней берутся все время одинаковыми. Таким образом, в каждом рассматриваемом случае средняя центрирована, т.е. отнесена к серединной точке интервала сглаживания и представляет собой уровень для этой точки.
При сглаживании временного ряда скользящими средними в расчетах участвуют все уровни ряда. Чем шире интервал сглаживания, тем более плавным получается тренд. Сглаженный ряд короче первоначального на (n–1) наблюдений, где n – величина интервала сглаживания.

Сезонный “наивный” подход

Сезонный наивный метод прогнозирования приравнивает каждый прогнозируемый период равным соответствующему сезону в исторических данных. Например, прогнозируемые величины в апреле будут равны историческим данным за апрель предыдущего года. Данный метод применяется тогда, когда исторические данные характеризуются высоким уровнем сезонности.

Методы временных рядов

Методы временных рядов используют исторические данные в качестве основы для оценки будущих результатов.

• Moving average (Скользящее среднее);
• Weighted moving average (Взвешенная скользящая средняя);
• Kalman filtering (фильтр Калмана);
• Exponential smoothing (Экспоненциальное сглаживание);
• Autoregressive moving average (ARMA) — Авторегрессия скользящего среднего;
• Autoregressive integrated moving average (ARIMA) e.g. Box-Jenkins — интегрированная модель авторегрессии скользящего среднего, например, модель Бокса—Дженкинса;
• Extrapolation (Экстраполяция);
• Linear prediction (Линейное прогнозирование);
• Trend estimation (Оценка тренда);
• Growth curve (statistics) — Кривая роста (статистические данные).

Причинно-следственные методы/эконометрические методы прогнозирования

Некоторые методы прогнозирования пытаются идентифицировать основные факторы, которые могут повлиять на прогноз. Например, информация о погоде может помочь улучшить прогноз продаж зонтиков.
Причинно-следственные методы включают в себя:

• Регрессионный анализ содержит в себе большую группу методов для прогнозирования будущих показателей, сюда входят параметрические методы (линейные и нелинейные) и непараметрические методы.
• Autoregressive moving average with exogenous inputs (ARMAX) — Авторегрессия скользящего среднего с экзогенными входными данными.

Экзогенные переменные — переменные, задающиеся извне, значения которых задаются вне модели.
Эндогенные переменные — переменные, значение которых формируется внутри модели.

Методы экспертных оценок

• Composite forecasts (составные прогнозы)
• Cooke’s method (метод Кука)
• Delphi method (метод Дельфи)
• Forecast by analogy (Прогноз по аналогии)
• Scenario building (Построение сценариев)
• Statistical surveys (Статистическое обследование)
• Technology forecasting (Прогнозирование технологий)

Методы искусственного интеллекта

Методы искусственного интеллекта

• Искусственные нейронные сети
• Групповые методы обработки данных
• Метод опорных векторов

В настоящее время по данной категории активно применяются следующие методы в специализированных программах:

• Data mining (Интеллектуальный анализ данных)
• Machine Learning (Машинное обучение)
• Pattern Recognition (Распознавание образов)

Точность прогнозирования

Рассмотрим наиболее часто рассчитываемые ошибки для прогнозов

• Mean absolute error (MAE) — Средняя абсолютная ошибка
• Mean Absolute Percentage Error (MAPE) — Средняя авбсолютная процентная ошибка
• Mean Absolute Deviation (MAD) — Среднее абсолютное отклонение
• Percent Mean Absolute Deviation (PMAD) — Процент среднего абсолютного отклонения
• Mean squared error (MSE) — Средняя квадратичная ошибка
• Mean squared prediction error (MSPE) — средняя квадратичная ошибка прогноза
• Root Mean squared error (RMSE) — Средняя квадратическая ошибка
• Forecast skill (SS) — Прогноз компетенций
• Average of Errors (E) — Среднее значение всех ошибок

Источник