Поисковое прогнозирование это способ

Способы прогнозирования

По функциональному признаку (направлениям прогнозирования) прогнозы подразделяются на два типа: поисковый и целевой.

Поисковый прогноз — это прогнозирование от настоящего к бу­дущему. Его задача — выяснить, как будет развиваться исследуемый объект при сохранении существующих тенденций.

Так как такой подход основан на аналитических исследованиях, он называется еще и научным, и исследовательским. В литературных ис­точниках его часто называют дескриптивным, т.е. описательным, а также генетическим, так как он предполагает развитие объекта в соот­ветствии с его генетикой (наследственностью), т.е. потенциалом, зало­женным в самом объекте.

Нормативно-целевой способ— это прогнозирование от будущего к настоящему (прогнозирование «наоборот»). В этом случае вначале устанавливаются желаемые конечные параметры развития (цели), а за­тем определяются необходимые для этого финансовые, материальные и трудовые ресурсы. Такое прогнозирование называют еще норматив­ным и, чаще, целевым.

Нормативно-целевой прогноз,в отличие от поискового, разраба­тывается на базе заранее определенных желаемых целей. Его задача — определить пути и сроки достижения возможных состояний объекта прогнозирования в будущем, принимаемых в качестве цели. В то вре­мя как поисковый прогноз отталкивается при определении будущего состояния объекта от его прошлого и настоящего, целевой прогноз осуществляется в обратном порядке: от заданного состояния в буду­щем, наличием материальных, сырьевых, финансовых и других ресур­сов, необходимых для достижения поставленной цели, к существую­щим тенденциям и их изменениям в свете поставленной цели.

Оба типа прогноза выступают одновременно на практике в качест­ве направлений, подходов к прогнозированию и используются совме­стно. В их сочетании четко проявляется побудительная роль прогнози­рования как инструмента достижения поставленных целей. Побуди­тельная функция прогнозирования вызывает такую его особенность, как эффект воздействия прогноза на исходные предпосылки предвиде­ния. Эффект воздействия может быть как положительным, вызываю­щим ускорение осуществления прогноза, так и отрицательным, тормо­зящим его реализацию, а в ряде случаев сопровождающимся самораз­рушением прогноза. Обусловлено это тем, что достижение целей про­гноза находится в прямой зависимости от объективных условий его осуществления. Если прогноз отвечает назревшим условиям развития объекта, то его реализация на практике пройдет успешно.

Согласно современной классификации поисковое прогнозирование может быть двух видов:

а) традиционным (или экстраполятивным);

б) новаторским (или альтернативным).

Традиционный методпредполагает, что развитие объекта (напри­мер, СЭС) происходит и будет происходить гладко и непрерывно, т.е. будут сохранены все выявленные в прошлом тенденции развития объ­екта прогнозирования. Поэтому в этом случае прогноз может быть простой проекцией (экстраполяцией) прошлого в будущее.

Если при этом прогноз не основан на анализе влияния на показате­ли развития различных факторов, т.е. на многофакторном анализе, а использует зависимость показателей только от времени, то такой про­гноз называется «наивным».

В основном «наивный» прогноз используется в стабильных эконо­мических системах для прогнозирования макроэкономических показа­телей (ВНП, ЧНП, НД, инфляция, занятость).

Подход остается традиционным и в том случае, когда полученные на основе информации прошлых лет модели или зависимости между различными показателями социально-экономического развития, пока­затели эффективности факторов производства и других факторов, влияющих на результативный показатель, используются без изменения для описания состояния экономики в будущем. Например, формализо­вано: ВВП =f или в виде производственной функции Кобба—Ду­гласа: ВВП = АКЧ>.

Когда в качестве фактора используется не только время, прогноз не является «наивным», но и в этом случае прогнозисты проецируют тен­денции и установившиеся связи в прошлом на будущее, т.е. экстрапо­лируют прошлое в будущее. Например, используются для описания будущего регрессионные уравнения, полученные на основе информа­ции о развитии объекта в прошлом (ретроспективный анализ) без из­менения коэффициентов эффективности факторов (коэффициентов регрессии) а,. Или же используются уравнения межотраслевого балан­са без изменений технологических коэффициентов cty.

В этих случаях можно говорить об экстраполяции тенденций раз­вития прошлого в будущее, так как не учитываются возможности по­вышения эффективности, например производства под влиянием уско­рения научно-технического прогресса и других факторов.

Новаторский подход, в отличие от традиционного, исходит из того, что развитие объекта (например, экономики страны) не проте­кает однородно, т.е. согласно выявленным ранее тенденциям в раз­витии объекта прогнозирования, а носит изменчивый характер за счет наличия неуправляемых факторов, влияющих на сам объект или его подсистемы, проявления внешних и внутренних связей, ко­торые ранее не оказывали сильного влияния или были настолько не­значительными, что на них не обращали внимания. Примером мо­жет служить влияние НТП на развитие СЭС, изменения конъюнкту­ры мирового рынка, влияние погодных условий, изменения общест­венных отношений и тому подобные факторы общественного разви­тия и жизнеобитания.

Новаторский подход некоторые авторы называют также альтернативным, потому что он предполагает существование множества вари­антов будущего развития объекта. Но необходимо помнить, что и тра­диционный подход, исключая только «наивный» прогноз, предполага­ет вариантность постановки на базе различных значений выбранных существенных факторов. Например, разработка вариантов, отличаю­щихся различными значениями прогнозируемых факторов, влияющих на изучаемый показатель, но не поддающихся влиянию различных ме­роприятий, предусмотренных в прогнозе. В сельском хозяйстве — это погода (засуха, благоприятная погода, ранние заморозки). В целом для прогнозирования развития национального хозяйства — это состояние мирового финансового рынка, состояние экономики стран-партнеров по торговле, мировые цены на нефть, другие энергоносители (так на­зываемые экзогенные показатели).

Новаторский подход предполагает разработку вариантов, отличаю­щихся по степени и характеру влияния управляющего органа на пара­метры развития. Например, проведение мер по изменению тенденций, наметившихся в развитии производства путем ускорения роста произ­водительности труда в результате ускорения научно-технического про­гресса. Здесь возникают различные варианты развития в зависимости от характера (способа) перераспределения имеющихся средств (капи­тальных вложений) между производственной, социальной и науч­но-технической сферами. Варьируется и объем финансовых средств. Например, разрабатываются варианты, в которых заложены различные объемы иностранных инвестиций, доходов в госбюджет.

Новаторский подход сравнительно молод, широкое его применение началось в 1980-е годы, но он быстро завоевал популярность в практи­ке прогнозирования на всех уровнях управления, включая уровень корпораций и их объединений.

Содержание и роль нормативно-целевого способа прогнозиро­вания. Нормативно-целевым его называют потому, что процесс про­гнозирования при его использовании схож с процессом планирования, когда определяются цели развития объекта. Однако не следует преуве­личивать значение этого способа прогнозирования в общей системе принятия управленческих решений, так как проблему достижения бо­лее высоких показателей развития можно решить, используя новатор­ский поисковый подход.

Нормативно-целевое прогнозирование обычно применятся в тех случаях, когда нет достаточной информации о развитии объекта в прошлом и, следовательно, нет возможности не только многофактор­ного анализа и моделирования, но даже и установления прогрессив­ных тенденций развития. В таком случае преимущественно используются качественные методы исследования. Например, в условиях трансформации социально-экономической системы России, ее неоп­ределенности, нестабильности и спада производства целесообразно применять нормативно-целевое прогнозирование.

Установив желаемое конечное состояние развития объекта, прогно­зисты далее определяют мероприятия, которые могут обеспечить это состояние, а также необходимые финансовые, материальные и трудо­вые ресурсы. Прогнозирование потому называют нормативным, что устанавливаемые цели часто основываются на нормативах, например, достижение прогрессивных значений уровня обеспеченности и пита­ния населения, доходов на душу населения, средней зарплаты.

Расчет необходимых ресурсов в случае отсутствия ретроспектив­ной информации по прогрессивным нормам их использования (в усло­виях трансформации экономики России) также может производиться по прогнозируемым (желаемым) нормативам.

В нормально функционирующей экономике целевое прогнозирова­ние может использоваться с целью уменьшения вариантов развития, рассматриваемых в рамках новаторского поискового прогнозирования. Рассмотрим это на условном примере. Самый прогрессивный ва­риант традиционного (экстраполяционного) поискового прогноза по­казал возможность снижения уровня безработицы за пять лет с 10% до 8%. Прогнозисты, используя свои знания и мнения экспертов, предполагают, что максимально возможное снижение уровня безра­ботицы может составить 3%, т.е. ставится цель снижения уровня без­работицы до 3%. По каждому году пятилетия разрабатываются меро­приятия и определяются ресурсы, способствующие достижению этой цели. Таким образом, задача нормативно-целевого прогнозирования на этой стадии выполнена. Далее включаются инструменты новатор­ского поискового прогноза, и возможности СЭС сопоставляются с необходимыми ресурсами.

Если невозможно снижение уровня безработицы до 3%, ставится другая цель — снижение уровня до 4%. Опять рассчитываются необ­ходимые ресурсы по каждому году, а затем включается механизм но­ваторского поискового прогноза.

При достаточно высокой квалификации экспертов и прогнозистов поиск может быть короче, чем при использовании только новаторско­го поискового подхода.

Как новаторский метод поискового прогнозирования, так и целе­вой метод схожи с планированием, поскольку в процессе формиро­вания прогнозов устанавливаются цели (при нормативном подходе) и мероприятия по их достижению (при обоих подходах). Поэтому некоторые авторы их не относят к «чистым» прогнозам, каковыми являются прогнозы, полученные традиционным (экстраполятивным) способом.

Вопросы для самоконтроля

— Раскройте суть поискового и нормативного способов прогнозирования.

— Почему новаторский подход называют также альтернативным?

— В чем особенность традиционного метода?

— В чем сходство планирования и нормативно-целевого прогнозирования?

— Для каких целей и в каких случаях чаще всего применяют норматив­но-целевое прогнозирование?

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