Základní výzkum. Recenze modelů předpovědi časových řad: Zkouška pera

Ve světové praxi se používá více než dvě stě předpovědních metod, v domácí vědě - ne více než dvacet. V úvodu bylo uvedeno, že budou zváženy metody finančního prognózování, které se rozšířily ve vyspělých zahraničích.

V závislosti na typu použitého modelu lze tedy všechny metody prognózování rozdělit do tří velkých skupin (viz obrázek 1):

Metody odborného posouzení, které zahrnují vícestupňové šetření odborníků podle speciálních schémat a zpracování získaných výsledků pomocí nástrojů ekonomické statistiky. Jedná se o nejjednodušší a nejoblíbenější metody, jejichž historie sahá více než tisíc let. Aplikace těchto metod v praxi obvykle zahrnuje využití zkušeností a znalostí obchodních, finančních a výrobních manažerů podniku nebo vládní agentury. To obvykle zajišťuje, že rozhodnutí je učiněno nejjednodušším a nejrychlejším způsobem. Nevýhodou je snížení nebo úplná absence osobní odpovědnosti za provedenou předpověď. Expertní posouzení se používají nejen k predikci hodnot ukazatelů, ale také v analytické práci, například k vývoji váhových koeficientů, prahových hodnot kontrolovaných ukazatelů atd.

Stochastické metody, což naznačuje pravděpodobnostní charakter prognózy a vztah mezi studovanými indikátory. Pravděpodobnost získání přesné prognózy se zvyšuje s počtem empirických dat. Tyto metody zaujímají vedoucí postavení z hlediska formalizovaného předpovídání a výrazně se liší ve složitosti použitých algoritmů. Nejjednodušším příkladem je studium trendů v objemech prodeje analýzou temp růstu ukazatelů prodeje. Výsledky prognóz získané statistickými metodami podléhají vlivu náhodných výkyvů v datech, což může někdy vést k vážným chybným výpočtům.

Stochastické metody lze rozdělit do tří typických skupin, které budou vyjmenovány níže. Výběr metody pro předpovídání konkrétní skupiny závisí na mnoha faktorech, včetně dostupných zdrojových dat.

První situace- přítomnost časové řady - v praxi se vyskytuje nejčastěji: finanční manažer nebo analytik má k dispozici data o dynamice ukazatele, na základě kterých je nutné sestavit přijatelnou prognózu. Jinými slovy, mluvíme o identifikaci trendu. To lze provést různými způsoby, mezi hlavní patří jednoduchá dynamická analýza a analýza pomocí autoregresních závislostí.

Druhá situace- přítomnost prostorového agregátu - nastává, pokud z nějakého důvodu neexistují žádné statistické údaje o indikátoru nebo existuje důvod se domnívat, že jeho hodnota je určena vlivem určitých faktorů. V tomto případě lze použít vícerozměrnou regresní analýzu, která je rozšířením jednoduché dynamické analýzy na případ s více proměnnými.

Rýže. 1. Klasifikace metod prognózování finanční situace podniku

Třetí situace- přítomnost časoprostorového agregátu - nastává v případě, kdy: a) dynamické řady nemají dostatečnou délku pro sestavení statisticky významných předpovědí; b) analytik hodlá v prognóze zohlednit vliv faktorů, které se liší ekonomickým charakterem a jejich dynamikou. Počáteční data jsou matice ukazatelů, z nichž každá představuje hodnoty stejných ukazatelů pro různá období nebo pro různá po sobě jdoucí data.

Deterministické metody, které předpokládají přítomnost funkčních nebo striktně určených souvislostí, kdy každá hodnota faktorové charakteristiky odpovídá dobře definované nenáhodné hodnotě výsledné charakteristiky. Jako příklad můžeme uvést závislosti implementované v rámci známého modelu faktorové analýzy společnosti DuPont. Pomocí tohoto modelu a nahrazením prognózovaných hodnot různých faktorů, jako jsou tržby z prodeje, obrat aktiv, stupeň finanční závislosti a další, můžete vypočítat prognózovanou hodnotu jednoho z hlavních ukazatelů výkonnosti - ukazatel rentability vlastního kapitálu. .

Dalším velmi názorným příkladem je forma výkazu zisku a ztráty, což je tabulková implementace striktně stanoveného faktorového modelu, který propojuje výsledný atribut (zisk) s faktory (výnosy z prodeje, výše nákladů, výše daňových sazeb atd.). ). A na úrovni státní finanční prognózy je faktorovým modelem vztah mezi objemem vládních příjmů a daňovým základem nebo úrokovými sazbami.

Zde nelze nezmínit další skupinu metod finančního prognózování na mikroúrovni, založené na konstrukci dynamických podnikových simulačních modelů. Mezi takové modely patří údaje o plánovaných nákupech materiálů a komponentů, objemech výroby a prodeje, struktuře nákladů, investiční aktivitě podniku, daňovém prostředí atd. Zpracování těchto informací v rámci jednotného finančního modelu nám umožňuje velmi přesně posoudit předpokládanou finanční situaci společnosti. Ve skutečnosti lze tento druh modelu sestavit pouze pomocí osobních počítačů, které umožňují rychle provést obrovské množství nezbytných výpočtů.

Přehled základních prognostických metod

Metody modelování a ekonomicko-matematické metody

Modelování zahrnuje konstrukci modelu založeného na předběžné studii objektu nebo procesu, identifikaci jeho základních charakteristik nebo rysů. Prognózování ekonomických a sociálních procesů pomocí modelů zahrnuje vývoj modelu, jeho experimentální analýzu, porovnání výsledků předpovědních výpočtů na základě modelu se skutečnými údaji o stavu objektu nebo procesu, úpravu a zpřesnění modelu.

Mezi metody ekonomického a matematického modelování patří následující metody:

• · maticové modely (statistické a dynamické),
• · optimální modely plánování,
• · ekonomické a statistické,
• · vícefaktorové modely,
• Ekonometrické modely
• · simulační modely,
• · modely rozhodování,
• · modely plánování sítě,
• · metoda meziodvětvové rovnováhy,
• · optimalizační metody,
• · korelační a regresní modely.

Metoda ekonomické analýzy

Ekonomická analýza je nedílnou součástí a jedním z hlavních prvků logiky prognózování a plánování. Musí být provedeno na makro i meso a mikroúrovni.

Podstatou metody ekonomické analýzy je, že se ekonomický proces nebo jev rozdělí na jednotlivé části a odhalí se vzájemná souvislost a vliv těchto částí na sebe a na průběh vývoje celého procesu. Analýza nám umožňuje odhalit podstatu procesu, určit zákonitosti jeho změn v prognózovaném (plánovacím) období a komplexně posoudit možnosti a cesty k dosažení cílů.

V procesu ekonomické analýzy se používají techniky jako srovnávání, seskupování, indexová metoda, bilanční výpočty, normativní a ekonomicko-matematické metody.

Rozvahová metoda

Bilanční metoda zahrnuje vývoj bilancí, což je soustava ukazatelů, ve kterých se jedna část, charakterizující zdroje podle zdroje důchodu, rovná druhé části, která ukazuje rozložení (použití) ve všech směrech jejich spotřeby.

V přechodném období k tržním vztahům se zvyšuje role prognózních sald rozvíjených na makroúrovni: platební bilance, bilance státních příjmů a výdajů, bilance měnových příjmů a výdajů obyvatelstva, konsolidovaná bilance pracovních zdrojů rovnováha nabídky a poptávky. Výsledky bilančních výpočtů slouží jako základ pro tvorbu strukturální, sociální, fiskální a monetární politiky, jakož i politiky zaměstnanosti a zahraniční ekonomické aktivity. Rozvahy se také používají k identifikaci nerovnováh v běžném období, odhalení nevyužitých rezerv a zdůvodnění nových proporcí.

Normativní metoda

Normativní metoda je jednou z hlavních metod prognózování a plánování. V moderních podmínkách mu začal být přikládán zvláštní význam v souvislosti s používáním řady norem a standardů jako regulátorů ekonomiky. Podstata normativní metody spočívá ve studii proveditelnosti prognóz, plánů, programů pomocí norem a standardů. S jejich pomocí jsou podloženy nejdůležitější proporce, podložen rozvoj materiální výrobní i nevýrobní sféry a regulována ekonomika.

Přesnost předpovědi

Hlavními kritérii pro hodnocení účinnosti modelu použitého v prognózování jsou přesnost prognózy a úplnost zobrazení budoucího finančního stavu prognózovaného objektu. Otázka přesnosti předpovědi je poněkud složitější a vyžaduje si větší pozornost. Přesnost nebo chyba předpovědi je rozdíl mezi předpokládanými a skutečnými hodnotami. V každém konkrétním modelu tato hodnota závisí na řadě faktorů.

Historická data použitá při vývoji prognostického modelu jsou nesmírně důležitá. V ideálním případě je žádoucí mít velké množství dat za významné časové období. Kromě toho musí být použité údaje „typické“ z hlediska situace. Stochastické předpovědní metody využívající aparát matematické statistiky kladou velmi specifické požadavky na historická data, pokud tyto požadavky nejsou splněny, nelze zaručit přesnost předpovědi. Údaje musí být spolehlivé, srovnatelné, dostatečně reprezentativní, aby prokázaly vzorce, homogenní a stabilní.

Přesnost předpovědi jednoznačně závisí na správné volbě předpovědní metody v konkrétním případě. To však neznamená, že v každém případě je použitelný pouze jeden model. Je možné, že v některých případech několik různých modelů poskytne relativně spolehlivé odhady. Hlavním prvkem každého prognostického modelu je trend nebo linie hlavní tendence řady. Většina modelů předpokládá, že trend je lineární, ale tento předpoklad není vždy konzistentní a může negativně ovlivnit přesnost prognózy. Na přesnost předpovědi má vliv i použitá metoda k oddělení sezónních výkyvů od trendu – sčítání nebo násobení. Při použití regresních metod je nesmírně důležité správně identifikovat vztahy příčin a následků mezi různými faktory a tyto vztahy začlenit do modelu.

Než lze model použít k vytvoření skutečných předpovědí, musí být otestován na objektivitu, aby byla zajištěna přesnost předpovědí. Toho lze dosáhnout dvěma různými způsoby:

Výsledky získané z modelu jsou porovnávány se skutečnými hodnotami po určitou dobu, kdy se objevují. Nevýhodou tohoto přístupu je, že testování „nestrannosti“ modelu může trvat dlouho, protože model lze skutečně testovat pouze po dlouhou dobu.

Model je vytvořen na základě zkrácené sady dostupných historických dat. Zbývající data lze použít pro srovnání s prognózami získanými pomocí tohoto modelu. Tento druh testu je realističtější, protože ve skutečnosti simuluje předpovědní situaci. Nevýhodou této metody je, že z procesu tvorby výchozího modelu jsou vyloučeny nejnovější, a tedy nejvýznamnější ukazatele.

Ve světle výše uvedeného ohledně ověřování modelu je jasné, že za účelem snížení očekávaných chyb bude nutné provést změny ve stávajícím modelu. Takové změny se provádějí po celou dobu aplikace modelu v reálném životě. Průběžná modifikace je možná s ohledem na trend, sezónní a cyklické výkyvy a jakýkoli použitý vztah příčina-následek.

Tyto změny jsou následně ověřeny pomocí již popsaných metod. Proces vývoje modelu tedy zahrnuje několik fází: sběr dat, vývoj výchozího modelu, verifikace, zpřesňování – a znovu vše na základě průběžného sběru dalších dat, aby byla zajištěna spolehlivost modelu.

Na mikroúrovni- na úrovni podniku, organizace (firmy) jsou předměty prognózování a plánování: poptávka, výroba výrobků (výkon služeb), potřeba materiálových a pracovních zdrojů, náklady na výrobu a prodej výrobků, ceny, příjmy podniku, jeho technický rozvoj. Výsledky prognózy jsou základem pro rozhodování managementu.

Předměty prognózování a plánování- plánovací a finanční orgány podniku, marketingové a technické útvary.

Prognózní plány jsou vypracovány jak pro podnik jako celek, tak pro jeho strukturální divize: dílny, sekce, služby.

Podnik rozlišuje následující typy plánů:

Strategické plány- obecné plány rozvoje podnikání. Z finančního hlediska tyto plány určují nejdůležitější finanční ukazatele a poměry reprodukce, charakterizují investiční strategie a možnosti reinvestice a akumulace. Strategické plány určují objem a strukturu finančních zdrojů nezbytných pro fungování podniku.

Aktuální plány jsou vyvíjeny na základě strategických jejich podrobným rozpracováním. Pokud je ve strategickém plánu uveden přibližný výčet finančních zdrojů, jejich objem a směry použití, pak se v rámci běžného plánování provádí vzájemná koordinace každého typu investic se zdroji jejich financování, efektivita každého možného zdroje je studováno financování a je provedeno finanční hodnocení hlavních činností podniku a způsobů získávání příjmů.

Operační plány- jedná se o krátkodobé taktické plány přímo související s dosahováním cílů společnosti (plán výroby, plán nákupu surovin atd.).

Prognóza budoucího vývoje podniku je nejvýznamnější a nejobtížnější fází přípravy podnikatelského plánu, protože na základě výsledků předpovědních kalkulací budoucích změn trhu se určují náklady, ceny, zisky, rozsah projektu a potřebné zdroje. .

Při prognózování finančních ukazatelů je vhodné používat systém metod: expertní posouzení, extrapolační metody, faktorové modely, optimalizační metody a normativní metoda.

Studie je věnována vývoji prognostické metody založené na analýze náhodných tržních procesů. Této metodě jsou zároveň přizpůsobeny tři klasické problémy teorie náhodných procesů. Statistický materiál o kolísání tržních cen je doplněn modelem změn nákladů v čase. Řešení problémů umožnilo redukovat výsledky prognózy na graf prodeje ve formě periodicky se opakujících obdélníků. Výška obdélníků ukazuje pouze příznivá období pro prodej výrobků, aniž by odrážela objemy výroby. Byl sestaven algoritmus, který umožnil vyvinout vhodný aplikační software praktického významu. Software nahrazuje modely kolísání tržních cen a změn nákladů periodickou funkcí příznivého prodeje produktů. Výkon softwaru byl ověřen během experimentálních studií a testován v jedné z cukráren v Orenburgu.

stochastické předpovídání

prodejní graf

počítačové modelování

náhodné procesy

1. Konikhin S.V. Neuronové sítě a prognózování obchodního obratu / S.V. Konikhin // Vědecké poznámky mladých výzkumníků. – 2014. – č. 1. – S. 18–20.

2. Volkov I.K. Náhodné procesy / I.K. Volkov, S.M. Zuev, G.M. Tsvetková. – M.: Vydavatelství MSTU im. N.E. Bauman. – 1999. – S. 373.

3. Korolková L.I. Výpočet racionálních objemů produkce pšenice (na příkladu Kolos LLC) / L.I. Korolková, N.Yu. Litvinová // Finanční analytika: problémy a řešení. – 2011. – č. 43. – S. 42–45.

4. Moskaleva O.G. Metodika identifikace optimálního rytmu výrobního procesu / O.G. Moskaleva, A.M. Pishchukhin. // Pokrok v moderní přírodní vědě. – 2006. – č. 12. – S. 87–88.

5. Narkevič L.V. Prognóza objemu prodeje obchodní organizace s přihlédnutím ke kolísání poptávky / L.V. Narkevič, K.P. Borovikova // Bulletin Bělorusko-ruské univerzity. – 2013. – č. 1. – S. 116–123.

6. Pishchukhin A.M. Řízení podniku na základě prognózy v sortimentním prostoru // Ekonomika regionu. – 2017. – T. 13. č. 1. – S. 216–225.

7. Pishchukhin A.M. Konzistence součástí systému a metod k jeho dosažení // Bulletin Orenburgské státní univerzity. – 1999. – č. 1. – S. 87–90.

8. Pishukhin A.M., Akhmedyanova G.F. Automatizace a technologie - dva aspekty technického vybavení výroby // Bulletin OSU. – 2015. – č. 9 (184). – s. 33–36.

9. Račenko T.A. Prognóza objemu prodeje telekomunikačních služeb s přihlédnutím k sezónním výkyvům: dis. ...bonbón. ekon. Sci. – Togliatti, 2010. – S. 116.

10. Sirotenko A.S. Metodický základ pro prognózování objemu výrobního programu v cukrářském průmyslu / A.S. Sirotenko, Yu.I. Seliverstov // Ruské podnikání. – 2009. – č. 11–1. – s. 145–151.

11. Solovjová Yu.S. Modelování ekonomických procesů pomocí technologií neuronových sítí / Yu.S. Solovjová, T.I. Grekova // Bulletin Tomské státní univerzity. – 2009. – č. 1(6). – s. 49–58.

12. Tsomaeva I.V. Řízení sériové a malosériové výroby v podmínkách nejistoty / I.V. Tsomaeva // Bulletin Novosibirské státní univerzity. Řada: Socioekonomické vědy. – 2014. – T. 14, č. 1. – S. 117–124.

13. Kolassa S. Vyhodnocení prediktivní distribuce dat počtu v prognózování maloobchodního prodeje // International Journal of Forecasting. – 2016. – Sv. 32, č. 3. – S. 788–803.

14. Merigo J.M., Palacios-Marques D., Ribeiro-Navarrete B., Agregační systémy pro prognózování prodeje // Journal of Business Research. – 2015. – Sv. 68, č. 11. – S. 2299–2304.

15. Zhi-Ping Fan, Yu-Jie Che, Zhen-Yu Chen. Prognózy prodeje produktů pomocí online recenzí a historických dat o prodeji: Metoda kombinující Bassův model a analýzu sentimentu // Journal of Business Research. – 2017. – Sv. 74. – S. 90–100.

Pro stabilní existenci každého podniku je nezbytné hluboké porozumění tržním procesům a důkladné posouzení velikosti trhu a jeho potenciálu. Pro vypracování efektivní výrobní strategie a sledování efektivity její implementace je nutné vyhodnotit aktuální poptávku a předvídat její změny. Pokud při tom společnost udělá chybu, může přijít o obrovské zisky.

Trh má vždy vysoký stupeň stochasticity, protože je ovlivněn mnoha faktory, jako je inflace, směnné kurzy, kupní síla obyvatelstva atd. Nepředvídatelnost trhu nám neumožňuje provést přesnou kvantitativní předpověď poptávky po určitém produktu, nicméně na základě statistických údajů je možné předvídat příznivá období pro prodej vyrobených produktů. Během takových časových období tržní hodnota produktu převyšuje jeho náklady a umožňuje vám dosáhnout zisku z prodeje. Účelem této studie je vyvinout metodu pro předpovídání takových období.

Prognózování objemů prodeje různých typů produktů je uvažováno v pracích domácích i zahraničních autorů, kde se používají známé metody expertního hodnocení, regrese, korelační analýzy, extrapolace trendů atd. Teorie nejistoty, stejně jako metoda „neuronových“ sítí, se v poslední době používá v úlohách prognózování objemu prodeje zboží a zdůvodňování marketingových rozhodnutí. Aniž bychom se pouštěli do podrobností o aplikaci těchto metod, poznamenáváme, že v každém konkrétním případě se výběr metody provádí na základě předpovědních účelů, změn poptávky po vyráběných produktech, trendů ve změnách solventnosti podniků, výkyvů v jejich obchodní činnosti. , cyklický výskyt nových produktů konkurence na trhu, změny ve výrobní technologii atd. Ve všech pracích dochází k pokusům přesně předpovědět objem prodeje produktů, zobecnit jej na celé období prognózy, ale pokud analyzujete trh podrobněji, všimnete si, že konkrétní produkt je trhem vnímán odlišně při různých časy. Navíc existují příznivá období pro prodej produktů (předsvátky, dny výplaty mezd, sezónnost atd.) a samozřejmě o těchto obdobích mají informace o výrobcích. Rozhodnutí manažerů jsou však z velké části založena na intuici a zkušenostech, takže proces identifikace a předpovídání příznivých období pro prodej produktů vyžaduje formalizaci a vývoj intuitivních a spolehlivých modelovacích a prognostických nástrojů.

Navzdory složitosti tržních procesů je lze na první přiblížení považovat za markovské. To umožňuje použít Kolmogorovovy rovnice k předpovědi příznivých období pro prodej produktů. Teorie náhodných procesů řeší pro Markovův případ tři problémy, které jsou považovány za klasické. Ve vztahu k předpovídání příznivých období pro prodej produktů jsou tyto úkoly formulovány následovně.

Průměrná hodnota přebytku ceny nad výrobními náklady se sníží na integrál:

kde je podmíněná funkce hustoty pravděpodobnosti, τ je čas, y je hodnota ceny, Cl jsou náklady na daný typ produktu, s je počet druhů produktů, které se berou v úvahu při výpočtu. Řešení tohoto problému je provedeno a je vyjádřeno pomocí funkce parabolického válce Dv(z). Po sérii transformací dostaneme

kde vk jsou kořeny rovnice, α, m2 jsou parametry modelu a normalizační faktor se vypočítá podle vzorce

(3)

Řešení druhého problému nám umožňuje určit průměrnou dobu, po kterou cena produktu zůstane v oblasti převýšení nad náklady, a dojde k integraci obyčejné diferenciální rovnice druhého řádu s ohledem na průměrnou dobu s odpovídajícími okrajovými podmínkami. :

(4)

Řešením tohoto okrajového problému najdeme

,

. (5)

Ve třetím problému získáme odhad průměrného počtu odlehlých hodnot Markovova procesu pro danou úroveň, který je definován jako řešení této rovnice.

. (6)

Řešení se provádí pomocí Laplaceovy transformace za předpokladu, že náhodný proces je stacionární v širokém smyslu:

. (7)

V Laplaceových mapováních pro požadovaný počet emisí získáme

Převrácením nalezeného výrazu můžete zjistit průměrný počet emisí daného produktu na úroveň nákladů.

Výška výsledných sloupců ukazuje pouze převis ceny nad náklady v bodech v čase, bez zohlednění objemů výroby. Můžete však zavést kritérium pro ziskovost produktů určením celkové plochy výsledných obdélníků.

Toto kritérium umožňuje určit atraktivitu výroby konkrétního produktu a využít získaná data při tvorbě výrobní strategie.

Materiály a výzkumné metody

Studie byla založena na statistických údajích poskytnutých jednou z cukráren v Orenburgu. Byly analyzovány hodnoty nákladů a množství vyrobených produktů za rok 2016. Studie byla provedena metodou počítačového modelování.

Trh byl modelován formou náhodného procesu kolísání cen v čase a procesu změn výrobních nákladů. Na základě výše popsané teorie byly vypočteny hodnoty ΔЦcp, , a byla sestavena periodická funkce příznivého prodeje produktu. Studie používala krok výpočtu v délce jednoho týdne s předpovědním obdobím půl roku.

V této studii byly pro počítačové modelování použity tři modely.

Model kolísání tržní ceny v čase pro daný typ produktu je odrazem procesu změny ceny produktu vlivem tržních faktorů, jako je kupní síla obyvatelstva, aktivita konkurentů, změna ceny produktu v čase, kdy se cena produktu změnila. a nasycení trhu produkty. V této studii byl proces kolísání tržních cen modelován pomocí generátoru náhodných čísel s pohyblivými dolními a horními limity.

Model změn nákladů na výrobu daného typu produktu v čase je odhad nákladů na přírodní zdroje, suroviny, materiály, energii, fixní aktiva, pracovní zdroje použité v procesu jeho výroby a další náklady. výroby a prodeje. S podrobnějším zkoumáním procesu tvorby nákladů se přidávají faktory jako inflace, směnné kurzy, náklady na palivo a zprostředkovatelské tarify. Tyto ukazatele mají zřetelnou tendenci se v čase zvyšovat, takže pro realističtější znázornění procesu byl použit progresivní nákladový model.

Model příznivých období pro prodej produktů přímo vyplývá z teorie. Studie nahradila modely kolísání tržních cen a změn nákladů periodickou funkcí, která odráží plán prodeje ve formě periodicky se opakujících obdélníků.

Výsledky výzkumu a diskuse

Vyvinutý software, který umožňuje na základě počátečních hodnot zadaných uživatelem sestavit grafy změn nákladů a tržní ceny v průběhu času. Po výpočtech popsaných v teoretické části program zkonstruuje periodickou funkci příznivého prodeje produktu, odrážející plán prodeje ve formě periodicky se opakujících obdélníků.

Na Obr. Obrázek 1 ukazuje formulář obrazovky pro zadání počátečních dat. Program umožňuje zadat hodnotu nákladů na jednotku produkce a vybrat měsíční procento změny nákladů, stejně jako určit horní a dolní hranici tržních nákladů pro modelování tržních procesů. Pomocí generátoru náhodných čísel program vygeneruje sadu hodnot tržních cen pro prognózované období.

Na Obr. Obrázek 2 ukazuje formulář na obrazovce pro prezentaci grafu změn v průběhu času v nákladech a tržních cenách produktů. Spodní řádek představuje hodnoty nákladů, horní řádek představuje hodnoty tržní ceny.

Na Obr. Obrázek 3 ukazuje formulář obrazovky pro reprezentaci periodické funkce efektivního prodeje produktu, odrážející plán prodeje ve formě periodicky se opakujících obdélníků.

Rýže. 1. Obrazovka pro zadání počátečních údajů

Rýže. 2. Zobrazení grafu změn nákladů a tržní ceny produktů v čase

Rýže. 3. Zobrazení periodické funkce příznivého prodeje produktu na obrazovce, odrážející plán prodeje ve formě periodicky se opakujících obdélníků

Znázornění předpovědního procesu ve formě takové periodické funkce vám umožní dát produkci rytmus.

Závěr

Metoda stochastického předpovídání období příznivých pro prodej výrobků tedy představuje model, který odráží plán prodeje ve formě periodicky se opakujících obdélníků a umožňuje rytmizovat výrobní proces. Na základě teoretického výzkumu je prezentován prognostický algoritmus, který umožnil vyvinout vhodný software s praktickým významem. Vzhledem k tomu, že přesnost prognózy závisí na velikosti kroku a délce období prognózy, je zapotřebí další výzkum k optimalizaci těchto parametrů.

Bibliografický odkaz

K rozvoji specifických metod prediktivní analýzy dochází v důsledku specifikace obecných metod analýzy činnosti komerčních organizací, a to výhradně z hlediska jejich dynamiky a pohybu. Tyto techniky zahrnují metody ekonomického prognózování.

Ekonomické prognózování je v našich podmínkách počáteční fází plánování. Na základě studia zákonitostí vývoje různých ekonomických jevů a procesů identifikuje nejpravděpodobnější cesty tohoto vývoje a poskytuje základ pro volbu a zdůvodnění plánovacích rozhodnutí na jakékoli úrovni řízení. Funkce ekonomického prognózování jsou tedy výhradně analytické. Nejběžnější metody ekonomického prognózování jsou diskutovány níže.

Výchozím bodem kterékoli z prognostických metod je uznání skutečnosti určité kontinuity (nebo určité stability) změny ukazatelů finanční a ekonomické aktivity z jednoho vykazovaného období do druhého. Proto je obecně předpovědní analýza ve vztahu k obchodní organizaci studií jejích finančních a ekonomických aktivit s cílem určit její finanční situaci v budoucnosti.

Pro účely analýzy prognózy jsou využívány všechny metodologické nástroje analýzy, které jsou poměrně dobře popsány v ekonomické a odborné literatuře. Základem prognostické analýzy jsou však prognostické metody a metody hodnocení citlivosti ekonomických výsledků na očekávané změny situace.

V závislosti na typu použitého modelu lze všechny metody prediktivní analýzy rozdělit do tří velkých skupin (viz obrázek):

1. Heuristické metody jsou neformální metody řešení ekonomických problémů souvisejících s aktuální ekonomickou situací, založené na intuici, zkušenostech, odborných posudcích specialistů apod.

Používají se především k predikci stavu objektu za podmínek částečné nebo úplné nejistoty, kdy hlavním zdrojem získávání potřebných informací je intelektuální potenciál profesionálů působících v určitých oblastech vědy a podnikání.

Nejrozšířenější z nich je metoda odborných posudků - organizovaný sběr posudků a návrhů specialistů (odborníků) na zkoumaný problém s následným zpracováním obdržených odpovědí.

1. Deterministické metody, které předpokládají přítomnost funkčních nebo striktně určených souvislostí, kdy každá hodnota faktorové charakteristiky odpovídá dobře definované nenáhodné hodnotě výsledné charakteristiky. Jako příklad můžeme uvést závislosti implementované v rámci známého modelu faktorové analýzy společnosti DuPont. Pomocí tohoto modelu a nahrazením prognózovaných hodnot různých faktorů, jako jsou tržby z prodeje, obrat aktiv, stupeň finanční závislosti a další, můžete vypočítat prognózovanou hodnotu jednoho z hlavních ukazatelů výkonnosti - ukazatel rentability vlastního kapitálu. .

Kombinovaná metoda

1. Stochastické metody, které předpokládají pravděpodobnostní povahu prognózy a vztah mezi sledovanými indikátory. Pravděpodobnost získání přesné prognózy se zvyšuje s počtem empirických dat. Tyto metody zaujímají přední místo z hlediska formalizovaného předpovídání a výrazně se liší ve složitosti použitých algoritmů. Výsledky prognóz získané statistickými metodami podléhají vlivu náhodných výkyvů v datech, což může někdy vést k vážným chybným výpočtům.

Stochastické metody lze rozdělit do tří typických skupin, které jsou uvedeny níže. Volba metody pro předpovídání konkrétní skupiny závisí na mnoha faktorech, včetně dostupných výchozích dat.

První situace- přítomnost dynamické řady - v praxi se vyskytuje nejčastěji, finanční manažer nebo analytik má k dispozici data o dynamice ukazatele, na základě kterých je nutné sestavit přijatelnou prognózu. Jinými slovy, mluvíme o identifikaci trendu. To lze provést různými způsoby, mezi hlavní patří jednoduchá dynamická analýza a analýza pomocí autoregresních závislostí.

Druhá situace- přítomnost prostorového agregátu - nastává, pokud z nějakého důvodu neexistují žádné statistické údaje o indikátoru nebo existuje důvod se domnívat, že jeho hodnota je určena vlivem určitých faktorů. V tomto případě lze použít korelační-regresní analýzu, která je rozšířením jednoduché dynamické analýzy na případ s více proměnnými

Třetí situace- přítomnost časoprostorové totality - nastává v případě, kdy: a) dynamické řady nemají dostatečnou délku pro vytvoření statisticky významných předpovědí; b) analytik hodlá v prognóze zohlednit vliv faktorů, které se liší ekonomickým charakterem a jejich dynamikou. Počáteční data jsou matice ukazatelů, z nichž každá představuje hodnoty stejných ukazatelů pro různá období nebo pro různá po sobě jdoucí data.

Nezbytným předpokladem pro stochastické modelování je možnost sestavení souboru pozorování (měření); kvalitativní homogenita populace ve vztahu ke studovaným souvislostem; dostatečný rozměr populace; dostupnost vhodných metod.

Metoda znaleckých posudků. Základem této metody je průzkum specialistů, který může být individuální, kolektivní, prezenční, korespondenční, anonymní atd. Organizátoři ankety stanoví předmět a cíle zkoušky, vyberou odborníky, ověří jejich způsobilost, analyzují a shrnují výsledky zkoušky. To obvykle zajišťuje, že rozhodnutí je učiněno nejjednodušším a nejrychlejším způsobem.

Nevýhodou je snížení nebo úplná absence osobní odpovědnosti za provedenou předpověď. Expertní posouzení se používají nejen k predikci hodnot ukazatelů, ale také v analytické práci, například k vývoji váhových koeficientů, prahových hodnot kontrolovaných ukazatelů atd.

Metoda proporcionálních závislostí. Základem pro vývoj metody proporcionálních závislostí ukazatelů byly dvě hlavní charakteristiky každého ekonomického systému – provázanost a setrvačnost.

Jedním ze zřejmých rysů existující komerční organizace jako systému je přirozeně koordinovaná interakce jejích jednotlivých prvků (jak kvalitativně, tak kvantitativně měřitelných), což znamená, že mnoho indikátorů, i když nejsou propojeny formalizovanými algoritmy, se přesto neustále mění v dynamice. .

Druhá charakteristika - setrvačnost - při aplikaci na činnost společnosti je také zcela zřejmá. Jeho smyslem je, že ve stabilně fungující společnosti se zavedenými technologickými postupy a obchodními vazbami nemůže docházet k prudkým „špičkám“ ve vztahu ke klíčovým kvantitativním charakteristikám.

Metoda bilančního modelu. Podstata této metody je zřejmá již z jejího názvu. Rozvahu obchodní organizace lze popsat různými rozvahovými rovnicemi, které odrážejí vztah mezi různými aktivy a pasivy. Nejjednodušší z nich je základní bilanční rovnice, která má tvar:

V praxi se prognózování provádí pomocí složitějších bilančních rovnic a kombinací této metody s jinými metodami prognózování.

Metoda systému hlavních ukazatelů. Myšlenka tohoto přístupu je založena na predikci přechodu aktivity od vzestupu k poklesu (nebo naopak od poklesu k vzestupu), pro který je nutné vytvořit „systém včasné detekce“. Jinými slovy, je nutné identifikovat ukazatele, u kterých dochází k obratu dříve než u ukazatele přijatého k charakterizaci životního cyklu. Pak by dosažení vrcholu nebo minima předstihovým ukazatelem naznačovalo pravděpodobné přiblížení vrcholu nebo dna v dynamice rozvoje organizace.

Podle toho, jak se ekonomické ukazatele v průběhu životního cyklu mění (zda dosáhnou maxima (minima) před nebo po projetí nejvyššího (nejnižšího) bodu obratu životního cyklu), rozlišujeme tři typy cyklických ukazatelů – předstihové, koincidenční a zaostávající.

Předstihové ukazatele jsou ty, které dosahují maxima (minima) před vrcholem (dolem) podnikatelské aktivity.

Ukazatele, které se mění současně s dynamikou ekonomické aktivity, jsou považovány za shodné.

Zaostávající indikátory jsou ty, které dosahují maxima (minima) po vrcholu (dole) ekonomické aktivity.

Provedený výzkum umožňuje konstatovat, že téměř všechny studované ukazatele jsou cyklického charakteru a do značné míry kopírují dynamiku návratnosti aktiv. Jejich projev je ale jiný. Některé z nich se shodují v určité fázi vývoje organizace, některé jsou pokročilé, jiné zaostávají.

Metody časových řad. Časová řada (y) je řada pozorování hodnot měřeného parametru (u) v po sobě jdoucích okamžicích v čase (t):

Časová řada je speciální případ tabulkové funkce, která představuje „protokol“ jakéhokoli pozorování. Matematické zpracování této tabulky má za cíl „vymáčknout“ co nejvíce informací o zákonitostech vývoje daného jevu v minulosti i současnosti a získané informace využít k charakterizaci jevu v budoucnosti.

Úkolem prognózování časových řad je předpovídat hodnoty měřeného parametru v časech t n + 1, t n + 2 atd.

Přes zdánlivou jednoduchost nebyl tento problém dosud vyřešen v obecné podobě pro nestacionární procesy. Většina ekonomických procesů je nestacionární, což je vyjádřeno přítomností evoluční složky v časové řadě – časového trendu. Mezi metodami prognózování časových řad proto zaujímají velké místo všemožné neformální, empirické metody založené na intuici a zkušenostech specialistů v určitém odvětví.

Neformální přístup k analýze umožňuje upřesnit predikci časových řad zavedením dalších omezení (podmínek) do substituce.

Jednoduchá metoda dynamické analýzy. Každá hodnota časové řady se může skládat z následujících složek: trend, cyklické, sezónní a náhodné výkyvy. Pro určení trendu existující časové řady se používá metoda jednoduché dynamické analýzy, kterou lze považovat za obecný směr změn hodnot řady nebo za hlavní trend řady. Výkyvy kolem trendové linie po dobu delší než jeden rok se nazývají cyklické. Takové výkyvy finančních a ekonomických ukazatelů často odpovídají hospodářským cyklům: prudký pokles, oživení, rychlý růst a stagnace. Sezónní výkyvy jsou periodické změny hodnot řady v průběhu roku. Lze je izolovat po analýze trendu a cyklických výkyvů. Nakonec se identifikují náhodné výkyvy odstraněním trendu, cyklických a sezónních výkyvů pro danou hodnotu. Hodnota zbývající po tomto je náhodná odchylka, kterou je třeba vzít v úvahu při určování pravděpodobné přesnosti přijatého prognostického modelu.

Metoda jednoduché dynamické analýzy je založena na předpokladu, že predikovaný ukazatel (Y) se mění přímo (inverzně) proporcionálně v čase. K určení předpovědních hodnot indikátoru je proto vytvořen například následující vztah:

Metoda autoregresních závislostí. Tato metoda vychází z celkem zřejmé premisy, že ekonomické procesy mají určitou specifičnost. Liší se za prvé ve vzájemné závislosti a... za druhé určitá setrvačnost. To druhé znamená, že hodnota téměř jakéhokoli ekonomického ukazatele v určitém časovém okamžiku (určitým způsobem závisí na stavu tohoto ukazatele v předchozích obdobích (v tomto případě abstrahujeme od vlivu jiných faktorů), tj. za faktorové charakteristiky je třeba považovat predikovaný indikátor v předchozích obdobích. Rovnice autoregresní závislosti má ve své nejobecnější podobě tvar:

Dostatečně přesné předpovědní hodnoty lze získat již při k = 1. V praxi se také často používá modifikace rovnice (4), která jako faktor zavádí časové období t, tzn. kombinující metody autoregrese a jednoduché dynamické analýzy. V tomto případě bude regresní rovnice vypadat takto:

Regresní koeficienty této rovnice lze nalézt pomocí metody nejmenších čtverců.

Metoda korelační a regresní analýzy. Jedná se o klasickou metodu stochastického modelování. Studuje vztahy mezi ukazateli ekonomické aktivity, kdy vztah mezi nimi není striktně funkční a je zkreslený vlivem vnějších, náhodných faktorů. Při provádění korelační a regresní analýzy se budují různé korelační a regresní modely ekonomické aktivity. V těchto modelech se rozlišují faktorové a výkonnostní ukazatele (rysy). V závislosti na počtu sledovaných ukazatelů se rozlišují párové a multifaktoriální modely korelační a regresní analýzy.

Korelační a regresní analýza se používá k sestavení prognózy libovolného ukazatele s přihlédnutím k existujícím vztahům mezi ním a ostatními ukazateli. Nejprve je na základě kvalitativní analýzy identifikováno k faktorů (X 1, X 2,., X k), které podle názoru analytika ovlivňují změnu predikovaného ukazatele Y, a nejčastěji lineární regresní vztah typu je konstruován:

Hlavním úkolem korelační-regresní analýzy je objasnit podobu a blízkost vztahu mezi výkonnostními a faktorovými ukazateli. Formou spojení se rozumí typ analytického vzorce, který vyjadřuje závislost efektivního ukazatele na změnách faktorového ukazatele. Přímý vztah se rozlišuje, když se zvýšením (poklesem) hodnot faktoru ukazatele existuje tendence ke zvýšení (poklesu) hodnot efektivního ukazatele. Jinak je mezi ukazateli inverzní vztah. Tvar spojení může být přímočarý (odpovídá rovnici přímky), kdy je tendence k rovnoměrnému nárůstu nebo poklesu efektivního ukazatele, jinak se tvar spojení nazývá křivočarý (odpovídá rovnice paraboly, hyperboly atd.).

Analytické výhody regresních modelů spočívají v tom, že za prvé je to faktor, kterým se identifikují rezervy pro zvýšení efektivity finančních a ekonomických činností; za druhé jsou identifikovány objekty s vyšší úrovní účinnosti; za třetí, je možné kvantitativně měřit ekonomický efekt zavádění osvědčených postupů a provádění organizačních a technických opatření.

Metoda simulačních modelů. Mezi takové modely patří údaje o plánovaných nákupech materiálu a komponentů, objemech výroby a prodeje, struktuře nákladů, investiční aktivitě společnosti, daňovém prostředí atd. Zpracování těchto informací v rámci jednotného finančního modelu nám umožňuje posoudit prognózu finanční stavu organizace s velmi vysokou mírou přesnosti. Ve skutečnosti lze tento druh modelu sestavit pouze pomocí osobních počítačů, které umožňují rychle provést obrovské množství nezbytných výpočtů. Tyto metody však nejsou předmětem této práce, protože musí mít mnohem širší informační podporu než účetní závěrka, což znemožňuje jejich použití externími analytiky.

Literatura:

1. Vaganová O.E. Prognózní analýza podnikových peněžních toků. - journal.seun/ru/J2004_1R/Ecnomy/VAGANOVA.DOC
2. Šeremetěv A.O. Analýza efektivnosti využití ekonomického potenciálu komerční organizace v různých fázích životního cyklu. Autorský abstrakt. diss. na sois. uch. Umění. Ph.D. ekon. Sciences, Yoshkar-Ola, 2008. - 27 s.
3. Kovalev V.V., Kovaleva Vit. B. Účetní závěrka. Analýza účetních výkazů (základy rozvahy). 2. vyd., revidováno. a doplňkové - M.: TK Welby, Prospect, 2006. - 432 s.

Odeslat svou dobrou práci do znalostní báze je jednoduché. Použijte níže uvedený formulář

Studenti, postgraduální studenti, mladí vědci, kteří využívají znalostní základnu ve svém studiu a práci, vám budou velmi vděční.

MINISTERSTVO ŠKOLSTVÍ UKRAJINY

STÁTNÍ TECHNICKÁ UNIVERZITA ZÁPORIZHIE

KATEDRA MEZINÁRODNÍCH EKONOMICKÝCH VZTAHŮ

VYSVĚTLIVKA

PRO KURZOVOU PRÁCI V DISCIPLÍNĚ „Mezinárodní informace“

Analýza prognostických metod

Vyvinuto:

Dozorce:

Esej

Vysvětlivka: 28 stran, 7 obrázků, 1 vzorec, 9 zdrojů

Předmět studia: předpovědní metody.

Cíl práce: studovat prognostické metody a analyzovat je

Metody výzkumu: dedukce, systémově-strukturální

Výsledky výzkumu: v průběhu práce byla provedena analýza prognostických metod, byly zváženy některé teoretické aspekty některých metod, byl zvážen rozsah použití prognostických metod a na konkrétním příkladu byla prezentována metoda extrapolace a trendy.

Klíčová slova:prognózování, extrapolace, expertní metody, heuristika, informace, technologie, zpracování informací

Úvod………………………………………………………………………………………..6

1. Cíle a principy prognózování………………………………………………7

2. Metody vědeckého a technického předpovídání………………………11

2.1 Klasifikace prognostických metod………………………………..11

2.2 Extrapolační předpovědní metody……………………….13

2.2.1 Předběžné zpracování počátečních informací v problémech s extrapolací prognózy………………………………………………………………14

2.3 Statistické metody………………………………………………………………16

2.4 Expertní metody……………………………………………………………… 17

2.4.1 Rozsah aplikace expertních metod………………………………17

2.4.2 Metoda heuristického prognózování (HEM)………………………..19

3. Klasifikace ekonomických prognóz…………………………………..23

Závěr……………………………………………………………………………………………….28

Seznam referencí……………………………………………………………………………………………… 29

Seznam zkratek

Studie proveditelnosti - tabulka odborných posudků

PEO - osobní znalecké posouzení

MEP - metoda heuristické prognózy

COMPUTER - elektronický počítač

ETsVM - elektronický centrální počítač

MHD - magneticko-dynamické instalace

NTI - vědecké a technické informace

ÚVOD

Prognostický proces je v současnosti docela relevantní. Rozsah jeho použití je široký. Prognózování je široce používáno v ekonomii, zejména v managementu. V managementu jsou pojmy „plánování“ a „prognózování“ úzce propojeny. Nejsou totožné a vzájemně se nenahrazují. Plány a prognózy se liší časovými hranicemi, mírou podrobnosti ukazatelů, které obsahují, mírou přesnosti a pravděpodobnosti jejich dosažení, zacílením a konečně právním základem. Prognózy mají zpravidla indikativní charakter a plány direktivní povahy. Ne záměna a opozice plánu a prognózy, ale jejich správná kombinace - to je cesta k systematické regulaci ekonomiky v tržní ekonomice a přechodu na ni.

V průmyslu hrají prognostické metody také prvořadou roli. Pomocí extrapolace a trendu lze učinit předběžné závěry týkající se různých procesů, jevů, reakcí a operací.

Určité místo ve vojenských disciplínách zaujímá i předpovídání. Pomocí předpovědních metod je možné určit (posoudit) radioaktivní situaci v oblasti atp.

Existuje mnoho předpovědních metod. Po rozlišení jejich celkového počtu je nutné vybrat ten optimální pro použití v každé konkrétní situaci.

Analýza prognostických metod, studium těchto metod a jejich použití v různých oblastech činnosti je racionalizačním cvičením. Stupeň spolehlivosti prognóz pak lze porovnat se skutečnými reálnými ukazateli a po vyvození závěrů přejít k další prognóze s existujícími údaji, tzn. současný trend. Na základě získaných dat je možné v časovém aspektu přejít na vyšší úroveň atp.

1. Cíle a principy prognózování

Prognóza je specifická předpověď, úsudek o stavu jevu v budoucnosti na základě speciálního vědeckého výzkumu. Klasifikace prognóz se zpravidla provádí podle dvou kritérií - dočasného a funkčního. Na základě času se rozlišují prognózy: krátkodobé, střednědobé, dlouhodobé a ultra dlouhodobé. Funkční klasifikace prognóz zahrnuje jejich rozdělení na výzkumné, programové a zdrojové.

Prognózování je proces vývoje předpovědí. V závislosti na typu předpovědi existují normativní, vyhledávací a provozní.

Forecast model - model předpovědního objektu, jehož studium umožňuje získat informace o možných stavech objektů v budoucnosti a (nebo) způsobech a načasování jejich implementace

Chcete-li získat informace o budoucnosti, musíte studovat zákonitosti rozvoje národního hospodářství, určit důvody a hnací síly jeho rozvoje - to je hlavní úkol plánování a prognózování. Hlavními hnacími silami rozvoje výroby jsou sociální potřeby, technické možnosti a ekonomická proveditelnost. V souladu s tím můžeme poukázat na tři hlavní úkoly plánování a prognózování: stanovení cílů hospodářského rozvoje; hledání optimálních cest a prostředků k jejich dosažení; stanovení zdrojů nutných k dosažení stanovených cílů.

Výběr cílů je výsledkem rozboru společensko-politických problémů, které je třeba ve společnosti řešit a které odrážejí objektivní povahu fungování ekonomických zákonů.

Volbě cílů předchází vývoj alternativních cílů, konstrukce hierarchického systému nebo „stromu cílů“, pořadí cílů a výběr vedoucích odkazů. Výchozími předpoklady pro volbu cílů jsou na jedné straně reálná možnost řešení dané alternativy a na straně druhé její optimálnost podle kritéria efektivity.

Způsoby a prostředky k dosažení cílů jsou stanoveny na základě rozboru vývoje národního hospodářství a vědeckotechnického pokroku. Zároveň v. V procesu prognózování je omezena oblast alternativních možností způsobů a prostředků k dosažení stanovených cílů, tedy je určena oblast optimálních řešení. V procesu tvorby plánu (rozhodování) je určeno jediné řešení, které je optimální podle přijatého vektoru kritérií.

Podle toho, jaký problém je řešen jako první, se rozlišují dva typy prognóz: výzkumné (neboli vyhledávací) a normativní. Sestavení prognózy objektivně existujících vývojových trendů na základě analýzy historických trendů se nazývá výzkum nebo vyhledávače prognózování. Tento typ prognózování je založen na využití principu setrvačnosti vývoje, kdy orientace prognózy v čase probíhá podle schématu „od přítomnosti do budoucnosti“. Výzkumná prognóza je obrazem stavu předpovědního objektu v určitém okamžiku v budoucnosti, získaný jako výsledek uvažování procesu vývoje jako pohybu setrvačností z přítomného času do horizontu prognózy. Prognostické trendy ve vývoji prognostického objektu, který by měl zajistit dosažení určitých společensko-politických, ekonomických a obranných cílů ve stanoveném okamžiku v budoucnu, je tzv. normativní. V tomto případě se orientace prognózy v čase provádí podle schématu „z budoucnosti do současnosti“.

Nesoulad mezi normativním a výzkumným hodnocením objektu prognózy v každém okamžiku v budoucnosti je důsledkem rozporu „potřeby-příležitosti“. Komplexní prognóza je založena na složení výzkumných a normativních prognóz.

Volba cílů a prostředků k jejich dosažení musí být jistě kombinována s určování potřeb zdrojů. Při určování této potřeby je třeba vzít v úvahu plánované a prognózované matice zdrojů (finančních, pracovních, materiálových a energetických), jakož i matice výrobní kapacity a časových zdrojů. Posouzeny jsou jak požadované zdroje, tak i pravděpodobná omezení jejich hodnoty v období realizace plánu nebo prognózy. Prognostické zdrojové matice jsou nejdůležitějšími výchozími údaji při sestavování bilancí národního hospodářství pro dlouhodobé plánování.

Hnací síly rozvoje nepůsobí izolovaně, jsou vzájemně propojené a závislé a lze je znázornit ve formě souvislého trojúhelníkového grafu:

Obrázek 1.1 Vzájemný vztah hybných sil rozvoje

Vrcholy tohoto „kauzálního trojúhelníku“ identifikují hybné síly rozvoje výroby, jeho hrany identifikují vzájemné vazby mezi nimi. Proto nelze problémy plánování a prognózování posuzovat izolovaně. V procesu prognózování a vypracovávání plánu je zapotřebí rozbor vzájemného působení cílů, metod a technických prostředků k jejich dosažení, zdrojů nutných k jejich realizaci a podle toho se určují optimální cesty rozvoje národního hospodářství. přijatá kritéria účinnosti.

Přes shodnost úkolů je jejich formulace v prognózování a plánování odlišná. Při plánování platí následující schéma: „cíl je direktivní, způsoby a prostředky k jeho dosažení jsou deterministické, zdroje jsou omezené.“ Při prognózování je schéma jiné: „cíle jsou teoreticky dosažitelné, způsoby a prostředky k jejich dosažení jsou možné, zdroje jsou pravděpodobné“. Prognostické úkoly se liší šířkou pokrytí. Problémy s prognózami je třeba hodnotit jako globální. Patří mezi ně: analýza situace, stanovení úrovně spolehlivosti informací, stanovení míry pravděpodobnosti, vývoj aktuálních, střednědobých a dlouhodobých prognóz. Principy prognózování: kombinace společensko-politických a ekonomických cílů; demokratický centralismus; konzistence; kontinuita a zpětná vazba; proporcionalita a optimalita; realita a objektivita; výběr úvodního odkazu atd.

Prognóza musí být systémové charakter. Potřeba systematického přístupu k prognózování vyplývá ze zvláštností rozvoje vědy a techniky, národního hospodářství v období vědeckotechnické revoluce. Vědeckotechnická revoluce vedla k zásadní změně vlastností, charakteristik a struktury moderní techniky a národního hospodářství. Nárůst počtu prvků, předmětů různé povahy, složitost vazeb mezi nimi a chování předmětu ve vnějším prostředí vedly k vytvoření velkých technických a výrobních (organizačních a ekonomických) systémů.

Moderní stroje mají vysokou konstrukční a funkční složitost, jedná se o technické komplexy zahrnující obrovské množství dílů, sestav, sestav a hotových výrobků, které spojuje maximální funkční integrita. Konstrukční a funkční složitost určuje vysokou spotřebu materiálu, pracnost, energetickou náročnost a cenu technických celků. Rozvoj technologií vedl k vytvoření složitých hierarchických strukturních struktur – velkých technických systémů. Tato vlastnost technických komplexů vyžadovala systematický přístup k její tvorbě, systémovému návrhu. Ve vyvíjených technických celcích musí být návrhy jednotlivých vstupních prvků podřízeny společnému cíli, pro který je systém vytvářen, tj. musí být zajištěna jednotná strategie chování technického systému.

Vytváření velkých technických systémů zase způsobilo vznik velkých organizačně-ekonomických (výrobních) systémů, zastřešujících mnoho podniků spojených výrobou určitého technického komplexu. Ve struktuře řízení výrobních podniků vzniká hierarchie. Neustále se zvyšující tempo rozvoje vědy a techniky, vytváření moderních organizačních a ekonomických systémů vedly k lavinovitému růstu informací a zvyšování míry nepravidelnosti jejich příjmu. To vše si vyžádalo zlepšení plánovacích metod a vytvoření plánovacího systému.

Nejdůležitějšími požadavky systémového přístupu jsou komplexnost prognóz a plánů a kontinuální charakter procesu plánování.

Integrovaný přístup zahrnuje vypracování prognóz a plánů ve spojení jak v prostoru (v odvětvovém a územním kontextu), tak v čase. Propojení v prostoru znamená navázání racionálních vztahů mezi sektory národního hospodářství, ekonomickými regiony, nastolení optimálních vztahů mezi tempem rozvoje vědy, techniky a průmyslové výroby, rovnováhou potřeb a zdrojů na všech úrovních hierarchie.

Vztah mezi prognózami a plány v čase je zajištěn implementací principu kontinuity plánování. Úpravy plánů a prognóz by měly být diskrétní povahy s předem stanovenými termíny (provozní režim). Poměrně časté změny plánů, které vedou ke změnám výrobních programů, mohou vést k dezorganizaci práce průmyslových odvětví a podniků v důsledku složitosti struktury výrobních vztahů v národním hospodářství, vysoké pracnosti a materiálové náročnosti procesů pro příprava průmyslové výroby.

Citlivost prognózy a plánů na změny závisí na úrovni hierarchie, době realizace a četnosti úprav. Čím nižší je úroveň, tím vyšší je citlivost, tím kratší by měla být doba přizpůsobení.

Nejdůležitějším bodem při zavádění a používání systémů průběžného plánování je stanovení kvality provozu takových systémů a na základě toho nalezení optimálního provozního režimu.

Kontinuita plánování je zajištěna implementací principu zpětné vazby. Úpravy plánů a prognóz se provádějí na základě zpětnovazebních informací obsahujících údaje o výsledcích realizace plánů a prognóz, vyjasnění potřeb, změny trendu vývoje objektu a vnějšího prostředí (společensko-politického, vědeckého, technické a ekonomické zázemí).

Různá míra nejistoty v generovaných informacích o budoucnosti ovlivňuje povahu aplikovaných metod, metod a technik prognózování a plánování. Pokud se při tvorbě plánů dává přednost deterministickým metodám, pak při prognózování jsou upřednostňovány stochastické. Při sestavování plánů jsou přednostně využívány běžné metody, při prognózování pak heuristické.

Specifičnost etap a fází plánování ovlivňuje i počet a úroveň agregace plánovaných a prognózovaných ukazatelů, míru jejich determinovanosti a poměr směrných a kalkulovaných ukazatelů.

2 METODY VĚDECKÉHO A TECHNICKÉHO PROGNÓZOVÁNÍ

2.1 Klasifikace prognostických metod

Nejprve uvedeme definici prognostické metody jako metody teoretického a praktického jednání zaměřeného na vypracování prognóz. Tato definice je poměrně obecná a umožňuje nám chápat pojem „metoda prognóz“ velmi široce: od nejjednodušších extrapolačních výpočtů až po složité postupy vícestupňových expertních průzkumů.

Pro studium metodologického aparátu prognostiky je vhodné tento široký pojem podrobně rozebrat hned od začátku. Dále budeme rozlišovat mezi jednoduchými předpovědními metodami a komplexními předpovědními metodami. V tomto případě jednoduchou prognostickou metodou budeme chápat metodu, která je nerozložitelná na ještě jednodušší prognostické metody, a složitou tedy budeme chápat metodu sestávající z propojené množiny několika jednoduchých.

V současné době je vedle značného počtu publikovaných prognostických metod známa řada metod jejich klasifikace. Tuto otázku však nelze považovat za uspokojivě vyřešenou, protože dosud nebyla vytvořena jednotná, užitečná a úplná klasifikace. Pravděpodobně prognostici jako mladá věda ještě nedosáhli takového stupně rozvoje, kdy je možné vytvořit klasifikaci splňující všechny tyto požadavky. Jaké jsou tedy cíle klasifikace prognostických metod? Lze identifikovat dva takové hlavní cíle. Jedná se za prvé o zajištění procesu studia a analýzy metod a za druhé o obsluhu procesu výběru metody při vytváření předpovědí objektu. V současné fázi je obtížné navrhnout jedinou klasifikaci, která by stejně vyhovovala oběma těmto cílům.

Existují dva hlavní typy klasifikace: sekvenční a paralelní. Sekvenční klasifikace předpokládá izolaci jednotlivých svazků od obecnějších. Jde o proces shodný s dělením generického pojmu na konkrétní. V tomto případě je třeba dodržet tato základní pravidla: 1) základ dělení (znak) musí zůstat stejný při utváření jakéhokoli konkrétního pojmu; 2) objemy pojmů druhů se musí vzájemně vylučovat (požadavek, aby se třídy nepřekrývaly); 3) rozsah specifických pojmů musí vyčerpat rozsah generického pojmu (požadavek na úplné pokrytí všech objektů třídění).

Paralelní klasifikace předpokládá komplexní informační základ, sestávající nikoli z jednoho, ale z řady znaků. Základním principem takové klasifikace je nezávislost na vybraných rysech, z nichž každý je podstatný, všechny dohromady jsou současně inherentní předmětu a teprve jejich kombinace dává ucelený obraz o každé třídě.

Důsledná klasifikace má vizuální výklad v podobě určitého rodokmenu, pokrývá celou posuzovanou oblast jako celek a určuje místo a vztahy každé třídy v celkovém systému. Proto je pro studijní účely přijatelnější a umožňuje systematičtější prezentaci utajované oblasti znalostí.

Každý stupeň klasifikace je charakterizován svým vlastním klasifikačním znakem. Prvky každé úrovně jsou názvy podmnožin prvků nejbližší nižší úrovně, které k nim patří, a podmnožiny jsou nesouvislé.

Prvky nižší úrovně jsou názvy úzkých skupin specifických prognostických metod (někdy z jednoho prvku), které jsou modifikacemi nebo variacemi jedné, nejobecnější z nich.

Obecně je klasifikace otevřená, protože poskytuje možnost zvýšit počet prvků na úrovních a zvýšit počet úrovní pomocí další fragmentace a vyjasnění prvků poslední úrovně.

Na první úrovni jsou všechny metody rozděleny do tří tříd podle atributu „informační základ metody“. Faktický metody vycházejí z aktuálně dostupných informačních materiálů o objektu prognózy a jeho minulém vývoji. Expertní metody jsou založeny na informacích dodaných odbornými experty v procesu systematizovaných postupů pro identifikaci a shrnutí tohoto názoru. Kombinovaný metody jsou rozděleny do samostatné třídy, takže do ní lze zařadit metody se smíšenou informační bází, ve které jsou jako primární informace použity faktické a odborné informace. Například při provádění expertního průzkumu jsou účastníkům prezentovány digitální informace o objektu nebo faktické předpovědi, nebo naopak při extrapolaci trendů se spolu se skutečnými daty používají expertní hodnocení.

Prognostické metody, které uplatňují matematické metody zpracování na odborné výchozí informace nebo hodnotí výchozí faktické informace expertními prostředky, by neměly být klasifikovány jako kombinované metody. Ve většině případů docela dobře zapadají do první nebo druhé třídy uvedené výše.

Tyto třídy se dále dělí na podtřídy podle principů zpracování informací. Statistický metody kombinují soubor metod pro zpracování kvantitativních informací o předpovědním objektu na principu identifikace matematických vzorců vývoje v něm obsažených a matematických vztahů charakteristik za účelem získání předpovědních modelů. Analogické metody jsou zaměřeny na identifikaci podobností ve vzorcích vývoje různých procesů a na jejich předpovědi. Vedoucí Prognostické metody jsou založeny na určitých principech speciálního zpracování vědeckotechnických informací, realizujících v prognóze její schopnost předstihnout vývoj vědeckotechnického pokroku.

Expertní metody jsou rozděleny do dvou podtříd. Přímá odborná posouzení jsou založena na principu získání a zpracování nezávislého zobecněného názoru skupiny odborníků (nebo jednoho z nich) při absenci ovlivnění posudku každého znalce posudkem jiného znalce a posudkem týmu . Expertní posudky se zpětnou vazbou v té či oné podobě ztělesňují princip zpětné vazby tím, že ovlivňují hodnocení expertní skupiny (jednoho experta) dříve obdrženým posudkem od této skupiny nebo od některého z jejích expertů.

Třetí stupeň klasifikace rozděluje prognostické metody do typů podle klasifikačního kritéria „metodický aparát“. Každý typ pro svou implementaci kombinuje metody, které jsou založeny na stejném aparátu. Statistické metody podle typu se tedy dělí na metody extrapolace a interpolace; metody využívající aparát regresní a korelační analýzy; metody využívající faktorovou analýzu.

Třída analogových metod se dělí na metody matematické a historické analogie. První, jako analog pro prognostický objekt, využívá objekty jiné fyzikální povahy, jiného vědního oboru, technologického odvětví, ale mající matematický popis procesu vývoje, který se shoduje s prognostickým objektem. Posledně jmenované využívají analogicky procesy stejné fyzikální povahy, které v čase předbíhají vývoj objektu prognózy.

Přední prognostické metody lze rozdělit na metody pro studium dynamiky vědeckých a technických informací; metody výzkumu a hodnocení úrovně technologie. V prvním případě se využívá především konstrukce kvantitativních a kvalitativních časových řad na základě různých typů vědeckých informací a analýzy a prognózování odpovídajícího objektu. Druhý typ metod využívá speciální aparaturu pro analýzu kvantitativních a kvalitativních informací obsažených v NTI pro stanovení charakteristik úrovně a kvality stávajícího a navrženého zařízení.

Přímá odborná posouzení na základě implementačního aparátu se dělí na typy expertního průzkumu a expertní analýzy. V prvním případě se používají speciální postupy pro generování otázek, organizaci příjmu odpovědí na ně, zpracování obdržených odpovědí a generování konečného výsledku. Ve druhém je hlavním výzkumným aparátem cílená analýza předpovědního objektu odborníkem nebo týmem odborníků, kteří sami kladou a řeší otázky vedoucí k cíli.

Expertní posouzení se zpětnou vazbou mají ve svém aparátu tři typy metod: expertní průzkum; generace nápadů; herní simulace. První typ je charakterizován postupy pro regulovaný bezkontaktní průzkum odborníků prokládaný zpětnou vazbou ve smyslu diskutovaném výše. Druhý je postaven na postupech přímé komunikace mezi odborníky v procesu výměny názorů na daný problém. Vyznačuje se absencí otázek a odpovědí a je zaměřen na vzájemnou stimulaci tvůrčí činnosti odborníků. Třetí typ využívá aparát teorie her a její aplikované úseky. Zpravidla je realizována kombinací dynamické interakce mezi týmy expertů a počítačem, simulující předpovědní objekt v možných budoucích situacích.

Konečně poslední, čtvrtý, stupeň klasifikace dále rozděluje typy metod třetího stupně na jednotlivé metody a skupiny metod podle některých místních souborů klasifikačních charakteristik pro každý typ, z nichž nelze uvést jednu společnou pro daný typ. celou úroveň jako celek.

2.2 Extrapolační předpovědní metody

Metody extrapolace trendu jsou možná nejběžnější a nejrozvinutější z celé sady prognostických metod. Použití extrapolace v prognózování je založeno na předpokladu, že proces změny uvažované proměnné je kombinací dvou složek – pravidelné a náhodné:

Předpokládá se, že pravidelná složka F(A, X) je hladká funkce argumentu (ve většině případů času), popsaná konečnorozměrným vektorem parametrů A, které si zachovají své hodnoty během prognózovaného období. Tato složka se také nazývá trend, úroveň, deterministický základ procesu, tendence. Pod všemi těmito pojmy se skrývá intuitivní představa o jakési podstatě analyzovaného procesu, zbavené rušení. Intuitivní, protože u většiny ekonomických, technických a přírodních procesů není možné jednoznačně oddělit trend od náhodné složky. Vše závisí na tom, za jakým účelem je toto rozdělení sledováno a s jakou přesností je prováděno.

Náhodná složka č (X) je obvykle považován za nekorelovaný náhodný proces s nulovým matematickým očekáváním. Jeho odhady jsou nutné pro další stanovení přesnost předpovědní charakteristiky.

Extrapolační předpovědní metody kladou hlavní důraz na identifikaci nejlepšího, v určitém smyslu, popisu trendu a určení předpovědních hodnot jeho extrapolací. Extrapolační metody se do značné míry překrývají s prognostickými metodami využívajícími regresní modely. Někdy se jejich rozdíly projeví pouze odlišností v terminologii, zápisu nebo psaní vzorců. Samotná předpovědní extrapolace má však řadu specifických rysů a technik, které ji umožňují zařadit mezi samostatný typ předpovědních metod.

Mezi specifika prediktivní extrapolace patří metody předběžného zpracování číselné řady za účelem její transformace do podoby vhodné pro prognózování, dále analýza logiky a fyziky predikovaného procesu, což má významný vliv jak na volbu typ extrapolační funkce a určení hranic měnících její parametry.

2.2.1 Předzpracování počáteční informace v problémech prediktivní extrapolace

Předzpracování původní číselné řady je zaměřeno na řešení následujících problémů (celých nebo jejich částí): snížit vliv náhodné složky v původní číselné řadě, tj. přiblížit ji trendu; prezentovat informace obsažené v číselné řadě takovým způsobem, aby se výrazně snížila obtížnost matematického popisu trendu. Hlavními metodami řešení těchto problémů jsou postupy pro vyhlazování a vyrovnávání statistických řad.

Postup vyhlazování je zaměřena na minimalizaci náhodných odchylek sériových bodů od určité hladké křivky očekávaného trendu procesu. Nejběžnější metodou je průměrování úrovně přes určitou množinu okolních bodů a tato operace se pohybuje po řadě bodů, proto se jí obvykle říká klouzavý průměr. V nejjednodušší verzi je funkce vyhlazování lineární a skupina vyhlazování se skládá z předchozích a následujících bodů, ve složitějších je funkce nelineární a používá skupinu libovolného počtu bodů.

Vyhlazování se provádí pomocí polynomů, které aproximují skupinu experimentálních bodů metodou nejmenších čtverců. Nejlepšího vyhlazení se dosáhne pro střední body skupiny, proto je vhodné vybrat lichý počet bodů ve vyhlazené skupině.

Vyhlazování, a to i v jednoduché lineární verzi, je v mnoha případech velmi účinným prostředkem k identifikaci trendu, když se náhodný šum a chyby měření superponují na empirickou číselnou řadu. U sérií s výraznou amplitudou šumu je možné provést vícenásobné vyhlazení původní číselné řady. Počet po sobě jdoucích vyhlazovacích cyklů by měl být zvolen v závislosti na typu původní série, míře jejího očekávaného šumového rušení a účelu vyhlazování. Je třeba mít na paměti, že účinnost tohoto postupu rychle klesá (ve většině případů), proto je vhodné jej opakovat jednou až třikrát.

Lineární vyhlazování je poměrně hrubý postup, který odhaluje obecný přibližný tvar trendu. Pro přesnější určení tvaru vyhlazené křivky lze použít operaci nelineárního vyhlazování nebo vážené klouzavé průměry. V tomto případě jsou pořadnicím bodů zařazených do klouzavé skupiny přiřazeny různé váhy v závislosti na jejich vzdálenosti od středu vyhlazovacího intervalu.

Pokud je vyhlazování zaměřeno na primární zpracování číselné řady k eliminaci náhodných výkyvů a identifikaci trendu, pak vyrovnání slouží účelu pohodlnější prezentace původní série, přičemž její hodnoty zůstávají stejné.

Nejběžnějšími nivelačními technikami jsou logaritmace a substituce proměnných.

Pokud se předpokládá, že empirický vzorec obsahuje tři parametry nebo je známo, že funkce je tříparametrová, je někdy možné některými transformacemi jeden z parametrů eliminovat a zbývající dva převést do jednoho z vyrovnávacích vzorců.

Nivelaci lze považovat nejen za metodu prezentace zdrojových dat, ale také za metodu přímého přibližného určení parametrů funkce, která aproximuje původní číselnou řadu. Často se tato metoda používá v některých extrapolačních prognózách. Všimněte si, že možnost jejího přímého použití pro stanovení parametrů aproximační funkce je dána především typem původní číselné řady a stupněm našich znalostí, naší jistotou ohledně typu funkce popisující zkoumaný proces.

V případě, že je nám typ funkce neznámý, je třeba zarovnání považovat za předběžný postup, během kterého se pomocí různých vzorců a technik určí nejvhodnější typ funkce popisující empirickou řadu.

Jednou z variant metody zarovnání je studium empirické řady za účelem objasnění některých vlastností funkce, která ji popisuje. V tomto případě transformace nemusí nutně vést k lineárním formám. Výsledky je však připraví a usnadní proces výběru aproximační funkce v problémech prediktivní extrapolace. V nejjednodušším případě se navrhuje použít následující tři typy diferenciálních růstových funkcí:

1) První derivace neboli absolutní diferenciální růstová funkce.

2) Relativní diferenciální koeficient nebo logaritmická derivace,

3) Funkce pružnosti

2.3 Statistické metody

Než začneme s analýzou metod statistického předpovídání, zvážíme některé obecné pojmy a definice související s korelačními a regresními modely. Dvě náhodné proměnné jsou korelovány, pokud se matematické očekávání jedné z nich mění v závislosti na změně druhé.

aplikace korelační analýza předpokládá následující předpoklady:

a) Náhodné proměnné y(y 1 , y 2 , ..., U n) A X(X 1 , X 2 , ..., X n) lze považovat za vzorek z dvourozměrné obecné populace se zákonem normálního rozdělení.

b) Očekávaná chybová hodnota A rovna nule

c) Jednotlivá pozorování jsou stochasticky nezávislá, to znamená, že hodnota daného sledování by neměla záviset na hodnotě předchozích a následujících sledování.

d) Kovariance mezi chybou spojenou s jednou hodnotou závislé proměnné y, a chyba spojená s jakoukoli jinou hodnotou y je nula.

e) Rozptyl chyby spojený s jednou hodnotou y, rovna odchylce chyby spojené s jakoukoli jinou hodnotou.

f) Kovariance mezi chybovým členem a každou z nezávislých proměnných je nulová.

g) Přímá použitelnost této metody je omezena na případy, kdy je rovnice křivky lineární vzhledem ke svým parametrům b o , b i , ..., b k To ovšem neznamená, že rovnice křivky samotná vzhledem k proměnným musí být lineární. Pokud rovnice empirického pozorování nejsou lineární, pak se v mnoha případech ukazuje, že je lze redukovat na lineární formu a již . Poté použijte metodu nejmenších čtverců.

h) Pozorování nezávislých proměnných se provádí bez chyby.

Před zahájením korelační analýzy je nutné zkontrolovat splnění těchto předpokladů.

Vztah mezi náhodnými a nenáhodnými proměnnými se nazývá regrese, a způsob analýzy takových spojení je regresní analýza. Použití regresní analýzy předpokládá povinné splnění předpokladů (b-d) korelační analýzy. Pouze při splnění výše uvedených předpokladů budou odhady korelačních a regresních koeficientů získané metodou nejmenších čtverců nezkreslené a budou mít minimální rozptyl.

Regresní analýza úzce souvisí s korelační analýzou. Jsou-li splněny předpoklady pro korelační analýzu, jsou splněny i předpoklady pro regresní analýzu. Regresní analýza zároveň klade méně přísné požadavky na počáteční informace.“ Například regresní analýza je možná, i když se rozdělení náhodné proměnné liší od normálního, jak je tomu často u technických a ekonomických proměnných. Náhodná proměnná se používá jako závislá proměnná v regresní analýze a nenáhodná proměnná se používá jako nezávislá proměnná.

Podle stupně složitosti lze statistické studie rozdělit na dvourozměrné a vícerozměrné. První se týkají zvažování párových vztahů mezi proměnnými (párové korelace a regrese) a jsou zaměřeny na předpovědní studie na řešení takových problémů, jako je stanovení kvantitativní míry blízkosti vztahu mezi dvěma náhodnými proměnnými, stanovení blízkosti tohoto vztahu k lineární, posuzující spolehlivost a přesnost předpovědí získaných extrapolací regresní závislosti. Vícerozměrné metody statistické analýzy jsou zaměřeny především na řešení problému systémové analýzy vícerozměrných stochastických prognostických objektů. Účelem takové analýzy je zpravidla objasnit vnitřní vztahy mezi proměnnými komplexu, konstruovat vícerozměrné funkce pro spojování proměnných a identifikovat minimální počet charakteristik, které popisují objekt s dostatečnou mírou přesnosti. Jedním z hlavních úkolů je zde zmenšení rozměru popisu předpovědního objektu.

Statistické metody se tedy používají především k přípravě dat a jejich převedení do podoby vhodné pro tvorbu prognózy. K získání přímo prediktivního výsledku se zpravidla po jejich aplikaci používá některá z extrapolačních nebo interpolačních metod.

2.4 Expertní metody

2.4.1 Rozsah aplikace expertních metod

Metody expertního posouzení při prognózování a dlouhodobém plánování vědeckotechnického pokroku se používají v těchto případech:

a) při absenci dostatečně reprezentativních a spolehlivých statistik charakteristiky objektu (například lasery, holografická paměťová zařízení, racionální využívání vodních zdrojů v podnicích);

b) v podmínkách velké nejistoty v provozním prostředí objektu (například předpovědi systému člověk-stroj ve vesmíru nebo při zohlednění vzájemného vlivu oborů vědy a techniky);

c) pro střednědobé a dlouhodobé předpovídání objektů nových průmyslových odvětví, která jsou silně ovlivněna novými objevy v základních vědách (např. mikrobiologický průmysl, kvantová elektronika, jaderné inženýrství);

d) v podmínkách nedostatku času nebo extrémních situací.

Odborné posouzení je nezbytné, když pro vývoj objektu neexistuje řádný teoretický základ. Stupeň spolehlivosti vyšetření je dán absolutní četností, s jakou je expertovo hodnocení nakonec potvrzeno následnými událostmi. Existují dvě kategorie odborníků – úzcí specialisté a generalisté, kteří zajišťují formulaci hlavních problémů a konstrukci modelů. Výběr odborníků pro prognózování se provádí na základě jejich pověsti mezi určitou kategorií specialistů. Neměli bychom však zapomínat na skutečnost, že prvotřídní specialista nemůže vždy dostatečně prozkoumat a pochopit obecnou, globální problematiku. K tomuto účelu je třeba zaujmout odborníky, sice ne úzce informované, ale se schopností být odvážné a nápadité.

„Expert“ doslova přeloženo z latiny znamená „zkušený“. Ve formalizovaném i neformálním způsobu definování odborníka proto zaujímá významné místo profesní zkušenost a intuice vyvinutá na jejím základě. Podmínky nezbytnosti a dostatečnosti zařazení specialisty jako znalce jsou uvedeny následovně.

Je důležité stanovit nikoli absolutní míru spolehlivosti odborného posouzení, ale míru spolehlivosti ve srovnání s hodnocením průměrného odborníka, jakož i korelaci mezi pravděpodobností jeho prediktivního posouzení a spolehlivostí třídy hypotéz, se kterými znalec operuje. Obecně je třeba definovat, co je odborník. Uvádíme některé z požadavků, které musí odborník splňovat:

1) odborné posudky musí být stabilní v čase a přechodné; 2) přítomnost dalších informací o předpokládaných příznacích pouze zlepšuje hodnocení odborníka; 3) odborník musí být uznávaným specialistou v této oblasti znalostí; 4) odborník musí mít určité zkušenosti s úspěšnými prognózami v této oblasti znalostí.

Při charakterizaci expertů je třeba mít na paměti, že v důsledku vypracování odhadů může dojít ke dvěma typům chyb. Chyby prvního typu jsou známy v měřicí technice jako systematické, chyby druhého typu - jako náhodné. Expert náchylný k chybám prvního typu vytváří hodnoty, které se konzistentně liší od skutečné hodnoty ve směru růstu nebo poklesu. Předpokládá se, že chyby tohoto typu jsou spojeny s mentalitou odborníků. K opravě systematických chyb můžete použít korekční koeficienty nebo použít speciálně navržené tréninkové hry. Chyby druhého typu jsou charakterizovány množstvím disperze. Na základě rozboru hlavních typů chyb při provádění znaleckých posudků můžeme k dříve diskutovanému výčtu požadavků na znalce přidat ještě jednu. Jeho smyslem je, že by se měl preferovat expert, jehož odhady mají malý rozptyl a systematickou odchylku průměrné chyby od nuly, před expertem s průměrnou chybou rovnou nule, ale s větším rozptylem. Bohužel není možné a priori určit schopnost člověka správně odborně posoudit. Důležitým prostředkem přípravy odborníků jsou speciální tréninkové hry.

Organizace forem expertní práce může být naprogramovaná nebo neprogramovaná a činnost experta může být prováděna ústně (rozhovor) nebo písemně (odpovídání na dotazy ze speciálních tabulek odborných posudků nebo volná prezentace na dané téma).

Programování formy práce odborníka zahrnuje:

konstrukce grafového modelu objektu na základě retrospektivní analýzy; stanovení struktury tabulek odborných posudků (TEA) nebo programu rozhovoru na základě grafového modelu objektu a cílů vyšetření; určení typu a formy otázek ve studii proveditelnosti nebo pohovoru;

stanovení typu stupnice pro otázky ve studii proveditelnosti; zohlednění psychologických charakteristik vyšetření při stanovení pořadí otázek ve studii proveditelnosti; zohlednění problémů s ověřováním; vývoj logických technik pro následnou syntézu předpovědních odhadů v komplexních předpovědích objektu.

Organizace stimulace práce experta spočívá v rozvoji:

heuristické techniky a metody, které usnadňují vyhledávání prediktivního expertního hodnocení; právní normy, které zaručují odbornou registraci přednosti a autorství, jakož i nezveřejňování všech vědeckých a technických myšlenek jím předložených během zkušebního procesu;

formy mravního, odborného a materiálního zájmu znalce na znaleckých posudcích; organizační formy práce znalce (zařazení do plánu práce apod.).

Na základě modelu předpovědního objektu získaného na základě rozboru jsou určeny vědecké a technické oblasti, do kterých je nutné přilákat odborníka, jsou identifikovány skupiny odborníků podle toho, zda problematika patří do oblasti základní, aplikované vědy nebo do společných vědeckých oblastí.

Při řešení problému sestavení expertní skupiny je nutné identifikovat a stabilizovat fungující síť expertů. Způsob stabilizace expertní sítě je následující. Na základě analýzy literatury o predikovaném problému je vybrán odborník, který má v této oblasti několik publikací. Žádají ho, aby jmenoval 10 nejkompetentnějších, podle jeho názoru, specialistů na tento problém. Poté se současně obrátí na každého z deseti jmenovaných specialistů s žádostí, aby označili 10 nejvýznamnějších svých kolegů vědců. Z výsledného seznamu specialistů je vymazáno prvních 10 a zbývajícím jsou zaslány dopisy obsahující výše uvedenou žádost. Tento postup se opakuje tak dlouho, dokud žádný z nově jmenovaných specialistů nepřidá nová jména do seznamu expertů, tedy dokud není síť expertů stabilizována. Výslednou síť expertů lze považovat za obecnou populaci specialistů kompetentních v oblasti predikovaného problému. Vzhledem k řadě praktických omezení se však ukazuje jako nevhodné zapojovat do vyšetření všechny specialisty. Proto je nutné tvořit reprezentativní vzorek z běžné populace odborníků.

Stanovení specifik postupů pro metody třídy PEO (osobní znalecké posudky) se provádí na základě rozboru požadavků na znalce a jejich posouzení, vyplývajících z podstaty metod:

a) analytické poznámky klást požadavky na strukturování experimentálního problému, vysvětlení a klasifikaci cílů, analýzu alternativních způsobů dosažení cíle, odhad nákladů na každou alternativu a doporučení nejúčinnějších způsobů řešení problémů;

b) párová srovnání, standardizace a klasifikace vyžadují homogenitu hodnocených charakteristik, přítomnost logicky zdůvodněných kritérií a standardů, přítomnost jasně definovaných postupů pro práci s kritérii, standardy a charakteristikami;

c) rozhovor klást specifické požadavky jak na odborníka, tak na tazatele;

d) morfologické strukturování vyžaduje jasnou definici funkčních charakteristik objektu nebo problému, které je třeba zlepšit, klasifikaci vědeckých principů, na jejichž základě je možné zlepšení charakteristik; analýza všech možných kombinací těchto principů a odstranění zjevně absurdních; posouzení kombinací na základě stupně proveditelnosti a nákladů na jejich realizaci; srovnání kombinací podle komplexního kritéria „náklady – efektivita – čas“.

2.4.2 Metoda heuristického prognózování (HEM)

Hlavním úkolem specialistů na analýzu a návrh velkých systémů je zpravidla najít nejoptimálnější způsoby, jak vytvořit efektivnější systémy - ať už nově navržené nebo modernizované. Obtížnost řešení tohoto problému spočívá především v tom, že obvykle není možné nalézt řešení pomocí čistě matematických metod, neboť zpravidla nelze přesně určit veličiny (funkcionály) podléhající optimalizaci (extremalizaci) v matematickém smyslu. Je to dáno nejen složitostí popisu fungování velkých systémů, ale i tak zásadními typy, jako je například specifičnost cílů, kterých má systém dosáhnout. Za prvé, systém nemusí mít jeden cíl, ale jejich soubor, což okamžitě vede k problému s optimalizací vektorů. Za druhé, soubor cílů stanovených pro systém může obsahovat čistě kvalitativní cíle, které nepodléhají prakticky realizovaným kvantitativním měřením. To vede na jedné straně k problému posuzování míry dosažení kvalitativního cíle a na straně druhé k problému měření důležitosti kvalitativních a kvantitativních cílů a míry jejich dosažení.

Obdobná situace nastává při posuzování důsledků navrženého způsobu dosažení cíle. Uveďme například, že tyto důsledky mohou být současně ekonomického, politického, sociálního nebo jiného charakteru.

Za těchto podmínek se řešení systémového problému nalézá pomocí heuristických technik za použití velmi složitého matematického aparátu a spočívá ve vydávání podložených doporučení dostatečných k vyvinutí řešení.

Metoda heuristické prognózy je metoda získávání a specializovaného zpracování předpovědních odhadů objektu prostřednictvím systematického průzkumu vysoce kvalifikovaných specialistů (expertů) v úzkém oboru vědy, techniky nebo výroby. Prognózní expertní posudky odrážejí individuální úsudek specialisty o perspektivách rozvoje jeho oboru a jsou založeny na mobilizaci odborných zkušeností a intuice.

Metoda heuristického prognózování je podobná delfské technice, kolektivnímu generování nápadů a metodě kolektivního expertního hodnocení v tom smyslu, že jedním z jejích prvků je sběr a zpracování odborných úsudků vyjádřených na základě odborných zkušeností a intuice. Od těchto metod se však liší větší přehledností teoretických základů, způsoby generování dotazníků a tabulek, postupem práce s odborníky a algoritmem zpracování obdržených informací. Tato metoda se nazývá heuristická kvůli homogenitě forem duševní činnosti odborníka při řešení vědeckého problému a při posuzování vyhlídek na vývoj objektu prognózování, jakož i kvůli použití specifických technik odborníky, kteří vést k věrohodným závěrům.

Účelem metody heuristické prognózy je identifikovat objektivizovanou představu o perspektivách rozvoje úzkého oboru vědy a techniky na základě systematického zpracování odhadů prognózy od reprezentativní skupiny odborníků.

Náplní MEP jsou vědecké a technické objekty a problémy, jejichž vývoj buď zcela nebo částečně nelze formalizovat, tedy pro které je obtížné vyvinout adekvátní model. Například elementární technologická základna digitálního počítače.

Metoda je založena na třech teoretických předpokladech: 1) existence psychologické orientace odborníka na budoucnost, formulovaná na základě profesních zkušeností a intuice, a možnosti její externalizace; 2) identitu procesu heuristického předpovídání a procesu řešení vědeckého problému s jednotností získaných poznatků ve formě heuristických věrohodných závěrů, které vyžadují ověření;

3) možnost adekvátního zobrazení trendu vývoje předpovědního objektu formou systému předpovědních modelů syntetizovaných z předpovědních expertních posudků.

Tyto předpoklady jsou v metodě heuristického prognózování implementovány prostřednictvím systému technik pro práci s experty, metod hodnocení a syntézy předpovědních modelů.

Výchozí dokumenty při práci pomocí metody heuristického prognózování jsou: popis metody; pokyny pro formulaci otázek; návod na sestavení dotazníků a tabulek znaleckých posudků; postup při práci s odborníky; soubor heuristických technik pro odborníky; pokyny pro odborníky k vyplňování dotazníků a tabulek; návody na počítačové zpracování odborných dotazníků a tabulek; Algoritmy a programy pro zpracování dat na počítači; dotazníky a tabulky vyplněné odborníky; pokyny pro posuzování způsobilosti odborníků; instrukce pro syntézu předpovědních modelů; soubor metod pro ověřování předpovědí.

Přítomnost plně formulovaného informačního pole poskytuje každý základ pro vysoce kvalitní práci s MEP.

Tvorba dotazníků a tabulek znaleckých posudků. Informační pole pro tvorbu předpovědí pomocí heuristické předpovědní metody je soubor tabulek a dotazníků vyplněných odborníky. Tabulky obsahují seznam striktně formulovaných otázek. Na otázky v dotaznících se vztahují následující požadavky: 1) musí být formulovány obecně uznávanými termíny; 2) jejich formulace by měla vyloučit jakoukoli sémantickou nejednoznačnost; 3) všechny otázky musí logicky odpovídat struktuře předpovědního objektu; 4) musí být klasifikovány jako jeden ze tří níže uvedených typů. Podle typu otázky se uplatňuje určitý postup jejího formulování a sestavování dotazníků.

NA První Tento typ zahrnuje otázky, jejichž odpovědi obsahují kvantitativní hodnocení: otázky týkající se času událostí; průzkumy týkající se kvantitativní hodnoty predikovaného parametru; otázky týkající se pravděpodobnosti výskytu události; otázky k posouzení relativního vlivu faktorů na sebe na určité škále. U tohoto typu otázek se používá nejjednodušší postup sestavování dotazníků. V tomto případě sám prognostik, který zná předpovědní objekt, formuluje seznam hodnot odhadovaných parametrů, pravděpodobností a časových období. Při určování stupnice hodnot kvantitativních parametrů (čas, charakteristika atd.) je vhodné použít nerovnoměrnou stupnici. Konkrétní hodnota nerovnoměrnosti je dána povahou závislosti chyby prognózy na předstihu.

spol. druhý Tento typ zahrnuje věcné otázky, které vyžadují zhuštěnou odpověď, nikoli v kvantitativní podobě. Otázky, které vyžadují odpověď ve zhuštěné formě, mohou být tří typů: disjunktivní; konjunktivní; implikativní.

Otázky, které vyžadují smysluplnou odpověď ve zhuštěné podobě, se vyznačují nejsložitějším postupem jejich formování do dotazníku. Finální podobu dotazníku získáme pomocí třífázové iterace. V první fázi prognostik pečlivě prostuduje výsledek práce (zprávy) skupiny expertů (provizní metoda) na konkrétním systému. Výsledkem studie je formulace první verze dotazníku, která je ve druhé fázi zaslána předsedům příslušných komisí k úpravě a upřesnění. Výsledkem je druhá verze dotazníku. Ve třetí fázi jsou otázky seskupeny podle tématu a v určitém pořadí v rámci témat. Finální verze dotazníku má podobu tabulek odborných posudků.

Podobné dokumenty

Metody prognózování a programování sociální sféry. Funkce a priority sociální politiky Evropské unie, směry a principy její reformy v severní Evropě. Charakteristika a charakteristické rysy norské politiky zdrojů.

práce v kurzu, přidáno 16.11.2009


Studium teoretických základů cenotvorby na světovém trhu. Zvážení podstaty a typů cen z pohledu zahraničních zkušeností. Provádění analýz a prognóz této oblasti v Běloruské republice; vypracování doporučení pro jejich zlepšení.

práce v kurzu, přidáno 24.09.2014


Postup při konstrukci ekonomických modelů a jejich další praktická aplikace. Metody prognózování směnných kurzů v současné fázi. Podstata teorie oceňování opcí, její prémie. Výběr optimální platební metody v mezinárodní praxi.

test, přidáno 16.10.2010


Státní ekonomické plánování ve vyspělých zemích: metody prognózování, plánování a zdanění. Rozvoj agroprůmyslového komplexu Republiky Kazachstán. Metody hodnocení efektivity hospodaření státních bloků akcií.

test, přidáno 10.6.2012


Cyklický charakter ekonomického rozvoje. Ekonomické cykly, jejich typy a příčiny. Velká hospodářská krize 1929-1933 Finanční krize roku 1998 v Rusku: příčiny a důsledky. Globální finanční krize roku 2008. Metody prognózování bankrotu.

práce v kurzu, přidáno 20.04.2015


Zdůvodnění potřeby tržní prognózy při rozhodování managementu v systému řízení výrobních a ekonomických činností. Budování modelu globální nabídky a globální poptávky v krátkodobém i dlouhodobém horizontu.

laboratorní práce, přidáno 10.10.2016


Charakteristika jednotlivých zemí G7 a E7. Dynamika makroekonomických ukazatelů. Prognóza změn ekonomické síly. Výběr prognostického modelu. Prognózy G7, E7 a globální ekonomické ukazatele. Analýza ekonomické síly G7 a E7 v roce 2020.

práce v kurzu, přidáno 28.05.2014


Rozvoj obchodních vztahů mezi Ruskem a zahraničím, zlepšení jejich právního rámce. Dynamika objemové a technologické struktury zahraničního obchodu státu, předpovědní schopnosti pomocí makroekonomických ukazatelů.

práce v kurzu, přidáno 30.05.2015


Metody státní regulace zahraniční ekonomické aktivity a jejich klasifikace. Cíle a cíle zavádění netarifních opatření. Přímá omezující opatření, kvóty, licenční, celní a správní formality, jiné netarifní metody.

prezentace, přidáno 18.05.2010


Charakteristika mezinárodního podnikání v systému mezinárodních ekonomických vztahů. Obchodní a mezikulturní metody mezinárodního obchodu. Formy a metody mezinárodního podnikání společností Hewlett-Packard a British Petroleum: srovnávací analýza.

Ve světové praxi se používá více než dvě stě předpovědních metod, v domácí vědě - ne více než dvacet. V úvodu bylo uvedeno, že budou zváženy metody finančního prognózování, které se rozšířily ve vyspělých zahraničích.

V závislosti na typu použitého modelu lze tedy všechny metody prognózování rozdělit do tří velkých skupin (viz obrázek 1):

Metody odborného posouzení, které zahrnují vícestupňové šetření odborníků podle speciálních schémat a zpracování získaných výsledků pomocí nástrojů ekonomické statistiky. Jedná se o nejjednodušší a nejoblíbenější metody, jejichž historie sahá více než tisíc let. Aplikace těchto metod v praxi obvykle zahrnuje využití zkušeností a znalostí obchodních, finančních a výrobních manažerů podniku nebo vládní agentury. To obvykle zajišťuje, že rozhodnutí je učiněno nejjednodušším a nejrychlejším způsobem. Nevýhodou je snížení nebo úplná absence osobní odpovědnosti za provedenou předpověď. Expertní posouzení se používají nejen k predikci hodnot ukazatelů, ale také v analytické práci, například k vývoji váhových koeficientů, prahových hodnot kontrolovaných ukazatelů atd.

Stochastické metody, což naznačuje pravděpodobnostní charakter prognózy a vztah mezi studovanými indikátory. Pravděpodobnost získání přesné prognózy se zvyšuje s počtem empirických dat. Tyto metody zaujímají vedoucí postavení z hlediska formalizovaného předpovídání a výrazně se liší ve složitosti použitých algoritmů. Nejjednodušším příkladem je studium trendů v objemech prodeje analýzou temp růstu ukazatelů prodeje. Výsledky prognóz získané statistickými metodami podléhají vlivu náhodných výkyvů v datech, což může někdy vést k vážným chybným výpočtům.

Stochastické metody lze rozdělit do tří typických skupin, které budou vyjmenovány níže. Výběr metody pro předpovídání konkrétní skupiny závisí na mnoha faktorech, včetně dostupných zdrojových dat.

První situace- přítomnost časové řady - v praxi se vyskytuje nejčastěji: finanční manažer nebo analytik má k dispozici data o dynamice ukazatele, na základě kterých je nutné sestavit přijatelnou prognózu. Jinými slovy, mluvíme o identifikaci trendu. To lze provést různými způsoby, mezi hlavní patří jednoduchá dynamická analýza a analýza pomocí autoregresních závislostí.

Druhá situace- přítomnost prostorového agregátu - nastává, pokud z nějakého důvodu neexistují žádné statistické údaje o indikátoru nebo existuje důvod se domnívat, že jeho hodnota je určena vlivem určitých faktorů. V tomto případě lze použít vícerozměrnou regresní analýzu, která je rozšířením jednoduché dynamické analýzy na případ s více proměnnými.

Rýže. 1 . Klasifikace metod prognózování finanční situace podniku

Třetí situace- přítomnost časoprostorového agregátu - nastává v případě, kdy: a) dynamické řady nemají dostatečnou délku pro sestavení statisticky významných předpovědí; b) analytik hodlá v prognóze zohlednit vliv faktorů, které se liší ekonomickým charakterem a jejich dynamikou. Počáteční data jsou matice ukazatelů, z nichž každá představuje hodnoty stejných ukazatelů pro různá období nebo pro různá po sobě jdoucí data.

Deterministické metody, které předpokládají přítomnost funkčních nebo striktně určených souvislostí, kdy každá hodnota faktorové charakteristiky odpovídá dobře definované nenáhodné hodnotě výsledné charakteristiky. Jako příklad můžeme uvést závislosti implementované v rámci známého modelu faktorové analýzy společnosti DuPont. Pomocí tohoto modelu a nahrazením prognózovaných hodnot různých faktorů, jako jsou tržby z prodeje, obrat aktiv, stupeň finanční závislosti a další, můžete vypočítat prognózovanou hodnotu jednoho z hlavních ukazatelů výkonnosti - ukazatel rentability vlastního kapitálu. .

Dalším velmi názorným příkladem je forma výkazu zisku a ztráty, což je tabulková implementace striktně stanoveného faktorového modelu, který propojuje výsledný atribut (zisk) s faktory (výnosy z prodeje, výše nákladů, výše daňových sazeb atd.). ). A na úrovni státní finanční prognózy je faktorovým modelem vztah mezi objemem vládních příjmů a daňovým základem nebo úrokovými sazbami.

Zde nelze nezmínit další skupinu metod finančního prognózování na mikroúrovni, založené na konstrukci dynamických podnikových simulačních modelů. Mezi takové modely patří údaje o plánovaných nákupech materiálů a komponentů, objemech výroby a prodeje, struktuře nákladů, investiční aktivitě podniku, daňovém prostředí atd. Zpracování těchto informací v rámci jednotného finančního modelu nám umožňuje velmi přesně posoudit předpokládanou finanční situaci společnosti. Ve skutečnosti lze tento druh modelu sestavit pouze pomocí osobních počítačů, které umožňují rychle provést obrovské množství nezbytných výpočtů.