Примеры прогнозирования – Классификация методов прогнозирования. Оценка точности прогноза, построенного методом экстраполяции

Типы прогнозирования

Для предсказания будущего фирмы используют следующие типы

прогнозирования:

1. Прогнозирование, основанное на творческом видении будущего, использует субъективное знание прогнозиста, его интуицию. Часто прогнозы такого рода имеют фирмы “утопий” или “антиутопий” – литературных описаний вымышленного будущего. Несмотря на кажущуюся отдалённость от мира экономики, подобные произведения являются хорошим дополнением к сухому количественному прогнозу. Недаром для обоснования своих идей некоторые известные отечественные экономисты использовали не только научные теории, но и литературные утопии. Прогнозирование, основанное на творческом видении, может использоваться для непосредственного предсказания менеджерами и др. участниками экономической организации будущих результатов её деятельности.

2. Поисковое прогнозирование – способ научного прогнозирования от настоящего к будущему. Прогнозирование начинается от сегодняшнего дня, опирается на имеющуюся информацию и постепенно проникает в будущее.

Поисковое прогнозирование может быть двух видов:

• Традиционным, или экстраполятивным;

• Новаторским – альтернативным.

Экстраполятивный подход предполагает, что экономическое и прочее развитие происходит гладко и непрерывно, поэтому прогноз, может быть, простой проекцией (экстраполяцией) прошлого в будущее. Экстраполятивный подход означает, во-первых, оценку прошлых показателей деятельности фирмы и тенденций их развития (трендов) и, во-вторых, перенесение этих тенденций в будущее. Таким образом, главное предположение экстраполятивного подхода в прогнозировании заключено в признании того, что в диапазоне ключевых интересов фирмы силы прошлого в состоянии контролировать будущее. Несмотря на возникновение альтернативного подхода, экстраполятивный подход очень широко применяется в прогнозировании и так или иначе отражается в большинстве методов прогнозирования.

Альтернативный подход исходит из того, что внешняя и внутренняя среда бизнеса подвержена постоянным изменениям, и вследствие этого: развитие фирмы происходит не только гладко и непрерывно, но и скачкообразно и прерывисто; существует определённое число вариантов будущего развития фирмы (или определённое число положений равновесия фирмы). Таким образом, в рамках альтернативного подхода, во-первых, создаются прогнозы, включающие сочетание различных вариантов развития выбранных показателей и явлений. Каждый из вариантов развития лежит в основе особого сценария будущего. Во-вторых, альтернативное прогнозирование может объединять в единой логике два способа развития – гладкий и скачкообразны, создавая синтетическую картину будущего. Альтернативный подход сравнительно молод (широкое применение его началось в 80-е годы), однако он быстро завоёвывает популярность в практике внутрифирменного планирования.

3. Нормативное (нормативно-целевое) прогнозирование. В рамках нормативного прогнозирования сначала определяются общие цели и стратегические ориентиры на будущий период времени, а затем менеджеры оценивают развитие фирмы, исходя из этих целей. Чаще всего нормативный подход используется тогда, когда фирма не обладает необходимыми исходными (историческими) данными. Поэтому для нормативного подхода характерно преимущественное применение качественных методов исследования.

studfiles.net

Особенности экономических прогнозов — Мегаобучалка

Особую роль в развитии экономического прогнозирования играет прикладная научная дисциплина прогностика и ее составная часть — экономическая прогностика.

Прогнозирование следует рассматривать в комплексе с более широким понятием — предвидением, которое дает опережающее отображение действительности, основанное на познании законов природы, общества и мышления. Различают три формы научного предвидения:

· гипотеза;

· прогноз;

· план.

Гипотеза характеризует научное предвидение на уровне общей теории. На уровне гипотезы дается качественная характеристика исследуемых объектов, выражающая общие закономерности их поведения.

Прогноз в отличии от гипотезы имеет значительно большую качественную и количественную определенность и отличается большей достоверностью.

План представляет собой постановку точной цели и предвидение конкретных событий и детали исследуемого объекта. Отличительные черты: определенность, конкретность, адресность, обязательность. Между прогнозом и планом имеются различия. Прогноз носит вероятностный характер, а план обязательный. План — это однозначное решение, прогноз же по своему определению имеет вероятное содержание. В то время как планирование направлено на принятие и практическое осуществление управленческих решений, цель прогнозирования — создать научные предпосылки для их принятия.

Таким образом, задача экономического прогнозирования состоит, с одной стороны, в том, чтобы выяснить перспективы ближайшего или более отдаленного будущего в исследуемой области, а с другой стороны, способствовать оптимизации текущего и перспективного планирования и регулирования экономики, опираясь на составленный прогноз.

 

Примеры экономических прогнозов

Примеры экономических прогнозов всех видов имеются в литературе. К настоящему времени разработаны компьютерные системы и программные средства комбинированных методов прогнозирования. Одна из первых таких систем была создана в 70-е годы в ИМЭМО АН СССР под руководством С.А.Петровского.

Как уже отмечалось ранее, экономическое прогнозирование, как и любое прогнозирование в общем, может быть успешным лишь при некоторой стабильности условий. Однако решения органов власти, отдельных лиц, иные события меняют условия, и события развиваются по-иному, чем ранее предполагалось. Объективно имеются точки выбора, после которых рассматриваемое прогнозистами развитие может пойти по одному из нескольких возможных путей (сценарии). Выбор может делаться на разных уровнях – конкретным человеком (перейти на другую работу или остаться), менеджером (выпускать ту или иную марку продукции), конкурентами (сотрудничество или борьба), властными структурами (выбор той или иной системы налогообложения), населением страны (выбор президента), «международным сообществом» (вводить или нет санкции против России).

Например, некоторая работа имела цель: прогноз динамики валового внутреннего продукта (ВВП) на 9 лет (1999-2007). При проведении работы стало ясно, что за это время произойдут различные политические события, в частности, по крайней мере два цикла парламентских и президентских выборов (при условии сохранения нынешней политической структуры), результаты которых нельзя предсказать однозначно. Поэтому прогноз динамики ВВП мог быть сделан лишь по отдельности для каждого сценария из некоторой гаммы, охватывающей возможные пути социально-экономической динамики России.

Приведем еще один пример. К началу 1985 г. экономика СССР находилась в достаточно стабильном состоянии с ежегодным ростом в среднем 3-5%. Если бы руководство страны находилось в руках иных людей, то развитие продолжалось бы в прежних условиях и к концу тысячелетия ВВП СССР увеличился бы на 50% и составил бы примерно 150 % от уровня 1985 г. На самом же деле, из-за политических причин ВВП России за эти 15 лет упал примерно в 2 раза, то есть составил около 50 % по сравнению с 1985 г., или в 3 раза меньше, чем можно было бы ожидать из чисто экономических причин при сохранении стабильных условий 1985 г.

 

Заключение

Изучив вышеизложенный материал, мы можем сделать вывод, что задача экономического прогнозирования состоит в том, чтобы выяснить перспективы ближайшего будущего, а также, способствовать оптимизации текущего и перспективного планирования и регулирования экономики, опираясь на составленный прогноз.

Прогнозы в национальной экономике играют ключевую роль в управлении экономикой на государственном уровне. Национальное программирование должно опираться на богатый исторический опыт разработки и реализации государственных программ с учетом обновления методологии и технологии национального программирования.

Интересный факт: история появления ценников не менее интересна. Некто по имени Фрэнк Вулворт работал продавцом в магазине, но был юн, застенчив, заикался – и работодатель посчитал, что польза от такого работника мала. Вполне логично, что Фрэнка просто решили уволить. Спасти от безработицы юношу могло только чудо: хозяин пообещал ничего не предпринимать, если за одну смену горе-продавец сможет наторговать дневную выручку магазина.

Немного подумав, Фрэнк решился на нечто невиданное. Дело в том, что чуть более ста лет назад ценников в магазине не было: продавец должен был «на глаз» оценивать финансовое положение покупателя и в соответствии с тем, что подсказывала ему интуиция, называть цену.

Вулворт пошёл по другому пути. Он приклеил на каждый товар бумажку с минимальной ценой, а над стойкой с лежалым товаром написал «Всё по 5 центов!» (чувствуете что-то знакомое?). Фрэнк наторговал на 6 дневных выручек магазинчика, а потом уволился и открыл свой собственный. Вулворта, кстати, можно назвать одним из первых мерчендайзеров. Этот человек провёл чёткую черту между магазином и базаром и лишил человечество удовольствия яростно торговаться.

 

megaobuchalka.ru

Классификация методов прогнозирования. Оценка точности прогноза, построенного методом экстраполяции

Метод прогнозирования — это способ исследования объекта прогнозирования, направленный на разработку прогноза. В настоящее время существует около 150 методов прогнозирования, но практически используются около 20-30 основных методов.

Методика прогнозирования — это совокупность специальных приемов и правил разработки конкретных прогнозов. Прием прогнозирования — это математическая или логическая операция, направленная на получение конкретных результатов в процессе разработки прогнозов.

Классификация методов прогнозирования осуществляется по трем основным признакам:

• по степени формализации методов;
• по общему принципу действия;
• по способу получения прогнозной информации.

По степени формализации методы прогнозирования делятся на формализованные и интуитивные.

Формализованные методы используются в том случае, когда информация об объекте прогнозирования носит в основном количественный характер, а влияние различных факторов можно описать с помощью математических формул.

Интуитивные методы применяются тогда, когда информация количественного характера об объекте прогнозирования отсутствует или носит в основном качественный характер и влияние факторов невозможно описать математически.

В свою очередь эти две группы можно разделить по общему принципу деятельности и способу получения прогнозной информации. Формализованные методы подразделяются на методы экстраполяции и методы моделирования.

Экстраполяция — это метод научного исследования, который основан на распространении прошлых и настоящих тенденций, закономерностей, связей на будущее развитие объекта прогнозирования.

К методам экстраполяции относятся метод скользящей средней, метод экспоненциального сглаживания, метод наименьших квадратов. Цель методов экстраполяции – показать, к какому состоянию в будущем может прийти объект, если его развитие будет осуществляться с той же скоростью или ускорением, что и в прошлом.

Методы экстраполяции достаточно широко применяются на практике, так как они просты, дешевы, и не требуют для расчетов большой статистической базы. Использование методов экстраполяции предполагает два допущения, которые в большинстве случаев характерны для экономических процессов:

• основные факторы, тенденции прошлого сохранят свое проявление в будущем;
• исследуемое явление развивается по плавной траектории, которую можно выразить, описать математически.

К методам моделирования относятся: методы информационного моделирования (патентный и публикационный), статистического моделирования, логического моделирования (прогнозной аналогии, «дерево целей»).

Методы информационного моделирования (или опережающего прогнозирования) были разработаны и впервые использованы для построения прогнозов, связанных с научно-техническим прогрессом (НТП). Они основаны на свойстве научно-технической информации предварять внедрение достижений НТП в практическую деятельность. В настоящее время эти методы применяются и при прогнозировании экономических процессов.

Методы прогнозирования по аналогии приемлемы в том случае, когда появление одного события сопровождается появлением другого и эта взаимосвязь носит устойчивый характер — характер закономерности. К таким методам относятся методы математической аналогии и исторической аналогии.

Метод «дерево целей» используется для прогнозирования сложных экономических процессов, систем, в которых возможно выделение многих структурных или иерархических уровней. Процедура построения «дерева целей» представляет собой формулировку генеральной цели прогноза с последующим разбиением ее на ряд подцелей 1-го уровня, который является результатом реализации подцелей 2-го уровня, и т.д. При этом разбиение генеральной цели происходит как бы из будущего в настоящее с установлением промежуточных событий и фиксацией причинно-следственных связей между ними.

«Дерево целей» формируется с помощью экспертов, причем при переходе от уровня к уровню состав экспертов меняется. При приближении к более высокому уровню остаются более крупные эксперты в конкретных областях.

Интуитивные методы прогнозирования применяются для тех процессов, которые невозможно описать математическими формулами. Использование данных методов дает возможность получить прогнозную оценку состояния развития объекта в будущем независимо от информационной обеспеченности. Сущность интуитивных методов заключается в построении рациональной процедуры интуитивно-логического мышления человека в сочетании с количественными методами оценки и обработки полученных результатов. Решение проблемы в этом случае базируется на обобщенном мнении экспертов.

Интуитивные методы прогнозирования делятся на индивидуальные и коллективные экспертные оценки. Индивидуальные экспертные оценки основаны на обобщении мнений отдельных экспертов, выраженных независимо друг от друга. К ним относятся: метод интервью, метод анкетного опроса, аналитический метод, метод написания сценария. Коллективные экспертные оценки базируются на получении объединенной оценки от всей группы специалистов-экспертов, выработанной при непосредственном контакте. К таким методам относятся метод Дельфи, метод «мозговой атаки», метод экспертных комиссий.

Оценка точности прогноза, построенного методом экстраполяции

Всякий прогноз должен иметь высокую точность, которая является важнейшей его характеристикой. Существует несколько способов оценки точности прогноза:

1. Cредняя абсолютная оценка:

где Yф – фактическое значение исследуемого явления, Yр – расчетное значение исследуемого явления, n – число уровней временного ряда;

2. Cредняя квадратическая оценка:

Чем ближе к нулю первый и второй показатели, тем выше точность прогноза.

3. Cредняя относительная ошибка:

Интерпретация значений средней относительной ошибки для оценки точности прогноза представлена в следующей таблице:

Таблица — Интерпретация значений средней относительной ошибки

Средняя относительная ошибка (ε), %	Интерпретация
	Точность прогноза высокая
10-20	Точность хорошая
20-50	Точность удовлетворительная
> 50	Точность неудовлетворительная

Другие статьи по данной теме:

Список использованных источников

1. Научно-методические рекомендации по вопросам диагностики социальных рисков и прогнозирования вызовов, угроз и социальных последствий. Российский государственный социальный университет. Москва. 2010;
2. Владимирова Л.П. Прогнозирование и планирование в условиях рынка: Учеб. пособие. М.: Издательский Дом «Дашков и Ко», 2001;
3. Новикова Н.В., Поздеева О.Г. Прогнозирование национальной экономики: Учебно-методическое пособие. Екатеринбург: Изд-во Урал. гос. экон. ун-та, 2007;
4. Слуцкин Л.Н. Курс МБА по прогнозированию в бизнесе. М.: Альпина Бизнес Букс, 2006.

www.ekonomika-st.ru

Методы прогнозирования в STATISTICA

Можно считать, что прогнозирование является чуть ли не основной целью и задачей большого числа специалистов, занимающихся анализом данных. Современные методы статистического прогнозирования позволяют с высокой точностью прогнозировать практически все возможные показатели.

Автоматизируйте решение задачи прогнозирования с помощью системы Sales-Forecast. Смотреть видео

При анализе временных рядов можно выделить две основные цели:

• определение природы временного ряда

• прогнозирование (предсказание будущих значений временного ряда по настоящим и прошлым значениям)

Однако надо помнить, что не существует универсальных методов прогнозирования на все случаи жизни. Выбор метода прогнозирования и его эффективность зависят от многих условий, и в частности от требуемой длины или времени прогнозирования.

По времени прогнозирования различают краткосрочный, среднесрочный и долгосрочный прогноз.

Краткосрочный прогноз характеризует собой прогноз «на завтра», то есть прогноз на несколько шагов вперед. Для него применяют практически все известные методы: экспоненциальное сглаживание, АРПСС (ARIMA) и нейронные сети.

Среднесрочный прогноз – это обычно прогноз на один или на половину сезонного цикла. Для него используют АРПСС и экспоненциальное сглаживание, которые позволяют отслеживать качество прогноза в зависимости от срока прогноза.

А при построении долгосрочного прогноза стандартные статистические методы прогнозирования практически не используют, и требуется использование комплексных подходов. Например, использование нейронных сетей или регрессионных моделей.

Для построения прогноза, важно правильно понимать термины, используемые при построении моделей и хорошо ими оперировать. Это и выделение тренда, циклической составляющей ряда, трендциклической, сезонной составляющей и шумовой компоненты; и исследование автокорреляционной и частной автокорреляционной функции для нахождения сезонности; и построение периодограммы, и вычисление сезонного лага (например, при помощи спектрального анализа Фурье).

После построения любой модели важно проверять, насколько адекватно она построена. Для этого можно, во-первых, провести визуальный анализ со сдвигом прогноза на несколько шагов назад. А во-вторых, воспользоваться анализом остатков – стандартным методом проверки адекватности любой построенной статистической модели.

Для наглядного представления применимости моделей в зависимости от интересующей длительности прогноза удобно пользоваться следующей таблицей:

Программа STATISTICA является комплексным аналитическим инструментом, предназначенным для построения точных прогнозов в любых областях, используя различные методы прогнозирования, а справка системы своевременно напомнит необходимую терминологию.

STATISTICA — полностью на русском языке!

При решении задач прогнозирования могут применяться процедуры и модули следующих продуктов STATISTICA:

STATISTICA Base

Продукт необходим для расчета описательных статистик, построения графиков, сравнения нескольких групп (например, рядов продаж за несколько лет) и оценки правомерности использования «старых» данных при построении прогнозов, оценки изменчивости ряда, «чистки данных» (нахождения и обработки выбросов), расчета корреляций, выявления зависимостей между временными рядами и т.д.

В этом блоке реализован один из наиболее часто используемых методов прогнозирования — построение классической линейной модели многомерной регрессии, описывающей зависимость между переменной, которую необходимо прогнозировать, и влияющими на нее факторами.

Например, может быть смоделирована зависимость объемов продаж от таких факторов как цены на продукцию, расходы на проведение рекламных и маркетинговых акций, сезонность в распределении продаж, цены конкурентов и др. При известных значениях факторов на основе объясняющей модели легко могут быть спрогнозированы объемы продаж.

Таким образом, анализ зависимостей между переменными не ограничивается проведением корреляционного анализа, а включает также построение на основе исходных данных численной зависимости, которая может быть использована для прогнозирования значений независимых переменных при известных значениях факторов. Кроме этого проводится оценка статистической значимости как самой модели, так и предикторов, входящих в ее состав.

Например, зная запланированные на следующий месяц объемы скидок, уровни цен, затраты на проведение рекламных акций и т.д., можно получить предполагаемый уровень продаж и его доверительный интервал, подставив соответствующие значения в уравнение зависимости.

---

STATISTICA Advanced

Продукт содержит все возможности STATISTICA Base и расширяет их углубленными методами анализа.

Модуль STATISTICA Advanced Linear/Non-Linear Models (Линейные и Нелинейные Модели)

Позволяет перейти от построения простейших линейных регрессионных моделей к более общим и сложным нелинейным моделям, которые обеспечивают более точное моделирование рынка. Например, в модель могут входить не только сами факторы, но и их различные функциональные преобразования. Для построения подобных моделей доступны модули Общие линейные и нелинейные модели, Общие регрессионные модели, Нелинейное оценивание и др.

Кроме этого, при построении нелинейных моделей появляется возможность нахождения оптимальных значений факторов, при которых будут достигаться наиболее желательные значения зависимой переменной (например, максимальные объемы продаж). Для этого используются специальные оптимизационные алгоритмы и графические методы, например, инструмент Профили желательности.

Модуль Временные ряды и прогнозирование, также входящий в блок Линейные и Нелинейные Модели STATISTICA, широко используется для построения прогнозов временных рядов без привлечения сопутствующих факторов, т.е. для прогнозирования поведения ряда на основе его собственной истории. Модуль включает наиболее эффективные и популярные методы и анализа временных рядов, такие как экспоненциальное сглаживание, модель авторегрессии и скользящего среднего, сезонная декомпозиция, спектральный анализ Фурье и другие. Для каждого из методов имеется большое число настроек, что позволяет наилучшим образом адаптировать его под исследуемый временной ряд.

При исследовании временных рядов часто очень эффективными оказываются графические и описательные методы и анализа, большинство из которых для удобства интегрированы в модуль Временные ряды и прогнозирование. Модуль также содержит полный набор средств для проведения всевозможных преобразований временных рядов, таких как взятие разности различных порядков (исследование изменчивости ряда), сглаживание ряда (обнаружение тенденций в поведении ряда), выделение тренда (выделение детерминированной систематической составляющей ряда), вычисление автокорреляционных и кросскорреляционных функций, а также построение их графиков (коррелограмм).

Процедура Анализ распределенных лагов, представленная в модуле, позволяет исследовать запаздывающие влияния сопутствующих факторов на изучаемый временной ряд. Например, при анализе зависимости между фактором рекламных акций и объемом продаж логично предположить, что реклама может подействовать не моментально, а через некоторое время. Как раз при решении подобных задач может быть применена эта процедура, она позволит выявить наличие зависимости и определить, через какое время следует ожидать «отдачи» от рекламы.

Модуль STATISTICA Multivariate Exploratory Techniques (Многомерные разведочные технологии анализа)

Предоставляет широкий выбор разведочных технологий анализа различных типов данных в сочетании с богатыми интерактивными средствами визуализации.

Модули этого блока могут быть использованы при решении задач, связанных с сегментацией исходных объектов в данных, снижением размерности данных, задач классификации и др. Применение многомерных статистических методов анализа позволяет снизить трудоемкость решения задачи прогнозирования.

Модуль Кластерный анализ позволяет разбить исходную, вообще говоря, неоднородную совокупность объектов на максимально однородные группы, или кластеры. Например, в крупных торговых сетях ассортимент продаваемых товаров насчитывает тысячи единиц. Анализ и прогнозирование каждого временного ряда по отдельности не представляются возможными в связи с высокой трудоемкостью такого подхода. Мы можем разбить все множество временных рядов на однородные кластеры, которые будут содержать ряды, обладающие сходной динамикой, после чего анализировать уже не отдельные ряды, а целые кластеры. Таким образом, значительно (иногда в десятки раз) снижается размерность задачи, а следовательно и трудоемкость прогнозирования продаж.

Кроме этого, можно кластеризовать временные ряды исходя из абсолютных значений оборота по каждому из товаров, и выделить товары, продажи которых приносят наибольшую прибыль. Как показывает опыт, часто около 20% ассортимента обеспечивают 80% оборота (так называемый принцип Парето).

---

STATISTICA Automated Neural Networks

Единственный в мире программный продукт для нейросетевых исследований, полностью переведенный на русский язык. Поддержка различных типов анализов: регрессия, классификация, временные ряды (прогнозирование), временные ряды (классификация), кластерный анализ, визуализация данных.

Продукт содержит мощное собрание встроенных интеллектуальных возможностей, которые позволяют решить реальные задачи, не имея практически никакого опыта работы с нейронными сетями. В то же время, опытный пользователь нейронных сетей может полностью управлять почти всеми аспектами нейросетевой структуры и обучения.

---

STATISTICA Data Miner

Продукт содержит наиболее полный набор методов Data Mining на рынке программного обеспечения, в удобном пользовательском интерфейсе позволяет исследовать большие массивы информации и выявлять в них скрытые правила и закономерности (продукт также содержит все возможности STATISTICA Advanced, STATISTICA Automated Neural Networks).

---

Кроме того, StatSoft Russia ведет разработку готовых отраслевых решений, позволяющих автоматизировать процесс построения прогнозов (в том числе для сотен рядов), а также учесть всю специфику задач Заказчика.

statsoft.ru

1.3. Примеры методов прогнозирования

Рассмотрим применение методов прогнозирования на основе данных расхода деталей на складе. В табл. 1.1 приведены три реализации текущего расхода; для каждой реализации даны величины расхода за день характеристики, представляющие собой расход деталей со склада за соответствующий цикл.

Таблица 1.1 — Динамика спроса в течение трех циклов расхода запасов [7]

1-й цикл			2-й цикл			3-й цикл
День	Спрос,	Всего с	День	Спрос,	Всего с	День	Спрос,	Всего с
	ед.	начала		ед.	начала		ед.	начала
		цикла			цикла			цикла
1	9	9	11	0	0	21	5	5
2	2	11	12	6	6	22	5	10
3	1	12	13	5	11	23	4	14
4	3	15	14	7	18	24	3	17
5	7	22	15	10	28	25	4	21
6	5	27	16	7	35	26	1	22
7	4	31	17	6	41	27	2	24
8	8	39	18	9	50	28	8	32
9	6	45	19	*	50	29	3	35
10	5	50	20	*	50	30	4	39

Проиллюстрируем возможные варианты прогнозов для одной реализации.

Пример 1. Воспользуемся первой реализацией. Допустим, что нам известны значения расхода деталей со склада за пять дней работы (табл. 1.2).

Таблица 1.2 — Исходные данные и результаты расчета коэффициентов уравнения (3.4.2) при N=5 [7]

ti, дн.	yi, ед.		yiti	Прогноз yi*	(yt–yi)2
1	41	1	41	42	1
2	39	4	78	39	0
3	38	9	114	36	4
4	35	16	140	33	4
5	28	25	140	30	4
Суммы:

* Значения округлены

Выберем уравнение тренда y_t в виде линейной зависимости:

(2)

Расчет коэффициентов уравнения ипроизводится по формулам, полученных на основе метода наименьших квадратов:

(3)

(4)

Находим: a₀ = 45,2, a₁ = –3,0. Таким образом, уравнение прогноза пишется в виде:

(5)

Для оценки границ интервального прогноза необходимо рассчитать среднее квадратичное отклонение σ_t:

(6)

Подставляя значения в формулу, находим σ_t:

(7)

На основании полученных зависимостей y_t и σ_t рассчитываются прогнозные оценки:

1. среднего времени расхода текущего запаса ;

2. страхового запаса y_c с заданной доверительной вероятностью Р.

Расчет прогнозной величины среднего времени расхода производится по формуле

(8)

Приняв y_t = 0, находим :

Для расчета страхового запаса воспользуемся формулой:

(9)

где σ_t – среднее квадратичное отклонение,

t_β – параметр нормального закона распределения, соответствующий доверительной вероятности β.

Параметр t_β определяет для нормального закона число средних квадратических отклонений, которые нужно отложить от центра рассеивания (влево и вправо) для того, чтобы вероятность попадания в полученный участок была равна β.

В нашем случае доверительные интервалы откладывают вверх и вниз от среднего значения уt. .

В табл. 1.3 приведены наиболее часто встречающиеся в практических расчетах значения вероятности β и параметра t_β для нормального закона распределения.

Таблица 1.3 — Доверительная вероятность β и параметр t_β нормального закона распределения [7]

β	tβ	β	tβ
0,8	1,282	0,92	1,75
0,82	1,34	0,94	1,88
0,84	1,404	0,95	1,96
0,86	1,475	0,96	2,053
0,88	1,554	0,98	2,325
0,9	1,643	0,99	2,576
0,91	1,694	0,999	3,29

Страховой запас рассчитывается так же, как и границы интервального прогноза. Для рассматриваемого примера при доверительной вероятности β=0,9 находим по табл. 3.4.3 t_β = 1,643. Тогда величина страхового запаса составит:

Примем y_c=3,0.

На рис. 3 приведены границы интервального прогноза при β = 0,9.

1 – исходные данные; 2 – уравнение тренда; 3, 3′ – границы интервального прогноза; 4 – время расхода запаса

Рис. 3. — Прогноз текущего расхода деталей на складе (N = 5) [7]

Рассчитанное значение страхового запаса соответствует только одному дню наступления дефицита, а именно согласно прогнозу T = 15. Для учета возможных нарушений срока поставки необходимо также при расчете страхового запаса оценить влияние задержки, связанной с выполнением заказа, в частности с транспортировкой.

К сожалению, по одной реализации невозможно оценить вероятностный характер длительности функциональных циклов поставки. Однако можно предположить, что выявленная тенденция расхода запаса сохранится. В этом случае для оценки прогнозной величины страхового запаса можно воспользоваться формулой 10:

(10)

где τ – параметр, характеризующий количество дней задержки поставки заказа.

Рассчитаем величину страхового запаса при условии задержки на один день по сравнению с прогнозной оценкой T = 15 дней, т. е. на 16-й день:

Аналогично, при τ = 2 (17 день)

Для оценки вероятности отсутствия дефицита допускается, что отклонения ежедневного расхода деталей от среднего значения (тренда) подчиняются нормальному закону распределения. Тогда, пользуясь уравнением функции нормального закона, определяют вероятность отсутствия дефицита:

(11)

где y_t – уравнение тренда;

σ – среднее квадратическое отклонение.

В табл. 14 приведен ряд значений функции Ф(х) и Р(х).

Появление дефицита означает, что текущая величина запаса на складе равна нулю, т. е. у = 0.

Таблица 1.4 — Значения нормальной функции распределения Ф(х), вероятности Р(х) и параметра x

x	Ф(х)	Р(х)	x	Ф(х)	Р(х)
0,00	0,50	0,50	-1,280	0,10	0,90
-0,125	0,45	0,55	-1,405	0,08	0,92
-0,253	0,40	0,60	-1,555	0,06	0,94
-0385	0,35	0,65	-1,645	0,05	0,95
-0,525	0,30	0,70	-1,75	0,04	0,96
-0,675	0,25	0,75	-2,05	0,02	0,98
-0,842	0,20	0,80	-2,30	0,01	0,99
-1,037	0,15	0,85	-3,10	0,001	0,999

Для определения вероятности отсутствия дефицита необходимо:

1. рассчитать ,

2. по табл. 14 с помощью х найти Р(х).

Для рассматриваемого примера рассчитаем вероятности отсутствия дефицита деталей на складе на 13-й, 14-й и 15-й дни. Так, для T = 13 получаем:

и

По табл. 3.4.4 находим Р_Т=13 > 0,999, т. е, вероятность отсутствия дефицита ничтожно мала.

Аналогично, для T = 14 получим y_Т=14 = 3,2, x = –1,78, и вероятность отсутствия дефицита Р_Т=14 = 0,95.

Наконец, для T = 15 вероятность отсутствия дефицита Р = 0,5.

Следует подчеркнуть, что так же, как при оценке прогнозной величины страхового запаса, определение вероятности отсутствия дефицита по одной реализации справедливо только при строгом соблюдении сроков поставки. Если они не соблюдаются, то расчет должен проводиться с учетом рассеивания длительности функциональных циклов поставки.

В заключение определим ошибку прогноза среднего времени Т:

(12)

где T_ф, T_п – соответственно фактическая и прогнозная продолжительность цикла, дн.

Получим:

Ошибка прогноза велика, но это закономерно, так как нарушено одно из эмпирических правил экстраполяционного прогнозирования: между предпрогнозным периодом t и периодом упреждения (прогноза) τ = T – t должно соблюдаться соотношение:

(13)

При T = 5 допустимая величина времени прогноза:

Следовательно, величина надежного прогноза соответствует T ≈ 7 дн. и период упреждения составляет τ = 2 дн.

Итак, методы прогнозирования основаны на принятии различного рода допущений, необходимых для планирования изучаемых процессов или явлений в условиях неконтролируемого будущего. Кроме определенных допущений в настоящем времени методы прогнозирования опираются на опыт прошлого. Практическое применение их в логистических исследованиях имеет большое значение, а диапазон охватываемых проблем необычайно широк. К наиболее популярные методам прогнозирования относят: метод экспертных оценок, метод экстраполяции, методы моделирования, метод экономического прогнозирования (экономический анализ), балансовый метод, нормативный метод, программно-целевой метод.

studfiles.net

Методы прогнозирования

Контрольная работа по дисциплине: «Социально-экономическое прогнозирование и стратегическое планирование».

Московский Институт Предпринимательства и Права

Москва 2002 г.

Введение.

Процесс управления предприятием представляет собой непрерывную разработку управленческих решений и применение их на практике. От эффективности разработки этих решений в значительной степени зависит успех дела. И прежде чем начинать какое-либо дело, необходимо определить цель своих действий. В процессе производства руководителям предприятия очень часто приходится сталкиваться с критическими проблемами, и от того, на сколько оптимально принятое решение, будет зависеть конечный финансовый результат деятельности предприятия.

Потребность в решении возникает только при наличии проблемы, которая в общем, виде характеризуется двумя состояниями — заданным (желаемым) и фактическим (прогнозируемым), и именно прогнозирование будет отправной точкой в процессе принятия управленческого решения. Рассогласование между этими состояниями предопределяет необходимость выработки – управленческого решения и контроля за его реализацией.

Чтобы прогнозирование было наиболее эффективным, цели должны быть конкретными и измеримыми. То есть для каждой цели должны существовать критерии, которые позволили бы оценить степень достижения цели. Без этих критериев не возможна реализация одной из основных функций управления — контроля. Исходя из этого, можно сделать вывод, что цель, степень достижения которой можно количественно измерить, будет всегда лучше цели, сформулированной лишь словесно (вербально).

Прогнозирование — это своего рода умение предвидеть, анализ ситуации и ожидаемого хода её и изменения в будущем. Так как каждое решение — это проекция в будущее, а будущее — содержит элемент неопределенности, то важно правильно определить степень рисков, с которыми сопряжена реализация принятых решений.

Методы прогнозирования.

Метод прогнозирования – это способ исследования объекта прогнозирования, направленный на разработку прогноза. Совокупность специальных правил, приемов и методов составляет методику прогнозирования.

К наиболее распространенным методам прогнозирования относятся: экспертное прогнозирование, технологическое прогнозирование, нормативное прогнозирование, метод сценариев.

Рассмотрим подробнее каждый из этих методов.

1. Метод технологического прогнозирования.

Технологическое прогнозирование подразделяется на изыскательское (иногда его еще называют поисковым) и нормативное.

В основе изыскательского прогнозирования положена ориентация на представляющиеся возможности, установление тенденций развития ситуаций на основании при разработке прогноза информации.

Перемещение в пространстве технологий от технологий более низкого уровня к технологиям более высокого уровня относится к изыскательскому прогнозированию. Или иначе можно сказать, что потребности и цели должны соответствовать средствам и возможностям коммерческой организации.

Примером изыскательского прогнозирования может служить прогнозирование в области электроники, когда прогнозируемый процесс представляется в виде последовательного перемещения технологий, начиная от квантовой электродинамики и кончая мгновенно осуществляемой всемирной связью. Нормативное прогнозирование ориентировано на миссию организации, на те потребности и цели, к достижению которых она стремится. Нормативному прогнозированию соответствует перемещение в пространстве технологий от технологий более высоких уровней к технологиям более низкого уровня, то есть от потребностей и целей к средствам их реализации.

Примером нормативного прогнозирования может служить прогнозирование в области космоса, когда прогнозируемый процесс представляется в виде последовательного перемещения технологий от понимания проблемы космоса как среды, которая должна служить на благо человеку, до конкретных средств её решения — условий для ядерного деления и количества высвобождаемой при этом энергии и т.д.

В рамках технологического прогнозирования решаются такие задачи, как разработка прогнозов в области экономической, коммерческой деятельности, социальной и политической.

Одной из главных проблем точности и эффективности прогнозов является максимально полезное сочетание методов изыскательского и нормативного прогнозирования. Это является следствием различия используемых методов. Так для изыскательского прогнозирования, характерно использование таких методов, как:

экстраполяция;

моделирование;

метод исторической аналогии;

написание сценариев;

другие методы, базирующихся на анализе точных эмпирических данных.

При использовании методов изыскательского прогнозирования предпочтение отдается количественной информации. Использование качественной (неколичественной) информации в изыскательском прогнозировании также возможно.

Примером тому, является использование интуитивных методов, того же метода сценариев или метода экспертных кривых, позволяющих определять наметившиеся тенденции изменения ситуации, базируясь не только на эмпирических данных, но и на опыте высококвалифицированных специалистов — экспертов.

Основными же методами, использующимися при нормативном прогнозировании являются, в первую очередь, методы Паттерн, Делфи, Глушкова, Поспелова и др. К новым видам прогнозирования относят прогнозирование с использованием обратной связи, интуитивные методы, «обходные» и др. Но основные идеи, используемые при разработке прогнозов, достаточно полно представлены именно в изыскательском и нормативном прогнозировании.

Также следует отметить, что очень важным моментом (как для процесса сбора, так и для процессов анализа и обработки данных) определения того является ли информация количественной или неколичественной (качественной).

Количественная информация, если она достаточно надежна, обладает тем преимуществом, что позволяет использовать точные математические методы и модели и определять тенденции развития ситуации с определенной точностью, с указанием доверительных интервалов, возможных погрешностях при расчетах и т.д. Но даже более существенным является то обстоятельство, что круг проблем, для которых удается разработать адекватные математические модели, оказывается значительно уже того множества ситуаций, в которых необходимо принимать реальные решения.

Гораздо чаще при разработке прогнозов приходится иметь дело с качественной информацией.

При разработке прогноза к их числу относят ситуации, когда данные представлены в виде вербальных (словесных) описаний, когда оценки получены с помощью вербальных или вербально числовых шкал, когда имеется информация лишь о сравнительных оценках альтернативных вариантов.

Существуют также ситуации, когда полученная количественная информация не может быть «вписана» ни в одну из имеющихся математических моделей, также может быть проанализирована с помощью специально разрабатываемых методов качественного анализа.

В последние годы получило развитие экспертное прогнозирование, ориентированное в большей степени на работу не только с количественной, но и с качественной информацией, получаемой непосредственно от экспертов. 2. Метод экспертного прогнозирования.

С помощью этого метода прогнозирования может быть решена большая часть проблем, возникающих при разработке прогнозов. В экспертном прогнозировании существует несколько основных этапов.

1.Подготовка к разработке прогноза.

2.Анализ ретроспективной информации, внутренних и внешних условий.

3.Определение наиболее вероятных вариантов развития внутренних и внешних условий.

4.Проведение экспертизы

5.Разработка альтернативных вариантов

6.Априорная и апостериорная оценка качества прогноза

7.Контроль хода реализации прогноза и корректировка прогноза

На стадии подготовки к разработке прогноза должны быть решены следующие задачи:

подготовлено организационное обеспечение разработки прогноза,

сформулировано задание на прогноз,

сформулированы рабочая и аналитическая группы сопровождения,

сформулирована экспертная комиссия,

подготовлено методическое обеспечение разработки прогноза,

подготовлена информационная база для проведения прогноза,

подготовлено компьютерное сопровождение разработки прогноза.

После принятия решения о разработке прогноза необходимо назначить исполнителей для этой разработки. Этой группе работников поручается организационное обеспечение разработки прогноза. Они также должны обеспечить методическое и информационное его сопровождение.

Качественный экспертный прогноз может быть разработан только тогда, когда он хорошо подготовлен, если в его разработке задействованы компетентные специалисты, когда использована достоверная информация, когда оценки получены корректно и корректно обработаны.

Для разработки качественного прогноза необходимо использование современных технологий, сопровождающих и поддерживающих процесс разработки.

В состав экспертной комиссии приглашаются специалисты, профессионально знакомые с объектом экспертизы. Если требуется многоаспектная оценка объекта, либо оцениваться должны разнородные объекты и для этого нужны специалисты разных профессий, то экспертная комиссия должна быть сформирована таким образом, чтобы в её состав входили специалисты, способные профессионально оценить все основные аспекты прогнозируемой проблемы.

Задачей аналитической группы является методическая подготовка процесса прогнозирования. В состав аналитической группы входят специалисты, обладающие профессиональными знаниями и опытом проведения прогнозных разработок. Разработка прогноза должна быть проведена методически грамотно, применяемые методы должны соответствовать характеру прогнозируемой ситуации и характеру информации, которую предстоит получить, проанализировать и обработать. Также разработка прогноза должна быть четко регламентирована, то есть рабочая группа должна подготовить необходимую документацию, в состав которой входят: официально оформленное решение о проведении прогноза, состав экспертной комиссии, график разработки прогноза, контракты со специалистами, привлекаемыми для его разработки и т.д. Специалисты должны быть обеспечены всей необходимой информацией об объекте прогнозирования. Полезным может оказаться специально подготовленный аналитической группой аналитический обзор по прогнозируемой проблеме. При работе с многовариантными прогнозами приходится иметь дело с большими объемами информации, которая к тому же, должна анализироваться и обрабатываться в соответствии с используемой технологией разработки прогноза. Это невозможно сделать без компьютера и соответствующего программного обеспечения.

mirznanii.com