Метод экстраполяции в прогнозировании

Содержание

Похожие главы из других работ:

Анализ себестоимости продукции предприятия (на примере ОАО "ЕПК-Самара")

1.2 Методы группировки затрат. Методы формирования и анализа себестоимости продукции

Существуют следующие методы группировки затрат — по экономическим элементам и по калькуляционным статьям. Затраты, образующие себестоимость продукции…

Определение прогнозного значения экономических показателей

2.4 Определения прогнозного значения фактора xпр методом экстраполяции тренда

Прогнозное значение показателя xпр рассчитывается подстановкой в уравнение тренда номера периода ti соответствующего периода упреждения. Уравнение тренда: х=164,1637*1,000359^t xпр — прогнозное значение факторного признака. t1=8 х8пр=164,1637*1,000359^8=164…

Особенности применения формализованных методов прогнозирования

МЕТОДЫ ЭКСТРАПОЛЯЦИИ

В методическом плане основным инструментом любого прогноза является схема экстраполяции…

Поведение государства в рыночной экономике

1.4 Методы ГРЭ

Государство выполняет свои функции, применяя разнообразные методы воздействия на экономику.

8. Методы экстраполяции

Среди методов государственного регулирования едва ли встретишь совершенно непригодные или абсолютно неэффективные. Нужны все…

Прогноз экономического развития предприятия ООО "У Каравая"

§ 2. Метод экстраполяции

В методическом плане основным инструментом любого прогноза является схема экстраполяции…

Прогноз экономического развития предприятия ООО "У Каравая"

§ 3. Методы моделирования и экономико-математические методы

прогнозирование экономическое управление развитие Моделирование предполагает конструирование модели на основе предварительного изучения объекта или процесса, выделения его существенных характеристик или признаков…

Прогнозирование и планирование

2.3 Методы моделирования и экономико-математические методы

Моделирование предполагает конструирование модели на основе предварительного изучения объекта или процесса, выделения его существенных характеристик или признаков…

Прогнозирование социально-экономического развития. Отечественный и зарубежный опыт

3.2 Прогнозирование динамики численности населения Беларуси в 2008-2009гг. методом экстраполяции

Экстраполяция — метод прогнозирования, в котором на основе имеющихся данных устанавливается тенденция, и по ней делается прогноз на будущие периоды. 1). Установим тенденцию: x — года, y — численность населения, n — количество лет…

Статистико-экономический анализ продукции растениеводства ФГУП "Южное"

3.4 Прогнозирование урожайности методом экстраполяции

Выявление и характеристика трендов и моделей взаимосвязи создают базу для прогнозирования, т. е. для определения ориентировочных размеров явлений в будущем. Для этого используют метод экстраполяции…

Статистический анализ брачности и разводимости населения на материалах Приволжского федерального округа

3.2. Метод экстраполяции (аналитическое выравнивание)

Наглядно использование метода экстраполяции приведём в таблице 8. Таблица 9 Прогнозирование числа разводов за год методом экстраполяции годы число разводов у число разводов за год t tІ У?=a?+a?t 2007 136425 -3 9 393387…

Статистический анализ заработной платы

3.2 Метод экстраполяции

Экстраполяция — нахождение уровней за пределами изучаемого ряда, т.е. продление ряда на основе выявленной закономерности изменения уровней в изучаемый отрезок времени. Применение прогнозирования предполагает, что закономерность развития…

Статистический анализ использования основных производственных фондов предприятия

3.3 Статистические прогнозирование фондоотдачи на основе экстраполяции

Экстраполяция — это такой метод, когда прогнозируемые показатели рассчитываются на основе взаимосвязей показателей одного динамического ряда. В сущности экстраполяция — это перенос закономерностей и тенденций прошлого в будущее…

Статистический анализ рядов динамики в MS Excel

3.5 Элементы интерполяции и экстраполяции

Экономика здравоохранения и сфера медицинских услуг

ТЕМА 3. Финансирование поставщиков медицинских услуг. Методы оплаты врачебных услуг. Методы финансирования клиник

Здравоохранение может действовать в рамках различных систем финансирования. В качестве основных источников финансовых ресурсов для здравоохранения выступают бюджетные средства, средства медицинского страхования…

Экономико-статистический анализ основного производства и себестоимости продукции растениеводства ЗАО "Степное" Половинского района Курганской области

3.3 Прогнозирование себестоимости методом экстраполяции

Применение прогнозирования предполагает, что закономерность развития, действующая в прошлом (внутри ряда динамики), сохранится и в прогнозируемом будущем, т.е. прогноз основан на экстраполяции. Точность прогноза зависит от того…

Методы прогнозной экстраполяции

Одним из наиболее распространенных методов статистического прогнозирования является экстраполяция, т.е. распространение прошлых и настоящих закономерностей, связей и соотношений на будущее.

Цель такого прогноза показать к каким результатам можно прийти в будущем, если к нему двигаться с той же скоростью или ускорением, что и в прошлом.

Экстраполяционный прогноз определяет варианты экономического развития, исходя из гипотезы, что основные факторы и тенденции прошлого периода сохраняются на период прогноза, или, что можно обосновать и учесть направления их изменений в рассматриваемый период. Подобная гипотеза выдвигается, исходя из инерционности социально-экономических явлений и процессов. Инерционность развития экономики связана с длительно воздействующими факторами, например, такими, как структура основных фондов, их возраст и эффективность, степень устойчивости технологических взаимосвязей отрасли производства и др.

Для достаточно точного количественного измерения ожидаемых значений признака необходимо, чтобы прогностическая модель имела достаточную точность или допустимо малую ошибку прогноза. Ошибка статистического прогноза будет тем меньше, чем меньше срок упреждения и чем длиннее база прогноза. В большинстве случаев срок упреждения не должен превышать третьей части длины базы прогноза. В каждом конкретном исследовании значения длин базы прогноза и срока упреждения необходимо обосновать, используя имеющуюся информацию об особенностях изучаемого объекта.

Методы прогнозной экстраполяции подразделяются на простые и сложные.

Простые исходят из предположения относительно постоянства в будущем абсолютных значений уровней среднего уровня ряда, среднего абсолютного прироста, среднего темпа роста.

а) экстраполяция на основе средней

В самом простом случае, на предположении о том, что средний уровень ряда не имеет тенденцию к изменению или если это изменение незначительно, можно принять

yi+1 = y = / n,

где yi+1 — прогнозируемое значение,

y – среднее значение ряда,

yi – фактическое значение показателя в i — период

Подобная экстраполяция дает точечную оценку.

Однако, поскольку подобные прогнозы основываются на информации о поведении объекта в прошлом, то они всегда будут иметь ошибку.

Следовательно, каждый прогноз характеризуется двумя основными показателями:

а) значением прогнозного показателями на будущий момент времени, выработанным каким либо методом прогнозирования, т.е. сам прогноз

б) стандартной ошибкой (отклонением) прогноза, который характеризует разброс прогнозируемого значения вокруг реального.

δ =

б) экстраполяция по среднему темпу роста:

yi+1 = k *yn ,

где yi+1 – прогнозируемая величина;

k – средний темп роста;

yn – последнее значение фактора в ряду.

При этом средний темп роста определяется по следующей формуле

k = ,

где n – число периодов,

y1 – первое значение фактора в ряду.

в) экстраполяция по среднему абсолютному приросту

yi+1 = yn + Δ y ,

где yi+1 – прогнозируемая величина;

yn – последнее значение фактора в ряду;

Δ y – средний абсолютный прирост.

При этом средний абсолютный прирост определяется по формуле:

Δ y = ,

где yn – последнее значение фактора в ряду;

y1 – первое значение фактора в ряду;

n – число периодов.

Сложные методы экстраполяции основаны на выявлении тренда.

Под трендом понимается характеристика основной закономерности движения во времени, в некоторой мере свободной от случайных воздействий. Тренд – это длительная тенденция изменения экономических показателей.

Экстраполяция тренда может быть применена только в том случае, если развитие явления достаточно хорошо описывается построенной моделью и условия, определяющие тенденцию развития в прошлом, не претерпят изменений в будущем.

К методам сложной экстраполяции относят следующие методы:

¨ аналитического выравнивания динамических рядов;

¨ экспоненциального сглаживания;

¨ скользящих средних.

Аналитическое выравнивание – это нахождение математической функции, которая наиболее точно описывает тенденцию изменений исследуемого явления.

Наиболее ответственными этапами аналитического выравнивания являются:

— выбор кривой, отражающей тенденцию;

— определение показателей, дающих количественную характеристику тенденции изменения;

— оценка достоверности прогнозных расчетов.

Выбор кривой можно осуществить на основе построения графика. Общий вид графика, как правило, позволяет установить имеет ли динамический ряд показателя отчетливо выраженную тенденцию, если да, то является ли эта тенденция плавной, каков характер тенденции (возрастающая, убывающая). Отвечая на эти вопросы, необходимо помнить, что внешняя простота графика обманчива. Любая динамическая задача гораздо сложнее статистической, и каждая точка кривой есть результат изменения явления и в пространстве и во времени.

Динамика изменения показателя бывает достаточно сложной, поэтому ее не всегда удается выразить элементарными аналитическими функциями (прямая, парабола …). Как правило, для повышения обоснованности и достоверности выравнивания с целью более точного выявления имеющейся тенденции желательно проводить вариантный расчет по нескольким функциям, и на основе экспертных и статистических оценок определять лучшую форму связи.

После определения формы связи и выбора подходящих математических кривых задача сводится к определению показателей, которые дадут количественную характеристику. Необходимо определить параметры уравнений связи. Для их нахождения лучше всего пользоваться методом наименьших квадратов. Выравнивающая функция в этом случае будет занимать такое положение среди фактических значений показателя, при котором сумма квадратов отклонений точек от функции будет минимальной.

min

где – фактическое значение показателей,

— вычисленное по выравнивающему уравнению,

N – число наблюдений.

Оценка достоверности прогнозных расчетов проводится с использованием приемов математической статистики, а также графиков.

Метод скользящих средних.. Часто ряды динамики характеризуются резкими колебаниями показателей по годам. Такие ряды , как правило, имеют слабую связь со временем и не обнаруживают тенденции к росту или снижению.

Экстраполяция как метод прогнозирования

В такой ситуации можно использовать метод скользящих средних.

Метод скользящих средних позволяет отвлечься от случайных колебаний временного ряда, что достигается путем замены значений внутри выбранного интервала средней арифметической величиной. Интервал, величина которого остается постоянной, постоянно сдвигается на одно наблюдение. Величина интервала (Р) может принимать любое значение от минимального (Р=2) до максимального (Р= n-1), где n – длина рассматриваемого временного ряда. Сглаженный ряд короче первоначального на (Р-1) наблюдение.

При использовании метода скользящих средних прежде всего определяется величина интервала сглаживания (Р), обеспечивающая взаимное погашение случайных отклонений во временном ряду. Выбор величины интервала должен осуществляться с учетом особенностей ряда. Если наблюдается определенная цикличность изменения показателей, интервал скольжения должен быть равен продолжительности цикла.

При отсутствии цикличности в изменении показателей рекомендуется производить многовариантный расчет при меняющемся параметре скольжения.

Метод экспоненциального сглаживания. Между достигнутым в текущем году уровнем показателя и уровнями его в прошлые годы существует определенная связь. С увеличением периода времени связь уровней ослабевает, а значит, результаты более поздних наблюдений несут большую информацию об ожидаемом уровне показателя. Поэтому, при прогнозировании большее значение следует придавать последним показателям динамических рядов. Этому принципу отвечает метод экспоненциального сглаживания, разработанный Р.Брауном.

Экспоненциальное сглаживание- это вид выравнивания особенно сильно колеблющихся динамических рядов в целях последующего прогнозирования.

Данный метод позволяет давать обоснованные прогнозы на основании рядов динамики, имеющих умеренную связь со временем, и обеспечивает больший учет показателей, достигнутых в последние годы.

Сущность метода экспоненциального сглаживания заключается в сглаживании временного ряда с помощью взвешенной скользящей средней.

При проведении исследований целесообразно применять метод для линейной и параболической тенденций. При линейной функции тренд выражается двумя членами ряда Тейлора и некоторым малым числом Еt , зависящем от времени. При параболической функции тренд выражается тремя членами ряда Тейлора и некоторым малым числом Еt , зависящем от времени.

Основными показателями экспоненциального сглаживания являются: характеристики сглаживания, оценки коэффициентов, начальные условия.

При выборе начальных условий коэффициенты рассчитывают путем выравнивания исходного временного ряда способом наименьших квадратов, предполагая соответственно линейную (параболическую) тенденцию изменений.

Процесс экспоненциального сглаживания основывается на цепочечных расчетах. Сначала определяются исходные параметры выравнивающих кривых, по которым с помощью формул находят начальные условия. На основе начальных условий по формулам определяют характеристики сглаживания, затем – оценки коэффициентов для экспоненциального сглаживания первого значения в исходном динамическом ряду. И на конец – расчетное значение соответствующей функции. Полученные на этом первом этапе характеристики сглаживания затем используются в качестве исходных данных для вычисления второго сглаженного значения в рассматриваемом динамическом ряду и т.д.

Вычисления продолжают до тех пор, пока не будут сглажены все значения исходного временного ряда.

Результаты прогноза в значительной мере зависят от параметра сглаживания ( ). В случае его малых величин при прогнозировании учитываются все прошлые наблюдения, в случае больших значений – в основном последние. Существуют различные подходы к выбору параметра сглаживания. Наиболее простым, является определение параметра сглаживания, как величины, очень близкой к обратному значению параметра сглаживания Р при расчете скользящих средних.

Прогнозирование на основе регрессионных моделей.

Регрессионные модели для прогнозирования используются в тех случаях, когда может быть определено существенное влияние одного или нескольких факторов на динамику прогнозируемой переменной.

Для прогнозных расчетов на основе регрессионных моделей необходимо иметь плановые или прогнозные значения выбранных факторов на перспективу, которые необходимо подставить в уравнения.

Достоинство регрессионных моделей состоит в том, что наличие зависимости одного явления от других лучше поддается содержательной интерпретации, чем простая экстраполяция трендов. Кроме того, регрессионные модели создадут базу для расчетного экспериментирования с целью получения ответов на вопросы типа « что будет, если …».

Производственные функции (функции производственных затрат) – это регрессионные модели, используемые в анализе и прогнозировании экономических объектов, характеризующие обобщенные зависимости между затратами ресурсов и выпуском продукции.

5. Методы моделирования(самостоятельно)

Прогнозирование на основе методов прогнозной экстраполяции

Экстраполяция — это метод научного исследования, который основан на распространении прошлых и настоящих тенденций, закономерностей, связей на будущее развитие объекта прогнозирования. Методы экстраполяции наиболее распространенные в группе формализованных. 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.

Сущность методов экстраполяции

Использование методов экстраполяции предполагает два допущения: а) основные факторы, тенденции прошлого сохранят свое проявление в будущем; б) исследуемое явление развивается по плавной траектории, которую можно выразить, описать математически. Названные допущения в большинстве случаев характерны для экономических процессов.

Как поступить, если условия формирования тренда (тренд – тенденция, определяющая общее направление развития) изменились? В этом случае предполагается использование такого искусственного приема, как исправление тренда. Отсекаются показатели ряда, которые были сформированы отжившими факторами, но при разделении старых и новых тенденций следует быть осторожным (можно воспользоваться экспертными оценками).

Прогноз должен иметь высокую точность, ошибка прогноза будет тем меньше, чем меньше период (срок) упреждения и чем больше база прогноза.

Период (срок) упреждения — это интервал времени, на который разрабатывается прогноз. База прогноза — это статистическая информация за ряд лет, на которую мы опираемся при построении расчетов. Срок упреждения должен составлять не менее 1/3 базы прогноза.

Построенные с помощью методов экстраполяции прогнозы нельзя рассматривать как конечный этап прогнозирования, ибо полученный показатель следует оценить с помощью экспертов и в случае необходимости скорректировать, если экономические, политические и другие условия в стране (городе) меняются.

Процедура экстраполяции — это чисто механический прием, следовательно, большое значение здесь имеет расчет доверительного интервала, т.е. диапазона отклонения полученной прогнозной оценки. Доверительный интервал рассчитывается двумя способами: формальным и неформальным. Формальный основан на применении специальных математических формул, а неформальный – на использовании экспертных оценок, заключений.

Метод скользящей средней  дает возможность выравнивать динамический ряд на основе его средних характеристик. При экстраполяции с помощью среднего уровня ряда используется принцип, при котором прогнозируемый уровень принимается равным среднему значению уровней ряда в прошлом.

Данный метод дает прогнозную точечную оценку и более эффективно используется при краткосрочном прогнозировании. Преимущество данного метода состоит в том, что он прост в применении и не требует обширной информационной базы.

Метод экспоненциального сглаживания дает возможность выявить тенденцию, сложившуюся к моменту последнего наблюдения, и позволяет оценить параметры модели, описывающей тренд, который сформировался в конце базисного периода. Этот метод адаптируется к меняющимся во времени условиям, а не просто экстраполирует действующие зависимости в будущее.

Метод экспоненциального сглаживания наиболее эффективен при разработке кратко- и среднесрочных прогнозов. Его основные достоинства заключаются в простоте вычисления и учете весов исходной информации, т. е. новые данные или данные за последние периоды имеют больший вес, чем данные более отдаленных периодов.

При использовании для прогнозирования данного метода возникают следующие затруднения: а) выбор значения параметра сглаживания; б) определение начального значения экспоненциально взвешенной средней.

Метод наименьших квадратов основан на выявлении параметров модели, которые минимизируют суммы квадратических отклонений между наблюдаемыми величинами и расчетными. Модель, описывающая тренд, в каждом конкретном случае подбирается в соответствии с рядом статистических критериев. На практике наибольшее распространение получили такие функции, как линейная, квадратическая, экспоненциальная, степенная, показательная.

Преимущества метода наименьших квадратов заключаются в том, что он прост в применении и реализуется на ЭВМ. К недостаткам метода можно отнести жесткую фиксацию тренда моделью, небольшой период упреждения, сложность подбора уравнения регрессии, который осуществляется с помощью использования типовых компьютерных программ, например Excel.

ЭКСТРАПОЛЯЦИЯ

(extrapolation) См.: интерполяция (interpolation).

Оцените определение:

Экстраполяция

Метод исследования, заключающийся в предположении закономерности распространения выводов, полученных из наблюдения над одной частью явления на другую его часть. Например, предположение о сохранении в будущем таких же тенденций в экономике, как и в прошедшем периоде.

Оцените определение:

Экстраполяция

лат. exstra приставка, соответствующая русским «вне», «сверх» + polire делать гладким, отделывать), метод научного исследования, заключающийся в распространении выводов, полученных из наблюдения над одной частью явления, на его другую часть, не подвергнутую наблюдению; распространение установленных в прошлом тенденций на будущий период.

Оцените определение:

ЭКСТРАПОЛЯЦИЯ

определение будущих, ожидаемых значений экономических величин, показателей на основе имеющихся данных об их изменении в прошлые периоды; перенесение прошлого а будущее, исходя из выявленных в прошлом тенденций изменения. Математически экстраполяция сводится к продолжению кривой, характеризующей предыдущее изменение экономического показателя.

Оцените определение:

ЭКСТРАПОЛЯЦИЯ

1) метод научного исследования, заключающийся в распространении выводов, полученных из наблюдения над одной частью явления, на другую часть его; — в статистике — распространение установленных в прошлом тенденций на будущий период; распространение выборочных данных на другую часть совокупности, не подвергнутую наблюдению. Методы экстраполяции во многих случаях сходны с методами интерполяции.

Оцените определение:

экстраполяция

перенесение соотношений (показателей), выведенных на основании изучения ограниченного круга объектов (что имеет место, напр., при выборочном обследовании — см.) на широкий круг явлений; установление неизвестных конечных членов какого-либо математического ряда на основании соотношений, имеющихся между теми членами того же ряда, которые из практики известны. Так, напр.:

  а) выборочным исследованием (см. выборочное обследование (выборочное исследование) установлено, что расходы 10.000 обследованных крестьянских хозяйств составляют в среднем на 1 хозяйство за год столько-то рублей; представление об этом среднем расходе распространяется на все (необследованные) хозяйства района или страны;

  б) обороты кооператива составляли:

  Январь. 1000 р.

  Февраль.

Метод экстраполяции

1200 р.

  Март. 1320 р.

  Апрель. ?

  Май. ?

  Установив, что среднее ежемесячное возрастание оборота составляло за прошедшее время 10 % (в отношении к предшествующему месяцу), путем экстраполяции определяют (предполагают) вероятный апрельский оборот равным 1.552 руб., а майский — 1.707 р. 20 к.

  (Ср. интерполирование).

Оцените определение:

Пример использования метода экстраполяции

Используя макет табл. 9 и подставив в ее ячейки различные параметры, рассмотренные в хронологическом порядке, можно определить их конкретные значения в определенный временной период. Этот метод широко используется в демографических расчетах, анализе хозяйственной деятельности предприятий и пр. Однако использовать методику экстраполяции можно только при соблюдении ряда условий:

● метод применим лишь в диапазоне краткосрочного периода;

● метод применим лишь при условии стабильной среды;

● метод прилагается только к отдельным показателям, имеющим очень узкий диапазон вариации признака;

● метод может быть использован только в условиях закрытой прогнозной модели, защищенной от случайных внешних воздействий.

Поэтому ограниченность данного метода обусловлена сферой применения, определяемой типом изменяемого признака и степенью открытости прогнозной модели. Кроме того, метод простой экстраполяции не дает возможности оперировать с интегральными (агрегированными) показателями, роль которых в современном управлении значительно возросла. Восполнить этот недостаток позволяет метод трендовой экстраполяции, оперирующий как раз интегральными показателями.

2. Метод трендовой экстраполяции.

Вызвать к жизни метод трендовой экстраполяции заставил тот факт, что в середине XX в. большую популярность получила идея прогнозирования на базе продления сложившихся трендов, измеряющих объемы необходимых инвестиций в расширяющиеся отрасли экономики. Еще Йозеф Шумпетер отмечал, что реальным источником циклических колебаний, создающих основу для прогнозирования, является не всякое инвестирование в производство, а лишь инновации. Современник Шумпетера Н. Д. Кондратьев выдвинул идею, что в мировой экономике на основании динамики индекса цен, номинальной заработной платы, показателей внешнеторгового оборота, производства чугуна, свинца и др. можно выделить так называемые «длинные волны», временные интервалы в 100-150 лет, в пределах которых происходит кардинальное изменение сложившегося технологического уклада, вызывающего масштабные преобразования в экономической системе. Продолжительность длинного цикла, по Кондратьеву, определяется средним сроком существования производственных инфраструктурных сооружений. А «замена основных капитальных благ», знаменующая наступление критического этапа в цикле и означающая выход экономической системы из состояния спада, требует накопления ресурсов в натуральной пли денежной форме, подготавливая систему к производству нового цикла. Спрогнозировав сразу цикла, можно спрогнозировать динамику цен и заработной платы, покупательной способности и стремления к накопительству. По каждому показателю Н. Д. Кондратьев строит кривые, совокупность которых позволяет выявить среднее значение. Обобщающая кривая и была названа кривой цикла экономической конъюнктуры.

Цикл экономической конъюнктуры — это благоприятное (неблагоприятное) сочетание экономических факторов, влияющих на характер деловой активности и определяющих конкретное направление экономической специализации.

В дальнейшем учеными были выявлены краткосрочные и среднесрочные циклы, которые также стали основой прогнозирования социально-экономических процессов. Сокращению временного диапазона способствовало ускорение темпов экономического развития, повлекшее за собой снижение сроков обновляемости средств производства, изменение сложившихся технологических режимов и пр. И поэтому умение менеджеров определять вероятные исходы развития перспективных рынков стало важнейшим критерием оценки их труда.

Метод трендового прогнозирования позволяет отслеживать динамику интегрированных показателей в долгосрочной и среднесрочной перспективах с учетом макроэкономических тенденций.

МЕТОДЫ ЭКСТРАПОЛЯЦИИ

Однако в условиях стабилизации спроса картина изменилась, потому что окупаемость инвестиций снизилась, а деятельность профсоюзов привела к стабильности на рынке заработной платы.

В то же время переход ведущих западных стран на энергоемкие и металлоемкие технологии сделал популярный метод недостаточно эффективным в изменившихся условиях. Методы простои и трендовой экстраполяции, а также некоторые разновидности сценарного подхода объединяет тот факт, что все они являются разновидностями поискового прогнозирования, к основным характеристикам которого следует отнести следующие.

● Результат прогноза при поисковом прогнозировании не является заранее известным. Цель — определить, найти не известный до этого результат.

● Важнейшей целью поискового прогноза является подбор показателен, взаимодействие между которыми составляет прогнозное поле исследуемой ситуации.

Новую веху в становлении функции прогнозирования ознаменовал сценарный прогноз.

3. Сценарный метод.

Метод сценариев стал популярным после первых докладов Римскому клубу. Уже в одном из первых докладов Джеймс Форрестер в 1970 г. представил модель развития цивилизации, в основу которой были положены пять факторов: промышленное производство, сельскохозяйственное производство, ресурсы, масштабы загрязнения окружающей среды и население. Построив математические функции динамики каждого из представленных факторов, а также взаимосвязей между ними, Дж. Форрестер получил сценарий развития человеческой цивилизации: к концу XX в. наступит экономический и экологический коллапс, полное исчерпание ресурсов, перенаселение, загрязнение среды обитания человека, а также паралич промышленного и сельскохозяйственного производства. Методология Форрестера вскоре стала широко применяться в процедурах прогнозирования в самых различных сферах. Метод базируется на количественных и качественных характеристиках объекта прогнозирования. Закладывая в основу модели три контрольных параметра — уровни, темпы и запаздывания, используя математические методы, можно имитировать различные сценарии развертывания положенных в основание модели динамических рядов. Качественные методы обработки результатов сценарного прогноза позволяют рассматривать прогнозируемый объект со всех сторон.

Сценарий — это описание вариантов будущих состояний. С прогнозом его роднит то, что он также является способом предсказания будущего, однако без использования оптимизационной функции. Сценарный прогноз не подразумевает навязывание единственно верного варианта, выбор сценария остается за субъектом управления. В зависимости от оценки перспектив реализации поставленной цели следует выделять три вида сценариев: пессимистический, вероятностный и оптимистический. Субъект управления вправе использовать любой из них с учетом специфики поставленной задачи.

Особую роль сценарный метод играет в государственном прогнозировании. В соответствии со статьей 184.2 Бюджетного кодекса РФ одновременно с проектом закона (решения) о бюджете в законодательный (представительный) орган представляются прогноз социально-экономического развития соответствующей территории и прогноз основных характеристик (общий объем доходов, общий объем расходов, дефицит (профицит)) консолидированного бюджета соответствующей территории на очередной финансовый год и плановый период либо проект среднесрочного финансового плана. Данное требование заставляет исполнительную власть разрабатывать сценарий социально-экономического развития территории, основанный на обобщенной статистической базе региона (страны). Сценарий можно рассматривать как неформализованный многовариантный прогноз, сочетающий системно-логический и исторический подходы к изучению сложных объектов. Существуют поисковые и нормативные сценарии. И если первые ориентированы на изучение возможных альтернатив социально-экономического развития, то вторые подразумевают решение более узкой задачи: изучение альтернатив внутри заданных субъектом управления целей. Смысл сценарного анализа заключается не только в рассмотрении альтернатив будущего, но и в оценке их долгосрочных последствий и вероятности их реализации. Существуют различные способы применения сценарного метода, зависящие от целей и объекта прогноза. Вместе с тем в нем выделены и определенные стандартные этапы. На первом этапе разрабатываются два варианта сценария исследуемой ситуации: оптимистический и пессимистический. На втором определяются основные тенденции в динамике ключевых экономических показателей по каждому варианту. И на заключительном этапе определяется наиболее вероятный вариант развития исследуемой ситуации. При этом целью сценарного метода является не столько выявление наиболее вероятного исхода исследуемых событий, сколько сочетание сценариев с возможностью их текущей корректировки.

В рамках сценарного подхода можно применить ряд методов, позволяющих достаточно эффективно приспосабливать процедуры прогнозирования к реалиям управления. Это касается прежде всего широкого круга проблем, которые невозможно решить однозначно до тех пор, пока не будут определены последствия их проявления. В связи с этим значительный интерес взывает использование метода «дерева неполадок», при помощи которого рассчитываются возможные сценарии развертывания неблагоприятных исходов. В рамках сценарных стратегии совмещаются самобытные черты оптимистических, вероятных и пессимистических сценариев, противопоставление которых явно не способствует эффективному управлению.

Набросок сценария создания нового подразделения многоцелевого предприятия, специализирующегося на ремонте электротехники, можно изобразить следующим образом (рис. 23).

Рис. 23. Сценарий создания нового функционального
подразделения многоцелевого предприятия

Среди возможныхпричин, способных обусловитьневозможность дальнейшего финансирования старого подразделения, в связи с чем появляется необходимость создания нового, можно назвать следующие.

1. Отсутствие спроса на услуги подразделения.

1.1. Появление в магазинах широкого ассортимента новой и достаточно дешевой электротехники.

1.1. Выделение крупных налоговых льгот для производителен электротехники.

1.2. Резкое повышение тарифов на электроэнергию.

2.1. Выброс значительной массы энергоемкой импортной электротехники.

2. Неспособность отчислять часть прибыли по договорам.

2.1. Повышение нормативов на прибыль головной компанией.

2.2. Повышение правительственного налогового прессинга на малый бизнес.

2.1. Открытие головной организацией нового перспективного филиала.

3. Рост затрат на содержание производства. 3,1. Аварийное состояние здания.

1.1. Строительство крупной автомагистрали, грозящей сильной вибрацией.

2.1. Наличие большого объема устаревшего оборудования.

Возможные причины, способные вызвать организационные изменения в структуре головного предприятия, перечислены ниже.

1. Переориентация головного предприятия на ремонт оргтехники.

1.1. Отсутствие сильных конкурентов в новой области.

1.2. Расширение рынка в этой области.

2.1. Большие объемы продаж оргтехники в данном районе.

1.3. Наличие сильных исполнителей в организации.

2. Сдача помещения, занимаемого ликвидируемым предприятием, в аренду выгодному компаньону.

2.1. Возможность получения выгодных контрактов после сделки с компаньонами.

1.1. Наличие у компаньона контракта с западной фирмой на поставку запчастей.

2.2. Выгодные для арендодателя ставки арендной платы.

Предложенный метод позволяет отследить наиболее вероятные пути к заданному результату с тем, чтобы иметь возможность видеть все возможные альтернативы в механизме егодостижения. Для выявления задач, связанных с разработкой альтернативных направлений в достижении результата, имеет смысл оценить вероятность проявления каждой из альтернатив и определить наиболее вероятный сценарий.

Вероятный прогноз можно сделать с учетом взаимодействия обеих альтернатив, оценки вероятности их причин, иных обстоятельств. Чем больше причин будет учтено в сценариях, тем выше качество прогнозирования. Наложение самостоятельных сценарных блоков позволит определить узловые связи в развертывании проблемных ситуации, чтобы иметь возможность вовремя нейтрализовать неблагоприятные варианты развития ситуации.

Метод «дерева неполадок» является разновидностью нормативного метода и способом нахождения оптимальной комбинации путей, нацеленных на достижение заданного результата.

Этапы построения «дерева неполадок» следующие.

1. Определение исходной точки прогноза, нежелательного исхода исследуемой ситуации (банкротство предприятия, снижение рентабельности).

2. Определение наиболее вероятных причин, ведущих к выделенном исходной точке прогноза. Строится по методу дерева целей в соответствии с теми же правилами.

3. Распределение 1000 условных баллов между возможными причинами в соответствии с их вероятностью.

4. Подсчет общего количества баллов но каждому из возможных вариантов событий и определение критического пути на основе подсчета количества баллов, приходящегося на каждую из альтернатив.

5. Определение системы мероприятий, приоритетов, способных нейтрализовать неблагоприятные последствия (рис. 24).

Рис. 24. Вариант построения «дерева неполадок»

Таким образом, многообразие методов научного прогнозирования является необходимым условием более точного и обоснованного предвидения исходов и тенденций развития исследуемых ситуаций. Выбор адекватного метода прогнозирования определяется характером исследуемого объекта (ситуации), степенью полноты информации, положенной в основу прогноза, а также целями самого прогноза. Эффективность прогноза определяется надежной и тщательно подобранной фактологической базой и адекватностью выбранного метода.

Date: 2015-08-15; view: 1596; Нарушение авторских прав

Понравилась страница? Лайкни для друзей:
admin