Современное состояние методологии прогнозирования

Современные методы прогнозирования можно классифицировать на три основные группы:

– методы экстраполяции;

– методы экспертных оценок;

– методы математического моделирования.

Суть метода экстраполяции состоит в распространении существующих закономерностей (тенденций и связей) на некоторый период в будущем. Динамическая (временная) экстраполяция основывается на предположении, что имеющийся временной ряд y_t представляет собой сумму двух составляющих – регулярной и случайной:

, (1.1)

где f (t) – регулярная составляющая;

e _t – случайная величина с нулевым математическим ожиданием.

При этом предполагается отсутствие корреляции между e_t и e _{t- τ} для любого τ, не равного нулю.

В основе метода экстраполяции лежит интуитивное представление о какой-то очищенной от помех сущности анализируемого процесса. Применение этого метода фактически сводится к построению наилучшего в некотором смысле описания регулярной составляющей и экстраполяции его на прогнозный момент времени.

Выбор типа функции f (t) осуществляется на основании визуального анализа динамики показателя. В качестве функций обычно используются:

– линейная ; (1.2)

– полиномиальная ; (1.3)

– экспоненциальная ; (1.4)

– логистическая кривая (1.5)

и другие простые математические зависимости.

 

Для учета возможности плавного изменения регулярной составляющей во времени используются так называемые адаптивные модели, к числу которых относятся модели экспоненциального сглаживания и модель Бокса-Дженкинса, которая является более общей по отношению к модели экспоненциального сглаживания.

Методы экстраполяции целесообразно использовать при прогнозировании показателей в тех случаях, когда имеется достаточно представительная статистика, позволяющая провести построение временных рядов, причем прогнозируемые события должны носить массовый характер.

К методам экстраполяции относится также группа методов прогнозирования, основанных на построении и использовании моделей связи прогнозируемого показателя y с различными факторами X₁, X₂, …,X_k:

. (1.6)

Метод заключается в построении регрессии (математической зависимости) прогнозируемого показателя от ряда факторов (независимых переменных), прогнозировании будущих значений факторов и расчете прогнозных значений показателя по математической зависимости. При этом прогнозные значения независимых переменных определяются вне рамок регрессионной модели на основе дополнительной информации, как правило, с использованием экстраполяции трендов или экспертным путем.

Однако применение многофакторных моделей на практике сталкивается со сложностью отбора существенных факторов и трудностями в получении исходной информации.

Методы экспертного прогнозирования используют индивидуальные или групповые мнения о перспективах развития прогнозируемого объекта и могут использоваться при отсутствии или сложности получения статистической информации.

Возможно комбинирование результатов экспертного и экстраполяционного прогнозов.

Следует отметить, что существует также ряд специфических методов прогнозирования: метод огибающих кривых (используется для прогнозирования развития техники с учетом смены поколений); «инженерное прогнозирование» (основанное на анализе патентной информации); метод прогнозного графа (прогнозирование вероятности или времени наступления событий) и др.

Многообразие методов и моделей прогнозирования обусловлено тем, что они ориентированы на определенный класс объектов и сложившиеся условия. Поэтому при выборе метода прогнозирования и построении математической модели прогноза следует учитывать природу объекта прогнозирования (научно-технический, экономический, социальный, естественный), его размерность, сложность (степень взаимосвязи между элементами), характер развития (наличие циклов, скачков и т. д.), степень детерминированности, а также имеющиеся информационные источники.