2015-04-01
5950
Прогнозирование в экономике и менеджменте является одной из основных составляющих исследовательского процесса [17]. Правильный выбор методов прогноза, оценки достоверности и интерпретации результатов прогноза требует знания основных положений методологии прогнозирования, возможностей и характерных особенностей методов и способов прогнозирования.
В современном понимании согласно Г.Тейлу[3] прогноз - «это некоторое суждение относительно неизвестных, особенно будущих событий». Сущность прогнозирования заключается обработке исследователем имеющейся в его распоряжении информации о состоянии изучаемого объекта в предшествующий и настоящий моменты и формировании с определенной степенью достоверности системы знаний о будущем состоянии или поведении объекта. Прогнозирование позволяет раскрыть устойчивые тенденции или выявить существенные изменения в социально-экономических процессах, оценить их вероятность для будущего планового периода, выявить возможные альтернативные варианты, накопить научный и эмпирический материал для обоснованного выбора той или иной концепции развития или управленческого решения.
|
|
|
В своем развитии наука о прогнозировании – прогностика, прошла несколько этапов [24,25]. Бурное развитие теории и практики прогнозирования приходится на 50-е гг.XX в. Именно в это время было разработано значительное число прогнозных моделей и выполнено множество прогностических научных исследований. Бум прогнозирования пришелся на 60-70-е гг. XX в. Этот период ознаменован разработкой теоретических положений, методов, сложных прогнозных моделей, рассчитываемых с применением средств вычислительной техники. С начала 80-х гг. прогнозирование начинает активно использоваться в практической деятельности организаций в различных отраслях народного хозяйства и становится одной из функций управления наряду с анализом, планированием, мотивацией, контролем.
Результатом прогнозирования является прогноз ─ научно-обоснованное суждение о возможных состояниях объекта в будущем, об альтернативных путях и сроках их осуществления[4].
Прогнозирование разнообразно и многогранно, вследствие чего необходимо определить критерии, позволяющие упорядочить множество прогнозов. В качестве таких критериев обычно выступают цели и задачи прогнозирования, период прогнозирования, объекты прогнозирования, характер исследуемых процессов и явлений, методы прогнозирования.
В зависимости от целей и задач прогнозов выделяют поисковый и нормативно - целевой прогнозы.
Поисковый прогноз (в литературе так же используются термины изыскательский, исследовательский, трендовый, генетический и др.) ─ это определение возможных состояний процесса или явления (объекта исследования) в будущем. При таком прогнозе имеет место условное продолжение тенденций прошлого в настоящее и будущее. Поисковое прогнозирование может быть двух видов: традиционное (экстраполятивное) и новаторское (альтернативное). Традиционное прогнозирование основывается на предположении, что развитие объекта происходит гладко и непрерывно, т.е. будут сохранены все выявленные в прошлом тенденции. Если такой прогноз не учитывает влияния различных факторов на исследуемый объект, а использует зависимость показателей только от времени, то такой прогноз получил название «наивный».
|
|
|
Новаторский подход исходит из предположения, что исследуемый процесс или явление не однородно, носит изменчивый характер вследствие влияния различных внешних возмущающих воздействий. Этот подход также называют альтернативным, поскольку он предусматривает множество вариантов развития исследуемого процесса или явления.
Нормативно-целевой прогноз ориентирован на определение путей и сроков достижения цели, в качестве которой принимается возможное состояние объекта или процесса. Если поисковый прогноз исходит из состояния объекта в прошлом и настоящем, то нормативно-целевой прогноз ведется в обратном порядке от заданного состояния в будущем, исходя из наличия материальных, финансовых и других ресурсов, необходимых для достижения поставленных целей, к существующим тенденциям. Данный вид прогнозирования применяется в тех случаях, когда информации о прошлом и настоящем объекте исследования не достаточно и не возможно определить тенденции его развития. В этом случае исследователи определяют желаемое конечное состояние объекта, ресурсы, необходимые для переводя объекта из текущего состояния в желаемое, а также действия, направленные на реализацию этого перехода.
В зависимости от периода прогнозирования выделяют оперативные, краткосрочные, долгосрочные, среднесрочные, дальнесрочные прогнозы. Отличия данных видов прогноза приведены в табл. 4.2.
Таблица 4.2 ⎼ Типология прогнозов по критерию «период упреждения»
| Тип прогноза | Период прогнозирования, год | Содержательное отличие прогноза |
| Оперативный | До 1 | Нет существенных количественных изменений |
| Краткосрочный | 1…3 | Происходят количественные изменения |
| Среднесрочный | 5…7 | Наблюдаются количественные и качественные изменения |
| Долгосрочный | 10…20 | Наблюдаются количественные и качественные изменения с доминированием качественных изменений |
| Дальнесрочный | Более 20 | Качественные изменения |
При классификации по критерию объекта прогнозирования выделяют естествоведческие, обществоведческие и научно-технические прогнозы.
К естествоведческим прогнозам относятся прогнозы явлений или процессов, на которые невозможно повлиять средствами социального управления. Примером могут служить метеорологические, гидрологические, геологические, биологические, медико-биологические, космологические, физико-химические прогнозы.
Обществоведческие прогнозы выполняются для явлений, на которые возможно влияние средств социального управления. К этой группе относятся: социально-медицинские, социально-географические, социально-экологические, социально-космические (перспектив освоения космоса), экономические, социологические, психологические прогнозы (личности, ее поведения, деятельности), демографические, образовательно-педагогические, культурно-эстетические, государственно-правовые, внутриполитические, внешнеполитические, военные и другие прогнозы.
Научно-технические прогнозы в узком смысле (технологические, инженерные) касаются перспектив состояний всех явлений техносферы (материалов, механизмов, приборов и т. п.). В широком смысле они охватывают перспективы развития научно-технического прогресса: науки (ее структуры, кадров, учреждений и т.д.) и техники (в промышленности, строительстве, сельском хозяйстве, связи и т.д.).
|
|
|
Одним из наиболее важных классификационных признаков является степень формализации, которая достаточно полно охватывает прогностические методы. На рис. 4.3 представлена классификационная схема методов прогнозирования.
Как видно из рис. 4.3, по степени формализации методы экономического прогнозирования можно разделить на экспертные и формализованные. Экспертные (интуитивные) методы прогнозирования используются в тех случаях, когда невозможно учесть влияние многих факторов из-за значительной сложности объекта прогнозирования. В этом случае используются оценки экспертов. При этом различают индивидуальные и коллективные экспертные оценки.
В состав индивидуальных экспертных оценок входят: метод «интервью», при котором осуществляется непосредственный контакт эксперта со специалистом по схеме «вопрос-ответ»; аналитический метод, при котором осуществляется логический анализ какой-либо прогнозируемой ситуации, составляются аналитические докладные записки; метод написания сценария, который основан на определении логики процесса или явления во времени при различных условиях.
Рис. 4.3. Методы прогнозирования по степени формализации
Методы коллективных экспертных оценок включают в себя метод «комиссий», «коллективной генерации идей» («мозговая атака»), метод «Дельфи», матричный метод.
Метод «Дельфи» является одним из самых распространенных методов коллективных экспертных оценок. Прогнозирование методом «Дельфи» является заочным, многоступенчатым (проводится несколько туров). На первом этапе экспертам выдаются анкеты, в которых сформулирована проблема и дан перечень, требующих четких количественных решений. Ответы эксперты направляют организаторам опросов, которые обрабатывают их и определяют средние и крайние оценки экспертов. На втором этапе эксперты обсуждают не только оставленные в анкете суждения, но возможные даты появления тех или иных событий. На третьем этапе опроса члены экспертной группы получают подготовленную руководителем статистическую сводку и описание мнений экспертов, на основе которой экспертам необходимо дать обзор всех мнений и сформировать окончательное мнение об исследуемой проблеме и возможном времени возникновения события.
|
|
|
В США в 1960-х годах методом «Дельфи» назвали экспертную процедуру прогнозирования научно-технического развития. В первом туре эксперты называли вероятные даты тех или иных будущих научно-технических свершений. Во втором туре каждый эксперт знакомился с прогнозами всех остальных (без указания фамилий авторов прогнозов). Если его прогноз сильно отличался от прогнозов основной массы, его просили пояснить свою позицию, и эксперт довольно часто изменял свои оценки, приближаясь к средним значениям. Эти средние значения и выдавались заказчику как групповое мнение. Надо сказать, что реальные результаты прогностического исследования оказались довольно скромными - хотя дата высадки американцев на Луну была предсказана с точностью до месяца, все остальные прогнозы провалились - холодного термоядерного синтеза и средства от рака в ХХ в. человечество не дождалось. Однако сама методика оказалась популярной - за последующие годы она использовалась не менее 40 тыс. раз.
Методы экспертных оценок находят применение в случаях, когда для решения проблемы имеется достаточное количество информации, однако она имеет качественный характер или для решения проблемы имеющейся информации недостаточно. Эта группа методов основана на том, что при коллективном мышлении, во-первых, выше точность результата, во-вторых, при обработке индивидуальных независимых оценок, выносимых экспертами, могут возникнуть продуктивные идеи. Однако методы экспертных оценок имеют и ряд недостатков. В первую очередь к ним относится возможность давления на группу экспертов со стороны более активного члена группы экспертов. Кроме того, при экспертной оценке необходимо получить согласованный результат без потери качества прогноза, что не всегда оказывается возможным.
В случаях, если можно произвести формализацию связей между основными показателями исследуемых процессов и явлений, используют формализованные методы прогноза. Формализованные методы прогноза базируются на статистических методах и методах моделирования объекта исследования с целью выявления устойчивых тенденций его развития.
Статистические методы прогнозирования охватывают разработку, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных. Научная база статистических методов прогнозирования — прикладная статистика и теория принятия решений.
Рассмотрим возможность применения современных аналитических инструментов для решения наиболее часто встречающихся в маркетинге задач ─ прогнозирования.
Как уже отмечалось, функции прогнозирования состоят в анализе процессов и тенденций, исследовании объективных связей социально-экономических явлений в развитии объекта прогнозирования в конкретных условиях на определенном интервале времени, оценке объекта прогнозирования, выявлении альтернатив развития, оценке последствий принимаемых решений, накоплении научного материала для принятия обоснованных решений. В маркетинге характерно построение прогнозных моделей для оценки:
- динамики рынка в целом и конкретной продуктовой группы;
- поведенческой модели участников бизнеса (конкурентов, поставщиков, дистрибютеров, клиентов);
- доли рынка и объемов продаж;
- финансовых потоков и т.д.
При огромном разнообразии методов построения прогнозов широкое практическое применение находят довольно ограниченный спектр методов прогнозирования. Высокое качество прогнозных моделей обеспечивают традиционные или классические методы прогнозирования (регрессионные методы, статистические и эконометрические методы, ARIMA, ARMA и др.), которые опираются на предположение о неизменности выявленных в прошлом тенденций развития объекта для построения прогнозов.
В последние время наблюдается повышенный интерес к методам прогнозирования, базирующихся на искусственных нейронных сетях (ИНС). Причинами популярности нейронных сетей являются их уникальные возможности, позволяющие воспроизводить чрезвычайно сложные зависимости. Получение достоверных результатов достигается путем обучения сети. Общий принцип состоит в получении результата на тестовой (обучающей) выборке, когда результат прогноза или классификации известен аналитику [7].
Рассмотрим пример исследования на статистических данных производства различных категорий мясной продукции (https://www.gks.ru). Цель анализа состояла в выборе адекватной модели для принятия управленческого решения, ориентированного на выпуск мясной продукции.
Предварительный анализ данных показал, что исследуемый ряд является интервальным, пропуски и выбросы в данных отсутствуют, сохраняется тенденция роста выпуска мяса и мясной продукции.
Моделирование выполнялась средствами аналитической платформы Deductor (компания BaseGroup, https://www.basegroup.ru/). Инструментальные средства платформы позволяют на базе единой архитектуры выполнить все этапы построения аналитической системы: от создания хранилища данных до автоматического подбора моделей и визуализации полученных результатов. Реализованные в Deductor технологии обеспечивают решение широкого спектра реальных задач, возникающих в бизнесе к числу которых можно отнести: анализ тенденций и закономерностей, планирование, ранжирование, прогнозирование, управление рисками, анализ данных маркетинговых и социологических исследований, диагностику, обнаружение объектов на основе нечетких критериев и др. В рассматриваемом примере исследовалась возможность применения двух моделей прогноза: модель на основе искусственной нейронной сети (рис.4.4) и модель линейной регрессии (рис.4.5).
Рис. 4. 4. Прогноз производства продукции на основе нейронной искусственной сети
Рис. 4.5. Диаграмма рассеяния и прогноз производства продукции на модели линейной регрессии
Сценарий, реализующий построение прогнозных моделей представлен на рис. 4.6.
Рис. 4.6. Сценарий построения прогнозных моделей
Обобщенная оценка качества модели осуществлялась на основе следующих оценок ошибки прогноза (табл.4.3):
- среднее абсолютное отклонение (mean absolute derivation, MAD), позволяющее оценить ошибку в тех же единицах, что и исходный ряд:
,
где 
─ фактическое значение исследуемой характеристики на участке ретропрогноза, 
─ расчетное значение исследуемой характеристики на участке ретропрогноза;
- средняя процентная ошибка (mean percentage error, MPR), позволяющая оценить возможное смещение прогноза:
;
- средняя абсолютная ошибка в процентах (mean absolute percentage error, MАPE):
100%.
Таблица 4.3 - Оценка качества прогнозных моделей
| Категории/ Показатели | Модель линейной регрессии | Модели ИНС | ||||
| MAD | MPE | MAPE | MAD | MPE | MAPE | |
| Мясо, включая субпpодукты, т | 17709,9967 | 6,66% | 6,66% | 7997,528 | 3,00% | 3,00% |
| Мясные полуфабpикаты, т | 7457,11 | 6,30% | 6,30% | 3099,431 | 0,78% | 2,67% |
| Колбасные изделия, т | 12873,7233 | 7,23% | 7,23% | 5333,23333 | 0,90% | 2,89% |
Оценка качества моделей позволяет сделать вывод о возможности применения нелинейной модели прогноза на основе искусственной нейронной сети. Полученные результаты подтверждают тот факт, что традиционные методы прогнозирования при сложной поведенческой модели имеют определенные ограничения к применению. Искусственные нейронные сети, являясь малочувствительными к форме данных, представляют собой более универсальный инструмент среди методов обработки данных. Однако в конструктивном плане эти методы должны дополнять друг друга для повышения качества и значимости полученных прогнозов.
Вопросы для самопроверки
1. Назовите основные различия между теоретическим и эмпирическим подходами в научном исследовании.
2. Какую роль играет метод формализации на пути развития экономической науки и науки управления?
3. В чем вы видите недостатки формализации на базе естественного языка?
4. Назовите основные типы формализации экономических знаний.
5. Согласны ли вы с утверждением «Математизация – один из способов формализации научных исследований»? Поясните ответ.
6. Что понимается под термином «математическое моделирование»?
7. Дайте краткую характеристику категориям математических моделей.
8. Что вы понимаете под термином «имитационное моделирование»?
9. Дайте определение термину «прогноз».
10. Какие виды прогнозов вам известны?
11. Какую роль, на ваш взгляд, играют предсказательные модели в экономике?
12. Какие критерии могут быть применены для классификации методов прогнозирования.
4.5. Задачи, тесты, упражнения
1. Определите, в каком количестве необходимо выпускать продукцию четырех типов Прод1, Прод2, Прод3, Прод4, для изготовления которой требуются ресурсы трех видов: трудовые, сырьевые, финансы. Норма расхода, а также прибыль, получаемая от реализации каждого вида продукции, приведены в табл. 4.4. Для решения разработайте математическую модель в соответствии с условиями задачи и выполните исследование средствами MS Excel.
Таблица 4.4 ⎼ Исходные данные
| Ресурс | Прод1 | Прод2 | Прод3 | Прод4 | Знак | Наличие |
| Прибыль | max | |||||
| Трудовые | <= | |||||
| Сырьевые | <= | |||||
| Финансовые | <= |
2. Выполните научное исследование, направленное на оптимизацию затрат на рекламу. Предприятие рекламирует свою продукцию с использованием четырех источников массовой информации- телевидение, радио, газеты, расклейка объявлений. Анализ рекламной деятельности в прошлом показал, что эти средства приводят к увеличению прибыли соответственно на 10$,5$,7$ и 4$ в расчете на 1 $, затраченный на рекламу. На рекламу выделено 50 000 $. Администрация не намерена тратить на телевидение более 40%, на радио и газеты – более 50% от общей суммы выделенных средств. Как следует предприятию организовать рекламу, чтобы получить максимальную прибыль? Разработайте модель в соответствии с условиями задачи и выполните исследование средствами MS Excel.
3. Выполните научное исследование, направленное на оптимизацию процессов производства с целью получения максимальной прибыли при условии обеспечения продукцией всех заказчиков и отсутствии затоваривания складов. Предприятие производит продукцию трех видов, поставляет их заказчикам и реализует на рынке. Заказчикам требуется 1000 изделий первого вида, 2000 изделий второго вида и 2500 изделий третьего вида. Условия спроса на рынке ограничивают число изделий первого вида 2000 единицами, второго – 3000 и третьего – 5000 единицами. Для изготовления изделий используется 4 типа ресурсов. Количество ресурсов, потребляемых для производства одного изделия, общее количество ресурсов и прибыль от реализации каждого вида изделия заданы в табл. 4.5.
Таблица 4.5 ⎼ Исходные данные
| Тип ресурса | Вид изделий | Наличие ресурсов на предприятии | ||
| Прибыль |
Для решения задачи разработайте математическую модель и выполните расчеты средствами Excel с помощью надстройки Поиск решения. Проиллюстрируйте решение, построив график оптимального выпуска продукции.
1. В условиях жесткой конкуренции фирма должна минимизировать свои расходы, значительную часть которых составляют расходы на транспорт. Требуется определить такой план перевозки, при котором суммарные транспортные перевозки будут минимальны, а все клиенты размещены в забронированных отелях. Фирма, обслуживающая туристов, прибывающих на отдых, должна разместить их в четырех отелях: «Космос», «Прага», «Атмосфера», «Центральный», в которых забронировано соответственно 5,15,15,10 мест. По железной дороге прибывает 15 туристов, очередным рейсом в аэропорт прилетают 25 туристов, на морской вокзал прибудет 5 человек. Транспортные расходы (ден.ед. на 1 чел.) при перевозке из пунктов прибытия в отели приведены в табл. 4.6.
Таблица 4.6 ⎼ Транспортные расходы при перевозке, ден.ед
| Пункт прибытия | «Космос» | «Прага» | «Атмосфера» | «Центральный» |
| Железнодорожный вокзал | ||||
| Аэропорт | ||||
| Морской вокзал |
2. Выполните прогноз численности медицинских кадров, основываясь на данных Федеральной службы государственной статистики (https://www.gks.ru/).
3. Для самостоятельных исследований воспользуйтесь данными, представленными в табл. 4.7,которая содержит данные о продажах хлебозавода по нескольким категориям продукции: массовые, мучнистые и зерновые сорта. Вам необходимо определить тренд продаж, а также выявить сезонную составляющую для каждого временного ряда.
Таблица 4.7 ⎼ Продажи по категориям продукции
| Дата | Продажи Массовые сорта (Руб.) | Продажи Мучнистые сорта (Руб.) | Продажи Зерновые сорта (Руб.) |
| 03.01.2012 | 971 183,00 | 29 939,00 | 19 275,00 |
| 04.01.2012 | 898 006,00 | 91 374,00 | 23 562,00 |
| 05.01.2012 | 1 025 789,00 | 56 389,00 | 28 807,00 |
| 06.01.2012 | 934 580,00 | 5 221,00 | 15 324,00 |
| 07.01.2012 | 822 892,00 | 250,00 | 297,00 |
| 08.01.2012 | 711 915,00 | 2 430,00 | 498,00 |
| 09.01.2012 | 1 059 796,00 | 75 606,00 | 25 401,00 |
| 10.01.2012 | 1 164 541,00 | 77 631,00 | 26 053,00 |
| 11.01.2012 | 1 090 856,00 | 160 828,00 | 29 922,00 |
| 12.01.2012 | 1 080 640,00 | 84 247,00 | 28 241,00 |
| 13.01.2012 | 1 188 274,00 | 100 880,00 | 28 091,00 |
| 14.01.2012 | 889 827,00 | 29 527,00 | 26 062,00 |
| 15.01.2012 | 751 971,00 | 7 045,00 | 15 982,00 |
| 16.01.2012 | 1 162 789,00 | 92 823,00 | 27 887,00 |
| 17.01.2012 | 1 254 249,00 | 74 834,00 | 28 869,00 |
| 18.01.2012 | 1 237 737,00 | 61 435,00 | 27 956,00 |
| 19.01.2012 | 1 086 474,00 | 84 815,00 | 25 249,00 |
| 20.01.2012 | 1 033 366,00 | 121 129,00 | 26 845,00 |
| 21.01.2012 | 933 777,00 | 9 538,00 | 24 965,00 |
| 22.01.2012 | 868 318,00 | 6 281,00 | 15 746,00 |
| 23.01.2012 | 1 157 400,00 | 96 508,00 | 29 258,00 |
| 24.01.2012 | 1 039 446,00 | 88 760,00 | 29 519,00 |
| 25.01.2012 | 1 122 428,00 | 105 468,00 | 23 916,00 |
| 26.01.2012 | 1 069 445,00 | 69 014,00 | 25 964,00 |
| 27.01.2012 | 1 094 681,00 | 44 163,00 | 29 272,00 |
| 28.01.2012 | 959 672,00 | 5 607,00 | 25 140,00 |
| 29.01.2012 | 983 346,00 | 7 621,00 | 16 375,00 |
| 30.01.2012 | 1 171 107,00 | 119 202,00 | 32 071,00 |
| 31.01.2012 | 1 052 437,00 | 90 054,00 | 28 338,00 |
| 01.02.2012 | 1 214 386,00 | 84 062,00 | 28 007,00 |
| 02.02.2012 | 1 084 383,00 | 80 872,00 | 26 998,00 |
