социально-экономическое прогнозирование

Социально-экономическое прогнозирование

Цели и задачи прогнозирования
Объективная основа прогнозирования
Субъективная сторона прогнозирования
Иерархия понятий прогнозирования
Классификация предвидений (прогнозов)
Принципы организации прогнозирования
Порядок прогнозирования
Методы прогнозирования. Сфера применения
Временные ряды как способ представления информации
Зависимость применимости метода прогнозирования от шкалы
Понятие временного ряда
Задачи анализа временного ряда
Первоначальная подготовка данных
Задача построения аналитического тренда
Определение базы построения тренда
Виды трендов и их характеристики. Использование трендов в прогнозировании
Наиболее употребимые виды трендов
Сглаживание динамического ряда
Механическое сглаживание
Метод скользящего среднего и его использование в прогнозировании.
Определение периода цикличности на основе функции автокорреляции
Сглаживание по нечётной базе
Сглаживание по четной базе
Взвешенное сглаживание
Достоинства и недостатки метода
Прогнозирование на основе сглаживания
Метод экспоненциального сглаживания и его использование в прогнозировании
Выбор параметра сглаживания
Прогнозирование на основе сглаживания
Достоинства и недостатки метода
Расчёт параметров уравнения тренда
Меры близости рядов
Метод наименьших квадратов
Общая система уравнений
Система уравнений для линейного тренда
Система уравнений для экспоненциального тренда
Расчёт параметров тренда в MS Excel
Прогнозирование на основе тренда
Тренды на основе сплайн-функций ???
Анализ цикличности (сезонности)
Задача выявления сезонных колебаний
Определение сезонной составляющей при аддитивной сезонности
Определение сезонной составляющей при мультипликативной сезонности.
Выявление сезонности с использованием тригонометрических функций
Выявление сезонности методом изменяющегося тренда???
Компьютерная реализация расчета параметров сезонности
Анализ ошибки
Задачи анализа ошибки ???
Критерии случайности
Практические способы анализа ошибки ???
Прогнозирование с учётом сезонности. Понятие экстраполяции
Оценка качества прогнозов
Прогнозирование на основе регрессионных моделей
Регрессия
Отбор факторов для регрессии
Вид функции регрессии
Расчет параметров регрессии
Прогнозирования на основе регрессионных моделей
Производственные функции
Общая характеристика производственной функции
Функция Кобба-Дугласа. Общая характеристика
Функция Кобба-Дугласа. Расчет параметров
Прочие виды производственных функций
Оценка точности прогнозов
Математическое программирование
Типовые постановки задачи линейного программирования в экономике
Устойчивость решения задачи
Сетевые методы прогнозирования. Сетевое планирование
Направления оптимизации сетевого графика
Оценка устойчивости критического пути
Сетевые методы прогнозирования. Сценарное прогнозирование
Принятие решений в условиях риска
Экспертиза
Прогнозирование на основе групповой экспертной оценки
Применение метода "Дельфи" для прогнозирования
Самореализующиеся прогнозы







Тема 2. Цели и задачи прогнозирования
*** I. Объективная основа прогнозирования
События окружающего мира повторяется. Наряду с линейным временем существует время циклическое. Для живых существ существует возможность повысить адаптивность за счет учета прошлого. Развитие живого - механизм совершенствования обратной связи (реагирующие, примитивно адаптирующиеся, целенаправленно воздействующие и т.д.). Вершиной (продуктом) этого развития является память - механизм влияния прошлого на настоящее.
*** II. Субъективная сторона прогнозирования
Человеческая память является частью мышления, т.е. используется сознанием с помощью языка, как системы символов. Содержательной единицей языка является суждение. Сознание шире объективной реальности за счет наличия ложных суждений. Т.о., все суждения - вероятностные.
*** III. Иерархия понятий прогнозирования
Предсказание - суждение о неизвестном
Предсказание не требует доказательств и обоснований (например, интуитивное предсказание), хотя и может сопровождаться какими-либо процедурами (гадание, хиромантия и т.п.). Точность предсказания зависит от личности предсказателя (например, прогноз погоды на основе обострения ревматизма). Недостатки предсказания вообще: субъективизм, отсутствие осознанной связи между известным и предсказываемым.
Предвидение (прогнозирование в широком смысле) - научно обоснованное предсказание.
Научно обоснованное – опирающееся на материальные, существенные, устойчивые, необходимые и повторяющиеся взаимосвязи.
Т.о., предвидение это субъективное суждение об объективных закономерностях. Задача максимально объективизировать суждение определяет требования к организации предвидения.
Предвидение осуществляется на основе познанной закономерности. Установление закономерности - основа предвидения.
Поэтому, в широком смысле слова, любая познавательная деятельность есть часть процесса предвидения. Познание строит модель (например, карта города), свойства которой (например, расстояние между двумя точками) позволяют предвидеть (например, время передвижения).
В узком смысле слова, под предвидением понимают перечень принятых методов и процедур, среди которых:
• математическая статистика,
• математическое программирование,
• сетевое и логическое моделирование,
• имитационное моделирование,
• экспертиза и ряд других.
Предвидение делится по субъективной уверенности автора в достоверности осуществления на гипотезы, прогнозы и планы.
Прогнозирование – вероятностное предвидение.
Прогнозирование – вероятностное, научно обоснованное с помощью принятых процедур, суждение о неизвестном.
Прогнозирование – процесс выработки прогнозов.
Прогностика – наука о прогнозировании.
*** IV. Классификация предвидений (прогнозов)
По детерминированности предвидения:
• прогноз – предвидение, осуществление которого не зависит от предсказателя
• план – предвидение, осуществление которого зависит от предсказателя
• гипотеза – предвидение ненаблюдаемых (сущностных) явлений, обнаружаемых опосредованно.
• Самоподтверждающийся прогноз – социально-экономическое явление, состоящее в наличии социального механизма, приводящего к осуществлению любого обнародованного прогноза. (Например, показ мод будущего сезона).
По цели исследования:
• поисковые – определение путей развития [из известного состояния]
• нормативные – определение путей достижения [известного состояния]
По периоду упреждения (для соц.-эк. систем):
По времени (обычно) По фундаментальности закономерности По соотношению базы и горизонта предвидения
Краткосрочные До 1 года На основе недавно возникшей закономерности Горизонт менее 1/3 базы
Среднесрочные 2-3 года На основе устоявшейся закономерности Горизонт порядка 1/3 базы
Долгосрочные Более 5 лет На основе классической закономерности Горизонт более 1/3 базы
По природе изучаемого объекта:
• социально-экономическое
• техническое
• физическое и т.д.
По формализации:
• интуитивное
• формализованное
*** V. Принципы организации прогнозирования
При организации прогнозирования с участием нескольких лиц (для организаций) необходимо для обеспечения большей объективности соблюдать следующие требования.
• непрерывность – повторение прогнозирования при получении новых данных
• многовариантность и согласованность (по всем разрезам классификаций)– проведение прогнозирования различными методами и различных видов
• поиск индикаторов(причин) – выявление в процессе прогнозирования причинно-следственных взаимосвязей изучаемого объекта.
• экономическая целесообразность – кроме содержательных ограничений, применение методов предвидения в экономике ограничено (1) временем предвидения (как правило - не более среднего времени смены тенденции. Если само прогнозирование длится дольше – прогноз теряет смысл.); (2) стоимостью предвидения (нет смысла прогнозировать, если затраты превышают возможный выигрыш от принятия более точного решения).
*** VI. Порядок прогнозирования
Прогнозирование - часть исследования, следовательно сохраняет его общий порядок проведения. (инд, дед; латер) ???
Прогнозирование можно разбить на 3 стадии: две содержательные (постановка, заключение) и одну формальную – проведение расчетов. (В зависимости от важности этих частей метод прогнозирования относят к интуитивному или формализованному. Т.к., содержательная часть присутствует даже в самом формализованном методе, не существует однозначно наилучшего прогноза.) Каждая стадия прогнозирования вводит в рассмотрение принимаемые по умолчанию гипотезы, верность которых ничем конкретно не обоснована и подлежит проверке после получения прогноза. Если прогноз неудачен (невалиден), гипотезы пересматриваются и прогнозирование повторяется.
Постановка задачи прогнозирования:
 Определение цели и объекта исследования
Объект – часть окружающего мира, на которую направлено исследование.
Гипотеза (Локализация) состоит в том, что данный объект существует. (В некоторых случаях это спорно – существует ли «экономика региона» илиэто набор несвязанных предприятий).

 Изучение объекта – определение предмета и элемента исследования
Предмет – свойство объекта, определяющее целевой признак.
Элементы – части объекта, взаимодействие которых определяет целевой признак Гипотеза (Существенность) – изучаемое свойство определяет целевой признак (Пример. Цель – анализ ДТП. Объект – Автомобили. Предмет – Цвет автомобиля. Т.е., предполагается, что ДТП зависит от цвета автомобиля)
Гипотеза (Адекватность) – на основании выделенных элементов можно объяснить свойство объекта. (Пример. Цель – анализ производительности труда. Объект – Завод. Предмет – Производственные отношения. Элементами могут быть люди, но могут быть и бригады)

 Выбор метода
Метод – Последовательность преобразования исходных данных в результат.
Гипотезы (Применимость, эффективность) – данный метод можно эффективно применить к имеющимся данным.
Сбор и подготовка данных
Гипотеза (Достоверность) – данные соответствуют действительности (в т. ч. не произошло их искажения в процессе сбора и передачи).
Проведение вычислений
Гипотеза (Корректность) – выбранный метод использован корректно.
Интерпретация и проверка валидности результата
Валидность – соответствие полученного прогноза, прогнозам, полученным альтернативным способом (в т.ч. другим данным, здравому смыслу).

ЛЕКЦИЯ 2
Тема 1. Методы прогнозирования. Сфера применения
Методы различаются объектом
Метод Объект
Математическая статистика Вариационные ряды
математическое программирование Неравенства
сетевое и логическое моделирование События
имитационное моделирование Вероятностные распределения
Экспертиза Качественные показатели

Тема 2. Временные ряды как способ представления информации
Прогнозирование средствами мат. статистики производится на основе анализа вариационных рядов и их связей.
Варьирование - изменение признака от наблюдения к наблюдению. (Например, варьирование веса или роста в к.-л. группе людей).
Вариационный ряд – количественная характеристика варьирования признака.
Прогнозирование представляет собой суждение на основе знания:
• совместного изменения двух (или более) признаков в ряде наблюдений
• известного значения одного признака (фактора) (или более) в новом наблюдении
• наиболее вероятном значении второго признака.
Фактор[ы] – признак[и] на основе которого производится предсказание значения другого признака - регрессии.
Для выработки такого суждения необходимо:
• описать закономерность связи между регрессией и факторами (в виде: математической функции; перечисления или алгоритма)
• оценить силу этой закономерности - степень зависимости между признаками (фактором и регрессией). Количественная оценка такой зависимости существенно определяется шкалой измерения признаков.
*** I. Зависимость применимости метода прогнозирования от шкалы
Количество может быть измерено в различных шкалах.
Шкала Допустимая операция Пример
Номинальная = Имена
Порядковая = <> Баллы
Разностная = <> + - Температура, Прибыль
Абсолютная = <> + - * / Вес, Выручка
Номинальная шкала
В простейшем случае, заключение о взаимосвязи признаков можно получить на основе Корреляционного поля. Из двух признаков один рассматривается как независимый (фактор) – ось абсцисс, а другой как определяемый (зависимый) – ось ординат. Деление признаков на «независимый» и «зависимый» зависит от исследователя.

Рисунок 2-1. Корреляционное поле признаков «Район» и «Орг.-правовая форма»
Из примера видно, что зависимость одного признака от второго и обратная зависимость второго от первого просматриваются различным образом. Формальная мера близости для номинальной шкалы – условная энтропия. (см. курс «ТХС») отражает это: .
Прогнозом является суждение о том, что если у нового объекта известно значение одного признака (фактора), то значение другого признака он принимает с определённой вероятностью. Например, если фирма Приморского района (3), то это скорее всего ООО (1) и вряд ли АООТ(5). Если же фирма – ИЧП, то, почти наверняка из Приморского р-на.
Ранговая шкала
???
*** II. Понятие временного ряда
Временной (динамический) ряд – изменение признака со временем. Или: это вариационный ряд, где наблюдения – моменты времени.
При прогнозировании динамического ряда изучается зависимость признака от номера наблюдения – момента времени.
Предполагается, что эта зависимость может быть разбита на три составляющие: тренд, цикличность и ошибку. Другими словами, выдвигается гипотеза о том, что исходный динамический ряд Yt можно разложить на сумму трёх компонент – тренда , цикличности (от ни одной до нескольких) и ошибки . Данные компоненты непосредственно не наблюдаемы – т.е. гипотетичны.
Тренд – [гипотетическая] детерминированная составляющая динамического ряда, описываемая математической функцией, как правило – монотонной.
Цикличность – детерминированная циклическая составляющая динамического ряда.
Иногда, вышеназванные понятия, соединяют в понятие тренда в широком смысле слова, как детерминированной составляющей.
Ошибка – случайная (недетерминированная) составляющая.
Под случайной здесь понимается – математически неописанная исследователем.
*** III. Задачи анализа временного ряда
Задачи - выявление и анализ его компонент, прежде всего - тренда.
Этапы анализа тренда:
1. Первоначальная подготовка данных (сопоставимость, разрывы, выбросы)
2. Анализ временного ряда
• Выбор базы построения тренда
• Выбор типа тренда (графический, выравнивание, тестирование, смысловой)
• Расчёт параметров уравнения тренда
• Анализ сезонности
• Анализ ошибки
3. Заключение о необходимости рассмотрения других вариантов компонент.
*** IV. Первоначальная подготовка данных
Собранные в динамический ряд данные должны быть сопоставимы:
• по физической единице измерения (метры, тонны; тонны, кг)
• по стоимостной оценке (учет инфляции)
• по интервалу времени (стандартный месяц)
Из динамического ряда желательно устранить разрывы и выбросы.
Разрыв – отсутствие данных за ч