Методы прогнозирования в экономике кратко

Обновлено: 05.07.2024

Обычно в работах как отечественных, так и англоязычных авторы не задаются вопросом классификации методов и моделей прогнозирования, а просто их перечисляют. Но мне кажется, что на сегодняшний день данная область так разрослась и расширилась, что пусть самая общая, но классификация необходима. Ниже представлен мой собственный вариант общей классификации.

В чем разница между методом и моделью прогнозирования?

Метод прогнозирования представляет собой последовательность действий, которые нужно совершить для получения модели прогнозирования. По аналогии с кулинарией метод есть последовательность действий, согласно которой готовится блюдо — то есть сделается прогноз.

Модель прогнозирования есть функциональное представление, адекватно описывающее исследуемый процесс и являющееся основой для получения его будущих значений. В той же кулинарной аналогии модель есть список ингредиентов и их соотношение, необходимый для нашего блюда — прогноза.

Совокупность метода и модели образуют полный рецепт!

В настоящее время принято использовать английские аббревиатуры названий как моделей, так и методов. Например, существует знаменитая модель прогнозирования авторегрессия проинтегрированного скользящего среднего с учетом внешнего фактора (auto regression integrated moving average extended, ARIMAX). Эту модель и соответствующий ей метод обычно называют ARIMAX, а иногда моделью (методом) Бокса-Дженкинса по имени авторов.

Сначала классифицируем методы

Если мы вспомним нашу кулинарную аналогию, то и там можно разделить все рецепты на формализованные, то есть записанные по количеству ингредиентов и способу приготовления, и интуитивные, то есть нигде не записанные и получаемые из опыта кулинара. Когда мы не пользуемся рецептом? Когда блюдо очень просто: пожарить картошку или сварить пельмени — тут рецепт не нужен. Когда еще мы не пользуемся рецептом? Когда желаем изобрести что-то новенькое!

Интуитивные методы прогнозирования имеют дело с суждениями и оценками экспертов. На сегодняшний день они часто применяются в маркетинге, экономике, политике, так как система, поведение которой необходимо спрогнозировать, или очень сложна и не поддается математическому описанию, или очень проста и в таком описании не нуждается. Подробности о такого рода методах можно глянуть в [2].

Формализованные методы — описанные в литературе методы прогнозирования, в результате которых строят модели прогнозирования, то есть определяют такую математическую зависимость, которая позволяет вычислить будущее значение процесса, то есть сделать прогноз.

На этом общая классификация методов прогнозирования на мой взгляд может быть закончена.

Далее сделаем общую классификация моделей

Здесь необходимо переходить к классификации моделей прогнозирования. На первом этапе модели следует разделить на две группы: модели предметной области и модели временных рядов.

Модели предметной области — такие математические модели прогнозирования, для построения которых используют законы предметной области. Например, модель, на которой делают прогноз погоды, содержит уравнения динамики жидкостей и термодинамики. Прогноз развития популяции делается на модели, построенной на дифференциальном уравнении. Прогноз уровня сахара крови человека, больного диабетом, делается на основании системы дифференциальных уравнений. Словом, в таких моделях используются зависимости, свойственные конкретной предметной области. Такого рода моделям свойственен индивидуальный подход в разработке.

Модели временных рядов — математические модели прогнозирования, которые стремятся найти зависимость будущего значения от прошлого внутри самого процесса и на этой зависимости вычислить прогноз. Эти модели универсальны для различных предметных областей, то есть их общий вид не меняется в зависимости от природы временного ряда. Мы можем использовать нейронные сети для прогнозирования температуры воздуха, а после аналогичную модель на нейронных сетях применить для прогноза биржевых индексов. Это обобщенные модели, как кипяток, в которые если бросить продукт, то он сварится вне зависимости от его природы.

Классифицируем модели временных рядов

Мне кажется, что составить общую классификацию моделей предметной области не представляется возможным: сколько областей, столько и моделей! Однако модели временных рядов легко поддаются простому делению [3]. Модели временных рядов можно разделить на две группы: статистические и структурные.

регрессионные модели (линейная регрессия, нелинейная регрессия);
авторегрессионные модели (ARIMAX, GARCH, ARDLM);
модель экспоненциального сглаживания;
модель по выборке максимального подобия;
и т.д.

нейросетевые модели;
модели на базе цепей Маркова;
модели на базе классификационно-регрессионных деревьев;
и т.д.

Для обоих групп я указала основные, то есть наиболее распространенные и подробно описанные модели прогнозирования. Однако на сегодняшний день моделей прогнозирования временных рядов имеется уже громадное количество и для построения прогнозов, например, стали использовать SVM (support vector machine) модели, GA (genetic algorithm) модели и многие другие.

Общая классификация

Таким образом мы получили следующую классификацию моделей и методов прогнозирования.

Тихонов Э.Е. Прогнозирование в условиях рынка. Невинномысск, 2006. 221 с.
Armstrong J.S. Forecasting for Marketing // Quantitative Methods in Marketing. London: International Thompson Business Press, 1999. P. 92 – 119.
Jingfei Yang M. Sc. Power System Short-term Load Forecasting: Thesis for Ph.d degree. Germany, Darmstadt, Elektrotechnik und Informationstechnik der Technischen Universitat, 2006. 139 p.

UPD. 15.11.2016.
Господа, дошло до маразма! Недавно мне прислали на рецензию статью для ВАКовского издания со ссылкой на эту запись. Обращаю внимание, что ни в дипломах, ни в статьях, ни тем более в диссертациях ссылаться на блог нельзя! Если хотите ссылку, то используйте эту: Чучуева И.А. МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ ПО ВЫБОРКЕ МАКСИМАЛЬНОГО ПОДОБИЯ, диссертация… канд. тех. наук / Московский государственный технический университет им. Н.Э. Баумана. Москва, 2012.

Данная группа методов основана на использовании субъективных оценок и применяется в случае простоты объекта исследования или же в том случае, если на изменение основных параметров влияет значительное количество факторов (невозможно формализовать параметры объекта или основных факторов).

При использовании данной группы методов на начальном этапе проводится экспертиза специалистами, после чего происходит всесторонний анализ прогнозируемых экономических явлений (процессов) и формирование заключения.

В данную группу входят:

Метод построения сценариев основывается на установлении последовательности состояний объекта прогнозирования при различных прогнозах изменения фона, на котором находится объект. Различают два аспекта в характеристике сценариев как метода социально-экономического прогнозирования:

определение и оценка главных параметров развития объектов сценарного прогнозирования;
признание влияния процесса принятия управленческих решений на будущее развитие объектов сценарного прогнозирования.

Метод морфологического анализа предполагает выбор наиболее приемлемого решения проблемы из всего количества возможных.

Его целесообразно использовать при прогнозировании фундаментальных исследований. Вышеприведенный метод социально-экономического прогнозирования включает ряд приемов, предусматривающие систематизированное рассмотрение характеристик прогнозируемого объекта.

Фактографические методы прогнозирования

Фактографические методы прогнозирования предполагают использование фактических материалов, детально характеризующих изменения во времени всей совокупности или отдельных признаков (показателей) объекта прогнозирования.

Методы экстраполяции базируются на предположении, что все факторы, определявшие тенденции развития объекта в прошлом, непременно сохранятся в течение периода прогнозирования и будут изменяться в соответствии с определенной кривой. Экстраполяция используется для разработки кратко- и среднесрочных прогнозов на основе линейных, квадратичных, степенных, показательных и других функций.
Эконометрические методы описывают изменение исследуемых показателей от изменения других показателей, в том числе и от состояния самого прогнозируемого показателя в прошлом.
Корреляционный анализ изучает связи между случайными величинами, которые называются корреляционно зависимыми (связанными), в том случае если математическое ожидание одной из них изменяется в зависимости от изменения другой.
Методы математического моделирования предполагают создание условного образа объекта исследования – экономических явлений (процессов).
Барометрические методы основаны на использовании статистических индикаторов временных рядов, в конъюнктуре друг с другом или путем комбинирования указывают направление развития экономики, определенной отрасли или производства.

Смешанные методы прогнозирования

Одним из современных методов, относящимся к группе смешанных методов прогнозирования является fuzzy-технология, которую с экономической точки зрения принято рассматривать как совокупность теоретических основ, методов, алгоритмов, процедур и программных средств, основанных на использовании нечетких знаний и оценок экспертов для решения широкого круга задач.

В данной статье представлен краткий обзор методов прогнозирования. Здесь даны общие определения и дан набор общепринятых методов для построения прогнозных моделей.

Моделирование

Модель – это упрощенный образ объекта из реальной жизни, в котором отражаются его наиболее важные характеристики, с точки зрения исследования.

Что такое прогнозирование?

Прогнозирование — это предвидение (предсказание), которое предполагает состояние или описание возможных или желательных аспектов, состояний, решений, проблем будущего.

Прогноз — это результат процесса прогнозирования, выраженный в словесной, математической, графической или другой форме суждения о возможном состоянии объекта и его среды в будущий период времени.
Метод – это сложный прием, упорядоченная совокупность простых приемов, направленных на разработку прогноза в целом; путь, способ достижения цели, исходящий из знания наиболее общих закономерностей.
Методика – определенное сочетание приемов (способов) выполнения прогностических операций, получение и обработка информации о будущем на основе однородных методов разработки прогноза.
Методология прогнозирования – область знания о методах, способах, системах прогнозирования.
Система прогнозирования – это упорядоченная совокупность методик, технических средств, предназначенная для прогнозирования сложных явлений или процессов.

Формализованные методы:

Метод эстраполяции трендов;
Методы корреляционного и регрессионного анализов;
Методы математического моделирования.

Экспертные методы прогнозирования:
1. Индивидуальные методы

2. Коллективные методы

Признаки классификации прогнозов	Виды прогнозов
Временной охват (горизонт прогнозирования)	краткосрочные среднесрочные долгосрочные
Типы прогнозирования	экстраполятивное альтернативное
Степень вероятности будущих событий	вариантные инвариантные
Способ представления результатов прогноза	точечные интервальные

1. Определение тренда (тенденции роста/падения)
2. Оценка влияния стратегии компании на развитие тренда
3. Применение коэффициентов сезонности
4. Построение прогноза продаж
Экстраполяция динамических рядов предполагает, что закономерность развития, действующая в прошлом (внутри ряда динамики), сохранится и в будущем.
Тренд (тенденция) — это долговременная тенденция изменения исследуемого временного ряда.
Временной ряд – это числовые значения определенного статистического показателя в последовательные моменты или периоды времени.
Коэффициент сезонности — это величина, на которую увеличиваются / уменьшаются продажи по сравнению со средними в определенный период времени.

Регрессионный анализ — статистический метод исследования влияния одной или нескольких независимых переменных X1,X2,…,Xp на зависимую переменную Y. Уравнение линейной регрессии Yх = a+b*X, где а и b оцененные коэффициенты регрессии.
Регрессия — функция, позволяющая по средней величине одного признака определить среднюю величину другого признака, корреляционно связанного с первым.

Прогнозирование — это процесс построение предсказания будущего на основе исторических данных, текущих данных (текущей ситуации) и на основе анализа трендов. Риск и неопределенность являются центральными факторами для прогнозирования, поэтому в соответствии с лучшими практиками, необходимо указывать степень неопределенности по отношению к прогнозам.
Корректный подход к оценке метода прогнозирования включает несколько этапов. Следует выделить пять важных этапов:

тщательное изучение природы исследуемого объекта или процесса для выбора адекватного метода прогнозирования;
выделение двух групп среди доступных данных – для разработки прогнозов и для проверки полученных результатов;
уточнение исходных данных с целью обнаружения ошибок;
разработка прогнозов и оценка достоверности полученных результатов;
использование (интерпретация) полученных результатов и выполнение, при необходимости, уточнения и дополнения прогнозов.

Категории методов прогнозирования

Качественные методы в сравнении с количественными методами

Качественные методы прогнозирования — субъективны, основаны на мнении и суждении потребителей, экспертов. Качественные методы подходят тогда, когда отсутствуют исторические данные. Данные методы применяются, как правило, для среднесрочных и долгосрочных решений. Примерами качественных методов прогнозирования являются исследование рынка, метод Делфи, историческая аналогия жизненного цикла и т.д.
Количественные модели прогнозирования используются для прогнозирования будущих данных в виде функции от исторических данных. Они подходят для использования, когда исторические числовые данные доступны и когда ожидается сохранение динамики данных в будущем. Эти методы, как правило, применяются для краткосрочного и среднесрочного прогнозирования. Примерами количественных методов прогнозирования являются: скользящие средние, экспоненциальное сглаживание, мультипликативные сезонные индексы и т.д.

Метод средних

В данном подходе прогнозирования, все будущие значения принимаются равными средним значениям исторических данных. Этот подход может быть использован для любых исторических данных.
Метод усреднения позволяет разработать прогноз, основываясь на среднем значении прошлых наблюдений.

Наивный метод основан на предположении, что будущее лучше всего характеризуется последними изменениями. Метод основывается на предположении о том, что прогнозируемые показатели в будущем периоде равно показателям предшествующего периода. Наивный прогноз позволяет работать при отсутствии исторических данных. Наивный прогноз понятен, прост в подготовке, быстр в реализации, не требует, фактически, никаких затрат. Основным недостатком наивного прогнозирования является вероятная низкая точность прогноза.

Метод скользящих средних

Метод скользящих средних является одним из широко известных методов сглаживания временных рядов. Применяя этот метод, можно элиминировать случайные колебания и получить значения, соответствующие влиянию главных факторов.
Сглаживание с помощью скользящих средних основано на том, что в средних величинах взаимно погашаются случайные отклонения. Это происходит вследствие замены первоначальных уровней временного ряда средней арифметической величиной внутри выбранного интервала времени. Полученное значение относится к середине выбранного интервала времени (периода).
Затем период сдвигается на одно наблюдение, и расчет средней повторяется. При этом периоды определения средней берутся все время одинаковыми. Таким образом, в каждом рассматриваемом случае средняя центрирована, т.е. отнесена к серединной точке интервала сглаживания и представляет собой уровень для этой точки.
При сглаживании временного ряда скользящими средними в расчетах участвуют все уровни ряда. Чем шире интервал сглаживания, тем более плавным получается тренд. Сглаженный ряд короче первоначального на (n–1) наблюдений, где n – величина интервала сглаживания.

Сезонный “наивный” подход

Сезонный наивный метод прогнозирования приравнивает каждый прогнозируемый период равным соответствующему сезону в исторических данных. Например, прогнозируемые величины в апреле будут равны историческим данным за апрель предыдущего года. Данный метод применяется тогда, когда исторические данные характеризуются высоким уровнем сезонности.

Методы временных рядов

Методы временных рядов используют исторические данные в качестве основы для оценки будущих результатов.

Moving average (Скользящее среднее);
Weighted moving average (Взвешенная скользящая средняя);
Kalman filtering (фильтр Калмана);
Exponential smoothing (Экспоненциальное сглаживание);
Autoregressive moving average (ARMA) — Авторегрессия скользящего среднего;
Autoregressive integrated moving average (ARIMA) e.g. Box-Jenkins — интегрированная модель авторегрессии скользящего среднего, например, модель Бокса—Дженкинса;
Extrapolation (Экстраполяция);
Linear prediction (Линейное прогнозирование);
Trend estimation (Оценка тренда);
Growth curve (statistics) — Кривая роста (статистические данные).

Причинно-следственные методы/эконометрические методы прогнозирования

Некоторые методы прогнозирования пытаются идентифицировать основные факторы, которые могут повлиять на прогноз. Например, информация о погоде может помочь улучшить прогноз продаж зонтиков.
Причинно-следственные методы включают в себя:

Регрессионный анализ содержит в себе большую группу методов для прогнозирования будущих показателей, сюда входят параметрические методы (линейные и нелинейные) и непараметрические методы.
Autoregressive moving average with exogenous inputs (ARMAX) — Авторегрессия скользящего среднего с экзогенными входными данными.

Экзогенные переменные — переменные, задающиеся извне, значения которых задаются вне модели.
Эндогенные переменные — переменные, значение которых формируется внутри модели.

Методы экспертных оценок

Composite forecasts (составные прогнозы)
Cooke’s method (метод Кука)
Delphi method (метод Дельфи)
Forecast by analogy (Прогноз по аналогии)
Scenario building (Построение сценариев)
Statistical surveys (Статистическое обследование)
Technology forecasting (Прогнозирование технологий)

Методы искусственного интеллекта

Искусственные нейронные сети
Групповые методы обработки данных
Метод опорных векторов

В настоящее время по данной категории активно применяются следующие методы в специализированных программах:

Data mining (Интеллектуальный анализ данных)
Machine Learning (Машинное обучение)
Pattern Recognition (Распознавание образов)

Рассмотрим наиболее часто рассчитываемые ошибки для прогнозов

Методами прогнозирования называют совокупность разных способов изучения объекта прогноза с целью формирования определенного понятия. Другими словами, это исследование различной информации для предсказания будущего.

Понятие и параметры прогнозирования

Прогноз – это характеристика определенного объекта в будущем. На начальном этапе умение прогнозировать необходимо в любом деле. Для этого и существуют специальные методы.

К параметрам прогнозирования можно отнести:

Достоверность прогноза – оценка вероятности осуществления прогноза для определенного доверительного интервала
Точность прогноза – оценка доверительного интервала для заданной вероятности осуществления прогноза.
Субъекты прогнозирования – это органы государственной власти, предприятия и научные организации. То есть группа специалистов, осуществляющая анализ объекта.
Объекты прогнозирования – социально-экономические процессы, происходящие на мировом, государственном, региональном, городском уровнях, в которых осуществляется деятельность субъектов прогнозирования. То есть это процесс, о состоянии которого дается прогноз.
Методология прогнозирования – наука, изучающая методы прогнозирования.
Внешняя среда – социально-экономические отношения, в которых находится объект исследования.

Прогнозирование и планирование

Для решения множества экономических, социальных, технических, научных проблем необходимо использовать различные методы. Основными являются прогнозирование и планирование.

Планирование – процесс определения конкретных действий и ресурсов для реализации явных целей. Это информация о том, что ожидается в будущем, с высокой степенью вероятности.

Если сравнить прогноз и план, то получается следующий результат:

Прогноз	План
Вероятностная оценка будущего состояния субъекта	Установлены точные показатели для работы и результатов
Отсутствует возможность влиять на результат деятельности субъекта	Есть ограниченная возможность влиять на деятельность и результат
Отсутствует ответственность за результат деятельности субъекта	Есть ответственность за результат

Типы прогнозирования

К основным типам прогнозирования можно отнести:

Поисковый. Показывает возможное положение объекта исследования в будущем.
Нормативный. Определяет количество ресурсов, и точные показатели объекта исследования в будущем.
Интуитивный. Заключается в выводах, основанных на интуиции и логике, сделанных независимо от количества исходной информации.
Традиционный. Учитывает постепенное, последовательное развитие общества и экономики.
Новаторский. Считает развитие мало предсказуемым. Породило тенденцию вариантов прогнозирования.

Виды прогнозов

Существует несколько видов прогнозирования. Классификация зависит от определенных критериев.

По срокам

краткосрочный – до 5 лет;
среднесрочный – до 10 лет;
долгосрочный – до 25 лет.

По степени вероятности

точечный прогноз имеет один вывод;
интервальный прогноз имеет несколько выводов в пределах определенного интервала.

По количеству вариантов

вариантный прогноз – с одним вариантом развития.
инвариантный прогноз – с несколькими вариантами развития.

По влиянию объекта

Пассивный. Прогнозирование, при котором объект на внутренние и внешние факторы своей деятельности влияния не оказывает. Поэтому показатели прошло учитываются при определении будущего.
Активный. Прогноз, когда объект активно влияет на окружающие условия, меняя при этом свое будущее.

Методы прогнозирования

Методы прогнозирования – это способы исследования объектов, для которых создается прогнозирование. Различают формализованные и интуитивные методы прогнозирования.

Формализованные методы прогнозирования

Формализованные методы применяются, когда об объекте исследования имеется информация, которую можно обработать математическим способом.

Их можно разделить на экстраполяцию и моделирование. Экстраполяция – это исследование, при котором прошлые показатели объекта считаются показателями будущего. Моделирование – это научное исследование, использующее разнообразную, многофакторную информацию.

Интуитивные методы прогнозирования

Интуитивные методы прогнозирования применяются, когда точной информации не имеется, и математическая обработка невозможна.

Различают следующие интуитивные методы:

Выбор метода прогнозирования

Метод прогнозирования выбирается в зависимости от характеристик объекта исследования. Так, срочное прогнозирование требует оперативных методов, тогда как долгосрочное прогнозирование нуждается в использовании целого комплекса методов.

Критерии метода прогнозирования

Системность. Основана на связи объекта и всех элементов исследования.
Согласованность. Необходима для нормативных и поисковых прогнозов на стадии утверждения.
Вариантность. Является учетом вариантов прогноза, и прогнозного фона.
Непрерывность. Требуется для постоянного учета новых данных об объекте исследования.
Верификация. Нужна для подтверждения правильного выбора методик, которые выдают обоснованный, точный, достоверный прогноз.
Рентабельность. Показатель, при котором выгода превышает затраты на исследование объекта.

Ошибки прогнозирования

Ошибки прогнозирования выражаются в отклонении данных прогноза от фактического положения. Ошибки, чаще всего, проявляются при количественном сравнении прогноза и факта. Для сравнения составляются расчеты, таблицы, графики.

С целью уменьшения ошибок прогнозирования проводятся операции интерпретации и оценки достоверности прогноза.

Интерпретация – это разъяснение, толкование прогноза в доступной для заказчика форме, а также оценка тенденций в прогнозируемой среде.

Оценка достоверности – это проверка соответствия прогноза реальному состоянию объекта. С увеличением срока прогнозирования, достоверность прогноза снижается.

Эффективное применение прогнозирования

Положительный эффект прогнозирование дает в бизнесе, менеджменте, оценивании состояния рынка и финансов. Упор делается на вывод согласно состоянию рыночных отношений, ценовых изменений, финансовых показателей.

Также к сферам применения прогнозирования относятся:

моделирование аварийных ситуаций;
экологическое положение регионов;
экономические прогнозы страны, мира;
общественные процессы;
правовое регулирование;
развитие науки и техники;
медицина и биотехнология.

Прогнозирование в современном мире

Процессы глобализации и быстрый рост технологий породили основной признак современного мира – непредсказуемость. Степень неопределенности для завтрашнего дня непрерывно возрастает. Стали обычными кризисные явления в политике, экономике, социальной сфере. Постоянно происходят техногенные катастрофы, которые создают обширные зоны экологического бедствия. Военные конфликты и локальные войны идут постоянно.

Прогнозирование может стать реальным средством защиты, которое поможет частично избежать проблем или сократить их размеры.

Читайте также: