Прогноз

(Forecast)

Определение прогноза, задачи и принципы прогнозирования

Определение прогноза, задачи и принципы прогнозирования, методы прогнозирования

Содержание

Содержание

Определение

Основные понятия прогностики

Задачи и принципы прогнозирования

Классификация методов прогнозирования

Экстраполяционные методы прогнозирования

Статистические методы прогнозирования

Экспертные методы

- Область применения экспертных методов

- Метод эвристического прогнозирования (МЭП)

- Метод Дельфи

Классификации экономических прогнозов

Приложения (компьютерные) для прогнозирования

Инструменты прогнозирования

- Рынок инструментов прогнозирования в Российской Федерации

Прогноз это (от греч. πρόγνωσις — предсказание, предвидение) — предвидение будущего с помощью научных методов или сам результат предсказания.

Прогноз - это научная модель будущего события, явлений и т.п.).

Прогнозирование, разработка прогноза; в узком значении — специальное научное исследование конкретных перспектив развития какого-либо процесса.

Прогнозы делятся:

- по срокам: краткосрочные, среднесрочные, долгосрочные.

- по масштабу: личные, на уровне предприятия (компании), местные, региональные, отраслевые, страновые, мировые (глобальные).

К основным методам прогнозирования относятся:

- Статистические методы;

- экспертные оценки (метод Дельфи);

- моделирование.

Основные понятия прогностики

Прогностика — научная дисциплина, изучающая общие принципы и методы прогнозирования развития объектов любой природы, закономерности процесса разработки прогнозов. Как наука прогностика сформировалась в 70 — 80 годы ХХ столетия. Кроме понятия «прогностика», в литературе используют термин футурология. Как любая наука прогностика имеет набор своих терминов, употребляемых для обозначения определенных понятий. Определения понятий прогностики были зафиксированы в 1978 году.

Прогноз — обоснованное суждение о возможном состоянии объекта в будущем или альтернативных путях и сроках достижения этих состояний. Прогнозирование — процесс разработки прогноза. Этап прогнозирования — часть процесса разработки прогнозов, характеризующаяся своими задачами, методами и результатами. Деление на этапы связано со спецификой построения систематизированного описания объекта прогнозирования, сбора данных, с построением модели, верификацией прогноза.

Прием прогнозирования — одна или несколько математических или логических операций, направленных на получение конкретного результата в процессе разработки прогноза. В качестве приема могут выступать сглаживание динамического ряда, определение компетентности эксперта, вычисление средневзвешенного значения оценок экспертов и т. д.

Модель прогнозирования — модель объекта прогнозирования, исследование которой позволяет получить информацию о возможных состояниях объекта прогнозирования в будущем и (или) путях и сроках их осуществления.

Метод прогнозирования — способ исследования объекта прогнозирования, направленный на разработку прогноза. Методы прогнозирования являются основанием для методик прогнозирования.

Методика прогнозирования — совокупность специальных правил и приемов (одного или нескольких методов) разработки прогнозов.

Прогнозирующая система — система методов и средств их реализации, функционирующая в соответствии с основными принципами прогнозирования. Средствами реализации являются экспертная группа, совокупность программ и т. д. Прогнозирующие системы могут быть автоматизированными и неавтоматизированными.

Прогнозный вариант — один из прогнозов, составляющих группу возможных прогнозов.

Объект прогнозирования — процесс, система, или явление, о состоянии которого даётся прогноз.

Характеристика объекта прогнозирования — качественное или количественное отражение какого-либо свойства объекта прогнозирования.

Переменная объекта прогнозирования — количественная характеристика объекта прогнозирования, которая является или принимается за изменяемую в течение периода основания и (или) периода упреждения прогноза.

Сложность объекта прогнозирования — характеристика объекта прогнозирования, определяющая разнообразие его элементов, свойств и отношений.

Период основания прогноза — промежуток времени, за который используют информацию для разработки прогноза. Этот промежуток времени называют также периодом предыстории.

Период упреждения прогноза — промежуток времени, на который разрабатывается прогноз.

Прогнозный горизонт — максимально возможный период упреждения прогноза заданной точности.

Точность прогноза — оценка доверительного интервала прогноза для заданной вероятности его осуществления.

Достоверность прогноза — оценка вероятности осуществления прогноза для заданного доверительного интервала.

Ошибка прогноза — апостериорная величина отклонения прогноза от действительного состояния объекта.

Источник ошибки прогноза — фактор, способный привести к появлению ошибки прогноза. Различают источники регулярных и нерегулярных ошибок.

Верификация прогноза — оценка достоверности и точности или обоснованности прогноза.

Эксперт — квалифицированный специалист по конкретной проблеме, привлекаемый для вынесения оценки по поставленной задаче прогноза.

При разработке социальных прогнозов в ряде случаев производится выявление мнения представителей различных групп населения, условно приравниваемых к экспертам.

Компетентность эксперта — способность эксперта выносить на базе профессиональных знаний, интуиции и опыта достоверные суждения об объекте прогнозирования. Количественная мера компетентности эксперта называется коэффициентом компетентности.

Экспертная группа — коллектив экспертов, сформированный по определенным правилам для решения поставленной задачи прогноза. Частным случаем экспертной группы выступает экспертная комиссия.

Компетентность группы экспертов — способность экспертной группы выносить суждения об объекте прогнозирования, адекватные мнению генеральной совокупности экспертов. Компетентность экспертной группы определяется различными методиками.

Экспертная оценка — суждение эксперта или экспертной группы относительно поставленной задачи прогноза. В первом случае используется термин «индивидуальная экспертная оценка», во втором — «коллективная экспертная оценка».

Задачи и принципы прогнозирования

Прогноз – конкретное предвидение, суждение о состоянии какого-либо явления в будущем на основе специально научного исследования. Классификация прогнозов осуществляется, как правило, по двум признакам- временному и функциональному. По временному признаку различают прогнозы: кратко-, средне-, долгосрочные и сверхдолгосрочные. Функциональная классификация прогнозов предполагает их деление на исследовательские, программные и ресурсные.

Прогнозирование – процесс разработки прогнозов. В зависимости от вида прогноза различают нормативное, поисковое, оперативное.

Прогнозная модель – модель объекта прогнозирования, исследование которой позволяет получить информацию о возможных состояниях объектах в будущем и (или) путях и сроках их осуществления

Чтобы получить информацию о будущем, нужно изучить законы развития народного хозяйства, определить причины, движущие силы его развития - это основная задача планирования и прогно­зирования. В качестве основных движущих сил развития производства выступают социальные потребности, технические возможности и экономическая целесообразность. В соответствии с этим можно указать на три основные задачи планирования и прогнозирования: установление целей развития хозяйства; изыскание оптимальных путей и средств их достижения; определение ресурсов, необходимых для достижения поставленных целей.

Выбор целей является результатом анализа социально-политических задач, которые необходимо решить в обществе и которые отображают объективный характер действия экономических законов.

Выбору целей предшествует разработка альтернатив целей, построение иерархической системы или «дерева целей», ранжирование целей, выбор ведущих звеньев. Исходными предпосылками выбора целей являются, с одной стороны, реальная возможность решения данной альтернативы, а с другой - ее оптимальность по критерию эффективности.

Пути и средства достижения целей определяются на основе анализа развития народного хозяйства и научно-технического прогресса. При этом в. Процессе прогнозирования происходит ограничение области альтернативных вариантов путей и средств достижения поставленных целей, т. е. определяется область оптимальных решений. В процессе разработки плана (принятия решения) определяется единственное решение, оптимальное по принятому вектору критериев.

В зависимости от того, какая задача решается в первую очередь, различают два вида прогнозирования: исследовательское (или поисковое) и нормативное. Формирование прогноза объективно существующих тенденций развития на основе анализа исторических тенденций называется исследовательским или поисковым прогнозированием. Этот вид прогнозирования основан на использовании принципа инерционности развития, при котором ориентация прогноза во времени происходит по схеме «от настоящего — к будущему». Исследовательский прогноз — это картина состояния объекта прогноза в определенный момент будущего, полученная в результате рассмотрения процесса развития как движения по инерции от настоящего времени до горизонта прогноза. Прогнозирование тенденций развития объекта прогноза, которые должны обеспечивать достижение в установленный момент будущего определенных социально-политических, экономических и оборонных целей, называется нормативным. В этом случае ориентация прогноза во времени происходит по схеме «от будущего — к настоящему».

Рассогласование нормативных и исследовательских оценок объекта прогноза в каждый момент времени будущего является следствием противоречия «потребности—возможности». Комплексный прогноз строится на основе композиции исследовательского и нормативного прогнозов.

Выбор целей и средств для их достижения непременно должен сочетаться с определением потребности в ресурсах. При определении этой потребности следует рассматривать плановые и прогнозные матрицы ресурсов (финансовых, трудовых, материальных и энергетических), а также матрицы производственных мощностей и ресурсов времени. Оценке подлежат как потребные ресурсы, так и вероятные ограничения на их величину в диапазоне времени упреждения плана или прогноза. Матрицы ресурсов прогноза являются важнейшими исходными данными при составлении балансов народного хозяйства при перспективном планировании.

Несмотря на общность задач, их постановка при прогнозировании и планировании различна. При планировании действует следующая схема: «цель - директивная, пути и средства ее достижения - детерминированные, ресурсы—ограниченные». При прогнозировании схема иная: «цели—теоретически достижимые, пути и средства их достижения - возможные, ресурсы - вероятные». Задачи прогнозирования отличаются широтой охвата. Задачи прогнозирования надо оценивать как глобальные. К ним можно отнести: анализ ситуации, определение уровней достоверности информации, определение степени вероятности, выработка текущих, средне- и долгосрочных прогнозов. Принципы прогнозирования: сочетание социально-политических и хозяйственных целей; демократический централизм; системность; непрерывность и обратная связь; пропорциональность и оптимальность; реальность и объективность; выделение ведущего звена и т. д.

Прогнозирование должно носить системный характер. Необходимость системного подхода в прогнозировании вытекает из особенностей развития науки и техники, народного хозяйства в период научно-технической революции. Научно-техническая революция привела к принципиальному изменению свойств, характеристик и структуры современной техники и народного хозяйства. Рост количества элементов, объектов различной природы, усложнение связей между ними и поведения объекта во внешней среде привели к созданию больших технических и производственных (организационно-экономических) систем.

Современные машины обладают высокой конструктивно-функциональной сложностью, представляют собой технические комплексы, включающие огромное количество деталей, узлов, агрегатов и готовых изделий, объединенных конечной функциональной целостностью. Конструктивно-функциональная сложность обусловливает высокую материалоемкость, трудоемкость, энергоемкость и стоимость технических комплексов. Развитие техники привело к созданию сложных иерархических структурных построений - больших технических систем. Это свойство технических комплексов потребовало системного подхода к ее созданию, системного проектирования. В разрабатываемых технических комплексах конструкции отдельных входящих элементов должны быть подчинены общей цели, ради которой создается система, т. е. должна быть обеспечена единая стратегия поведения технической системы.

Создание больших технических систем вызвало в свою очередь появление больших организационно-экономических (производственных) систем, охватывающих множество предприятий, объединенных денежной эмиссией определенного технического комплекса. Возникает иерархия в структуре управления производственными предприятиями. Неуклонно нарастающие темпы развития науки и техники, создание современных организационно-экономических систем привели к лавинообразному росту информации и увеличению степени нерегулярности ее поступления. Все это потребовало совершенствования методов планирования, создания системы планирования.

Важнейшими требованиями системного подхода являются комплексность прогнозов и планов и непрерывный характер процесса планирования.

Комплексный подход предусматривает составление прогнозов и планов во взаимосвязи как в пространстве (в отраслевом и тер­риториальном разрезе), так и во времени. Взаимосвязь в пространстве означает установление рациональных отношений между отраслями народного хозяйства, экономическими районами, установление оптимальных соотношений между темпами развития науки, техники и индекса пром производства, сбалансированность потребностей и ресурсов на всех уровнях иерархии.

Взаимосвязь прогнозов и планов во времени обеспечивается реализацией принципа непрерывности планирования. Корректировка планов и прогнозов должна носить дискретный характер с заранее установленными сроками (режим функционирования). Относительно частое изменение планов, обусловливающее изменение производственных программ, может привести к дезорганизации работы отраслей и предприятий в силу сложности структуры производственных связей в народном хозяйстве, большой трудоемкости и материалоемкости процессов подготовки индекса промышленного производства.

Чувствительность прогноза и планов к изменениям зависит от уровня иерархии, сроков упреждения и периодичности корректировок. Чем ниже уровень, тем чувствительность выше, тем должны быть короче периоды корректировки.

Важнейшим моментом внедрения и использования непрерывных систем планирования является определение качестваработы таких систем и на основе этого нахождение оптимального режима функционирования.

Непрерывность планирования обеспечивается путем реализации принципа обратной связи. Корректировка планов и прогнозов проводится на основании информации обратной связи, содержащей данные о результатах реализации планов, и прогнозов, уточнения потребностей, об изменении тенденции развития объекта и внешней среды (социально-политического, научно-технического и экономического фона).

Различная степень неопределенности вырабатываемой информации о будущем влияет на характер применяемых методов, способов и приемов прогнозирования и планирования. Если при разработке планов предпочтение отдается детерминированным методам, то при прогнозировании - стохастическим. При составлении планов преимущественное применение имеют регулярные методы, при прогнозировании — эвристические.

Специфика стадий и этапов планирования влияет также на количество и уровень агрегирования плановых и прогнозных показателей, степень их детерминированности, соотношения директивных и расчетных показателей.

Классификация методов прогнозирования

В настоящее время наряду со значительным числом опубликованных методов прогнозирования известны многочисленные способы их классификации. Тем не менее считать этот вопрос удовлетворительно решенным нельзя, так как единой, полезной и полной классификации сейчас еще не создано. Вероятно, прогностика, как молодая наука, еще не достигла такого уровня развития, когда возможно создание классификации, удовлетворяющей всем этим требованиям. Итак, каковы же цели классификации методов прогностики? Можно указать две такие основные цели. Это, во-первых, обеспечение процесса изучения и анализа методов и, во-вторых, обслуживание процесса выбора метода при разработке прогнозов объекта. На современном этапе трудно предложить единую классификацию, в равной степени удовлетворяющую обеим из указанных целей.

Существуют два основных типа классификации: последовательная и параллельная. Последовательная классификация предполагает вычленение частных объемов из более общих. Это процесс, тождественный делению родового понятия на видовые. При этом должны соблюдаться следующие основные правила: 1) основание деления (признак) должно оставаться одним и тем же при образовании любого видового понятия; 2) объемы видовых понятий должны исключать друг друга (требование отсутствия пересечения классов); 3) объемы видовых понятий должны исчерпывать объем родового понятия (требование полного охвата всех объектов классификации).

Параллельная классификация предполагает сложное информационное основание, состоящее не из одного, а из целого ряда признаков. Основной принцип такой классификации—независимость выбранных признаков, каждый из которых существен, все вместе одновременно присущи предмету и только их совокупность дает исчерпывающее представление о каждом классе.

Последовательная классификация имеет наглядную интерпретацию в виде некоторого генеалогического дерева, охватывает всю рассматриваемую область в целом и определяет место и взаимосвязи каждого класса в общей системе. Поэтому она является более приемлемой для целей изучения, позволяет методически более стройно представлять классифицируемую область знаний.

Каждый уровень классификации характеризуется своим классификационным признаком. Элементы каждого уровня представляют собой наименования принадлежащих им подмножеств элементов ближайшего нижнего уровня, причем подмножеств непересекающихся.

Элементы нижнего уровня представляют собой наименование узких групп конкретных методов прогнозирования (иногда из одного элемента), которые являются модификациями или разновидностями какого-либо одного, наиболее общего из них.

В целом классификация является открытой, так как представляет возможность увеличивать число элементов на уровнях и наращивать число уровней за счет дальнейшего дробления и уточнения элементов последнего уровня.

На первом уровне все методы делятся на три класса по признаку «информационное основание метода». Фактографические методы базируются на фактически имеющемся информационном материале об объекте прогнозирования и его прошлом развитии. Экспертные методы базируются на информации, которую поставляют специалисты-эксперты в процессе систематизированных процедур выявления и обобщения этого мнения. Комбинированные методы выделены в отдельный класс, чтобы можно было относить к нему методы со смешанной информационной основой, в которых в качестве первичной информации используются фактографическая и экспертная. Например, при проведении экспертного опроса участникам представляют цифровую информацию об объекте или фактографические прогнозы, либо, наоборот, при экстраполяции тенденции наряду с фактическими данными используют экспертные оценки.

Не следует относить к комбинированным методам те методы прогнозирования, которые к экспертной исходной информации применяют математические методы обработки или исходную фактографическую информацию оценивают экспертным путем. В большинстве случаев они достаточно хорошо укладываются в первый или второй из перечисленных выше классов.

Эти классы разделяются далее на подклассы по принципам обработки информации. Статистические методы объединяют совокупность методов обработки количественной информации об объекте прогнозирования по принципу выявления содержащихся в ней математических закономерностей развития и математических взаимосвязей характеристик с целью получения прогнозных моделей. Методы аналогий направлены на то, чтобы выявлять сходство в закономерностях развития различных процессов и на этом основании производить прогнозы. Опережающие методы прогнозирования строятся на определенных принципах специальной обработки научно-технической информации, реализующих в прогнозе ее свойство опережать развитие научно-технического прогресса.

Экспертные методы разделяются на два подкласса. Прямые экспертные оценки строятся по принципу получения и обработки независимого обобщенного мнения коллектива экспертов (или одного из них) при отсутствии воздействий на мнение каждого эксперта мнения другого эксперта и мнения коллектива. Экспертные оценки с обратной связью в том или ином виде воплощают принцип обратной связи путем воздействия на оценку экспертной группы (одного эксперта) мнением, полученным ранее от этой группы или от одного из ее экспертов.

Третий уровень классификации разделяет методы прогнозирования на виды по классификационному признаку «аппарат методов». Каждый вид объединяет в своем составе методы, имеющие в качестве основы одинаковый аппарат их реализации. Так, статистические методы по видам делятся на методы экстраполяции и интерполяции; методы, использующие аппарат регрессионного и корреляционного анализа; методы, использующие факторный анализ.

Класс методов аналогий подразделяется на методы математических и исторических аналогий. Первые в качестве аналога для объекта прогнозирования используют объекты другой физической природы, другой области науки, отрасли техники, однако имеющие математическое описание процесса развития, совпадающее с объектом прогнозирования. Вторые в качестве аналога используют процессы одинаковой физической природы, опережающие во времени развитие объекта прогнозирования.

Опережающие методы прогнозирования можно разделить на методы исследования динамики научно-технической информации; методы исследования и оценки уровня техники. В первом случае в основном используется построение количественно-качественных динамических рядов на базе различных видов НТИ и анализа и прогнозирования на их основе соответствующего объекта. Второй вид методов использует специальный аппарат анализа количественной и качественной информации, содержащейся в НТИ, для определения характеристик уровня, качества существующей и проектируемой техники.

Прямые экспертные оценки по признаку аппарата реализации делятся на виды экспертного опроса и экспертного анализа. В первом случае используются специальные процедуры формирования вопросов, фирмы получения на них ответов, обработки полученных ответов и формирования окончательного результата. Во втором — основным аппаратом исследования является целенаправленный анализ объекта прогнозирования со стороны эксперта или коллектива экспертов, которые сами ставят и решают вопросы, ведущие к поставленной цели.

Экспертные оценки с обратной связью в своём аппарате имеют три вида методов: экспертный опрос; генерацию идей; игровое моделирование. Первый вид характеризуется процедурами регламентированного неконтактного опроса экспертов перемежающимися обратными связями в рассмотренном выше смысле. Второй — построен на процедурах непосредственного общения экспертов в процессе обмена мнениями по поставленной проблеме. Он характеризуется отсутствием вопросов и ответов и направлен на взаимное стимулирование творческой деятельности экспертов. Третий вид использует аппарат теории игр и ее прикладных разделов. Как правило, реализуется на сочетании динамического взаимодействия коллективов экспертов и вычислительной машины, имитирующих объект прогнозирования в возможных будущих ситуациях.

Наконец, последний, четвертый, уровень классификации подразделяет виды методов третьего уровня на отдельные методы и группы методов по некоторым локальным для каждого вида совокупностям классификационных признаков, из которых указать один общий для всего уровня в целом невозможно.

Экстраполяционные методы прогнозирования

Методы экстраполяции тенденций являются, пожалуй, самыми распространенными и наиболее разработанными среди всей совокупности методов прогнозирования. Использование экстраполяции в прогнозировании имеет в своей основе.предположение о том, что рассматриваемый процесс изменения переменной представляет собой сочетание двух составляющих—регулярной и случайной.

Считается, что регулярная составляющая f(a, х) представляет собой гладкую функцию от аргумента (в большинстве случаев— времени), описываемую конечномерным вектором параметров а, которые сохраняют свои значения на периоде упреждения прогноза. Эта составляющая называется также трендом, уровнем, детерминированной основой процесса, тенденцией. Под всеми этими терминами лежит интуитивное представление о какой-то очищенной от помех сущности анализируемого процесса. Интуитивное, потому что для большинства экономических, технических, природных процессов нельзя однозначно отделить тренд от случайной составляющей. Все зависит от того, какую цель преследует это разделение и с какой точностью его осуществлять.

Случайная составляющая n(х) обычно считается некоррелированным случайным процессом с нулевым мат ожиданием. Ее оценки необходимы для дальнейшего определения точностных характеристик прогноза.

Экстраполяционные методы прогнозирования основной упор делают на выделение наилучшего в некотором смысле описания тренда и на определение прогнозных значений путем его экстраполяции. Методы экстраполяции во многом пересекаются с методами прогнозирования по регрессионным моделям. Иногда их различия сводятся лишь к различиям в терминологии, обозначениях или написании формул. Тем не менее сама по себе прогнозная экстраполяция имеет ряд специфических черт и приемов, позволяющих причислять ее к некоторому самостоятельному виду методов прогнозирования.

Специфическими чертами прогнозной экстраполяции можно назвать методы предварительной обработки числового ряда с целью преобразования его к виду, удобному для прогнозирования, а также анализ логики и физики прогнозируемого процесса, оказывающий существенное влияние как па выбор вида экстраполирующей функции, так и на определение границ изменения ее параметров.

Предварителфизикибработка исходного числового ряда направлена на решение следующих задач (всех или части из них): снизить влияние случайной составляющей в исходном числовом ряду, т. е. приблизить его к тренду; представить информацию, содержащуюся в числовом ряду, в таком виде, чтобы существенно снизить трудность математического описания тренда. Основными методами решения этих задач являются процедуры сглаживания и выравнивания статистического ряда.

Процедура сглаживания направлена на минимизацию случайных отклонений точек ряда от некоторой гладкой кривой предполагаемого тренда процесса. Наиболее распространен способ осреднения уровня по некоторой совокупности окружающих точек, причем эта операция перемещается вдоль ряда точек, в связи с чем обычно называется скользящая средняя. В самом простом варианте сглаживающая функция линейна и сглаживающая группа состоит из предыдущей и последующей точек, в более сложных — функция нелинейна и использует группу произвольного числа точек.

Сглаживание производится с помощью многочленов, приближающих по методу наименьших квадратов группы опытных точек. Наилучшее сглаживание получается для средних точек группы, поэтому желательно выбирать нечетное количество точек в сглаживаемой группе.

Сглаживание даже в простом линейном варианте является во многих случаях весьма эффективным средством выявления тренда при наложении на эмпирический числовой ряд случайных помех и ошибок измерения. Для рядов со значительной амплитудой помехи имеется возможность проводить многократное сглаживание исходного числового ряда. Число последовательных циклов сглаживания должно выбираться в зависимости от вида исходного ряда, от степени предполагаемой его зашумленности помехой, от цели, которую преследует сглаживание. Надо иметь при этом в виду, что эффективность этой процедуры быстро уменьшается (в большинстве случаев), так что целесообразно повторять ее от одного до трех раз.

Линейное сглаживание является достаточно грубой процедурой, выявляющей общий приблизительный вид тренда. Для более точного определения формы сглаженной кривой может применяться операция нелинейного сглаживания или взвешенные скользящие средние. В этом случае ординатам точек, входящих в скользящую группу, приписываются различные веса в зависимости от их расстояния от середины интервала сглаживания.

Если сглаживание направлено на первичную обработку числового ряда для исключения случайных колебаний и выявления тренда, то выравнивание служит целям более удобного представления исходного ряда, оставляя прежними его значения.

Наиболее общими приемами выравнивания являются логарифмирование и замена переменных.

В случае если эмпирическая формула предполагается содержащей три параметра либо известно, что функция трехпараметрическая, иногда удается путем некоторых преобразований исключить один из параметров, а оставшиеся два привести к одной из формул выравнивания.

Можно рассматривать выравнивание не только как метод представления исходных данных, но и как метод непосредственного приближенного определения параметров функции, аппроксимирующей исходный числовой ряд. Зачастую именно так и используется этот метод в некоторых экстраполяционных прогнозах. Отметим, что возможность непосредственного его использования для определения параметров аппроксимирующей функции определяется главным образом видом исходного числового ряда и степенью наших знаний, нашей уверенности относительно вида функции, описывающей исследуемый процесс.

В том случае, если вид функции нам неизвестен, выравнивание следует рассматривать как предварительную процедуру, в процессе которой путем применения различных формул и приемов выясняется наиболее подходящий вид функции, описывающей эмпирический ряд.

Одной из разновидностей метода выравнивания является исследование эмпирического ряда с целью выяснения некоторых свойств функции, описывающей его. При этом не обязательно преобразования приводят к линейным формам. Однако результаты их подготавливают и облегчают процесс выбора аппроксимирующей функции в задачах прогностической экстраполяции. В простейшем случае предлагается использовать следующие три типа дифференциальных функций роста:

1) Первая производная, или абсолютная дифференциальная функция роста.

2) Относительный дифференциальный коэффициент, или логарифмическая производная,

3) Эластичность функции.

Статистические методы прогнозирования

Статистические методы прогнозирования — научная и учебная дисциплина, к основным задачам которой относятся разработка, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных; развитие теории и практики вероятностно-статистического моделирования экспертных методов прогнозирования; методов прогнозирования в условиях риска и комбинированных методов прогнозирования с использованием совместно экономико-математических и эконометрических (как математико-статистических, так и экспертных) моделей. Научной базой статистических методов прогнозирования является прикладная statistics и теория принятия решений.

Простейшие методы восстановления используемых для прогнозирования зависимостей исходят из заданного временного ряда, т. е. функции, определённой в конечном числе точек на оси времени. Временной ряд при этом часто рассматривается в рамках той или иной вероятностной модели, вводятся другие факторы (независимые переменные), помимо времени, например, объем агрегата денежной массы. Временной ряд может быть многомерным. Основные решаемые задачи — интерполяция и экстраполяция. Метод наименьших квадратов в простейшем случае (линейная функция от одного фактора) был разработан К. Гауссом в 1794—1795 гг. Могут оказаться полезными предварительные преобразования переменных, например, логарифмирование. Наиболее часто используется метод наименьших квадратов при нескольких факторах. Метод наименьших модулей, сплайны и другие методы экстраполяции применяются реже, хотя их статистические свойства зачастую лучше.

Оценивание точности прогноза (в частности, с помощью доверительных интервалов) — необходимая часть процедуры прогнозирования. Обычно используют вероятностно-статистические модели восстановления зависимости, например, строят наилучший прогноз по методу максимального правдоподобия. Разработаны параметрические (обычно на основе модели нормальных ошибок) и непараметрические оценки точности прогноза и доверительные границы для него (на основе Центральной Предельной Теоремы теории вероятностей). Применяются также эвристические приемы, не основанные на вероятностно-статистической теории: метод скользящих средних, метод экспоненциального сглаживания.

Многомерная регрессия, в том числе с использованием непараметрических оценок плотности распределения — основной на настоящий момент статистический аппарат прогнозирования. Нереалистическое предположение о нормальности погрешностей измерений и отклонений от линии (поверхности) регрессии использовать не обязательно; однако для отказа от предположения нормальности необходимо опереться на иной математический аппарат, основанный на многомерной Центральной Предельной Теореме теории вероятностей, технологии линеаризации и наследования сходимости [4]. Он позволяет проводить точечное и интервальное оценивание параметров, проверять значимость их отличия от 0 в непараметрической постановке, строить доверительные границы для прогноза.

Весьма важна проблема проверки адекватности модели, а также проблема отбора факторов. Априорный список факторов, оказывающих влияние на отклик, обычно весьма обширен, желательно его сократить, и крупное направление современных исследований посвящено методам отбора «информативного множества признаков». Однако эта проблема пока еще окончательно не решена. Проявляются необычные эффекты. Так, установлено, что обычно используемые оценки степени полинома имеют в асимптотике геометрическое распределение. Перспективны непараметрические методы оценивания плотности вероятности и их применения для восстановления регрессионной зависимости произвольного вида. Наиболее общие результаты в этой области получены с помощью подходов статистики нечисловых данных.

К современным статистическим методам прогнозирования относятся также модели авторегрессии, модель Бокса-Дженкинса, системы эконометрических уравнений, основанные как на параметрических, так и на непараметрических подходах.

Для установления возможности применения асимптотических результатов при конечных (т. н. «малых») объемах выборок полезны компьютерные статистические технологии. Они позволяют также строить различные имитационные модели. Отметим полезность методов размножения данных (бутстреп-методов). Системы прогнозирования с интенсивным использованием компьютеров объединяют различные методы прогнозирования в рамках единого автоматизированного рабочего места прогнозиста.

Прогнозирование на основе данных, имеющих нечисловую природу, в частности, прогнозирование качественных признаков основано на результатах статистики нечисловых данных. Весьма перспективными для прогнозирования представляются регрессионный анализ на основе интервальных данных, включающий, в частности, определение и расчет нотны и рационального объема выборки, а также регрессионный анализ нечетких данных, разработанный в. Общая постановка регрессионного анализа в рамках статистики нечисловых данных и ее частные случаи — дисперсионный анализ и дискриминантный анализ (распознавание образов с учителем), давая единый подход к формально различным методам, полезна при программной реализации современных статистических методов прогнозирования.

Основными процедурами обработки прогностических экспертных оценок являются проверка согласованности, кластер-анализ и нахождение группового мнения. Проверка согласованности мнений экспертов, выраженных ранжировками, проводится с помощью коэффициентов ранговой корреляции Кендалла и Спирмена, коэффициента ранговой конкордации Кендалла и Бэбингтона Смита. Используются параметрические модели парных сравнений — Терстоуна, Бредли-Терри-Льюса — и непараметрические модели теории люсианов. Полезна процедура согласования ранжировок и классификаций путем построения согласующих бинарных отношений. При отсутствии согласованности разбиение мнений экспертов на группы сходных между собой проводят методом ближайшего соседа или другими методами кластерного анализа (автоматического построения классификаций, распознавания образов без учителя). Классификация люсианов осуществляется на основе вероятностно-статистической модели.

Используют различные методы построения итогового мнения комиссии экспертов. Своей простотой выделяются методы средних арифметических и медиан рангов. Компьютерное моделирование позволило установить ряд свойств медианы Кемени, часто рекомендуемой для использования в качестве итогового (обобщенного, среднего) мнения комиссии экспертов. Интерпретация закона больших чисел для нечисловых данных в терминах теории экспертного опроса такова: итоговое мнение устойчиво, то есть мало меняется при изменении состава экспертной комиссии, и при росте числа экспертов приближается к «истине». При этом в соответствии с принятым в подходом предполагается, что ответы экспертов можно рассматривать как результаты измерений с ошибками, все они — независимые одинаково распределенные случайные элементы, вероятность принятия определенного значения убывает по мере удаления от некоторого центра — «истины», а общее число экспертов достаточно велико.

Многочисленны примеры ситуаций, связанных с социальными, технологическими, экономическими, политическими, экологическими и другими рисками. Именно в таких ситуациях обычно и необходимо прогнозирование. Известны различные виды критериев, используемых в теории принятия решений в условиях неопределенности (риска). Из-за противоречивости решений, получаемых по различным критериям, очевидна необходимость применения оценок экспертов.

В конкретных задачах прогнозирования необходимо провести классификацию рисков, поставить задачу оценивания конкретного риска, провести структуризацию риска, в частности, построить деревья причин (в другой терминологии, деревья отказов) и деревья последствий (деревья событий). Центральной задачей является построение групповых и обобщенных показателей, например, показателей конкурентоспособности и качества. Риски необходимо учитывать при прогнозировании экономических последствий принимаемых решений, поведения потребителей и конкурентного окружения, внешнеэкономических условий и макроэкономического развития Российской Федерации, экологического состояния окружающей среды, безопасности технологий, экологической опасности промышленных и иных объектов.

Современные компьютерные технологии прогнозирования основаны на интерактивных статистических методах прогнозирования с использованием баз эконометрических данных, имитационных (в том числе на основе применения метода статистических испытаний) и экономико-математических динамических моделей, сочетающих экспертные, математико-статистические и моделирующие блоки.

Экспертные методы

Область применения экспертных методов

Методы экспертных оценок в прогнозировании и перспективном планировании научно-технического прогресса применяются в следующих случаях:

а) в условиях отсутствия достаточно представительной и достоверной статистики характеристики объекта (например, лазеры, голографические запоминающие устройства, рациональное использование водных ресурсов на предприятиях);

б) в условиях большой неопределенности среды функционирования объекта (например, прогнозов человеко-машинной системы в космосе или учет взаимовлияния областей науки и техники);

в) при средне- и долгосрочном прогнозировании объектов новых отраслей промышленности, подверженных сильному влиянию новых открытий в фундаментальных науках (например, микробиологическая промышленность, квантовая электроника, атомное машиностроение);

г) в условиях дефицита времени или экстремальных ситуациях.

Экспертная оценка необходима, когда нет надлежащей теоретической основы развития объекта. Степень достоверности экспертизы устанавливается по абсолютной частоте, с которой оценка эксперта в конечном итоге подтверждается последующими событиями. Существует две категории экспертов - это узкие специалисты и специалисты широкого профиля, обеспечивающие формулирование крупных проблем и построение моделей. Выбор экспертов для прогноза производится на основе их репутации среди определенной категории специалистов. Однако не следует забывать и того обстоятельства, что первоклассный специалист не всегда может достаточно квалифицированно рассмотреть и понять общие, глобальные, вопросы. Для этой цели нужно привлекать экспертов хотя и недостаточно узко информированных, но обладающих способностью к дерзанию и воображению.

«эксперт» в дословном переводе с латинского языка означает «опытный». Поэтому и в формализованном, и в неформализованном способах определения эксперта значительное место занимают профессиональный опыт и развитая на его основе интуиция. Условия необходимости и достаточности отнесения специалиста к категории экспертов вводятся следующим образом.

Важно установить не абсолютную степень надежности экспертной оценки, а степень надежности по сравнению с оценкой среднего специалиста, а также корреляцию между вероятностью его прогнозной оценки и надежностью класса тех гипотез, которыми оперирует эксперт. В общем, нужно определить, что такое эксперт. Некоторые требования, которым должен удовлетворять эксперт:

1) оценки эксперта должны быть стабильны во времени и транзи-тивны; 2) наличие дополнительной информации о прогнозируемых признаках лишь улучшает оценку эксперта; 3) эксперт должен быть признанным специалистом в данной области знаний; 4) эксперт должен обладать некоторым опытом успешных прогнозов в данной области знаний.

Характеризуя экспертов, следует иметь в виду, что в результате выработки оценок могут иметь место ошибки двух видов. Ошибки первого вида известны в технике измерений как систематические, ошибки второго вида — как случайные. Эксперт, склонный к ошибкам первого вида, выдает значения, которые устойчиво отличаются от истинного в сторону увеличения или уменьшения. Полагают, что ошибки этого вида связаны со складом ума экспертов. Для коррекции систематических ошибок можно применять поправочные коэффициенты или же использовать специально разработанные тренировочные игры. Ошибки второго вида характеризуются величиной дисперсии. Исходя из анализа основных видов ошибок при вынесении экспертных суждений, можно добавить к рассмотренному ранее перечню требований к экспертам еще одно. Смысл его состоит в том, что следует предпочесть эксперта, оценки которого имеют малую дисперсию и систематическое отклонение средней ошибки от нуля, эксперту со средней ошибкой, равной нулю, но с большей дисперсией. К сожалению, априори определить способность человека делать правильные экспертные оценки невозможно. Важным средством подготовки экспертов являются специальные тренировочные игры.

Компания форм работы эксперта может быть программированной или непрограммированной, а деятельность эксперта может осуществляться в устной (интервью) либо в письменной форме (ответ на вопросы специальных таблиц экспертных оценок или свободное изложение по заданной теме).

Программирование формы работы эксперта предполагает:

- построение граф-модели объекта на базе ретроспективного анализа; определение структуры таблиц экспертных оценок (ТЭО) или программы интервью на базе граф-модели объекта и целей экспертизы; определение типа и формы вопросов в ТЭО или в интервью;

- определение типа шкалы для вопросов в ТЭО; учет психологических особенностей экспертизы при определении последовательности вопросов в ТЭО; учет верифицирующих вопросов; разработка логических приемов для последующего синтеза прогнозных оценок в комплексных прогнозах объекта.

Компания стимуляции работы эксперта состоит в разработке:

- эвристических приемов и способов, облегчающих поиск прогнозной экспертной оценки; правовых норм, гарантирующих эксперту оформление приоритета и авторства, а также неразглашения всех научно-технических идей, выдвигаемых им в процессе экспертизы;

- форм моральной, профессиональной и материальной заинтересованности эксперта в экспертных оценках; организационных форм работы эксперта (включение в план работы и т. п.).

Исходя из полученной в результате анализа модели объекта прогнозирования, определяются научные и технические направления, по которым необходимо привлечь эксперта, выделяются группы экспертов по принадлежности вопроса к области фундаментальных, прикладных наук или к стыковым научным направлениям.[5]

При решении задачи формирования экспертной группы необходимо выявить и стабилизировать работоспособную сеть экспертов. Способ стабилизации экспертной сети заключается в следующем. На основе анализа литературы по прогнозируемой проблеме выбирается любой специалист, имеющий несколько публикаций в данной области. К нему обращаются с просьбой назвать 10 наиболее компетентных, по его мнению, специалистов по данной проблеме. Затем обращаются одновременно к каждому из десяти названных специалистов с просьбой указать 10 наиболее крупных их коллег-ученых. Из полученного списка специалистов вычеркиваются 10 первоначальных, а остальным рассылаются письма, содержащие указанную выше просьбу. Данную процедуру повторяют до тех пор, пока ни один из вновь названных специалистов не добавит новых фамилий к списку экспертов, т. е. пока не стабилизируется сеть экспертов. Полученную сеть экспертов можно считать генеральной совокупностью специалистов, компетентных в области прогнозируемой проблемы. Однако в силу ряда практических ограничений оказывается нецелесообразным привлекать всех специалистов к экспертизе. Поэтому необходимо сформировать репрезентативную выборку из генеральной совокупности экспертов.

Определение специфики процедур для методов класса ПЭО (персональных экспертных оценок) осуществляется на основе анализа требований к экспертам и их оценкам, вытекающим из сущности методов:

а) аналитические записки предъявляют требования структуризации экспериментируемой проблемы, экспликации и ранжирования целей, анализа альтернативных путей достижения цели, оценки издержек на каждую альтернативу и рекомендаций по наиболее эффективным способам решения проблем;

б) парные сравнения, нормирование и ранжирование требуют однородности оцениваемых признаков, наличия логически обоснованных критериев и эталонов, наличие однозначно определенных процедур оперирования с критериями, эталонами и признаками;

в) интервью предъявляют специфические требования как к эксперту, так и к интервьюеру;

г) морфологическая структуризация требует четкого определения функциональных характеристик объекта или проблемы, которые необходимо улучшить, классификации научных принципов, на основе которых возможно улучшение характеристики; анализа всевозможных комбинаций этих принципов и отсева заведомо абсурдных; оценки комбинаций по степени осуществимости и расходов на их реализацию; сравнения комбинаций по комплексному критерию «издержки — эффективность — время».

Метод эвристического прогнозирования (МЭП)

Основная задача, стоящая перед специалистами по анализу и проектированию больших систем, в общем случае, как правило, заключается в нахождении наиболее оптимальных способов создания более эффективных систем — либо вновь проектируемых, либо модернизируемых. Сложность решения этой задачи состоит прежде всего в том, что здесь обычно нет возможности найти решение чисто математическими методами, поскольку, как правило, не удается точно определить величины (функционалы), подлежащие оптимизации (экстремализации) в математическом смысле. Это связано не только со сложностью описания функционирования больших систем, но и с такими принципиальными видами, как, например, специфика целей, для достижения которых предназначена система. Во-первых,совершенно точнод системой может стоять не одна цель, а набор их, что сразу же приводит к задаче векторной оптимизации. Во-вторых, набор целей, поставленных перед системой, может содержать в своем составе чисто качественные цели, не подлежащие практически реализующимся количественным измерениям. Это приводит, с одной стороны, к проблеме оценки степени достижения качественной цели и, с другой — к проблеме соизмерения важности качественных и количественных целей и степени их достижения.

Аналогичная ситуация возникает и при оценке последствий предполагаемого способа достижения поставленной цели. Укажем для примера, что эти последствия могут одновременно носить экономический, политический, социальный или какой-либо другой характер.

В этих условиях решение системной задачи находится посредством эвристических приемов, использующих весьма сложный математический аппарат, и заключается в выдаче обоснованных рекомендаций, достаточных для выработки решения.

Методом эвристического прогнозирования называется метод получения и специализированной обработки прогнозных оценок объекта путем систематизированного опроса высококвалифицированных специалистов (экспертов) в узкой области науки, техники или производства. Прогнозные экспертные оценки отражают индивидуальное суждение специалиста относительно перспектив развития его области и основаны на мобилизации профессионального опыта и интуиции.

Метод эвристического прогнозирования сходен с дельфийской техникой, коллективной генерацией идей и методом коллективной экспертной оценки в том смысле, что одним из элементов его является сбор и обработка суждений экспертов, высказанных на основе профессионального опыта и интуиции. Однако он отличается от указанных методов большей четкостью теоретических основ, способами формирования анкет и таблиц, порядком работы с экспертами и алгоритмом обработки полученной информации. Эвристическим данный метод назван в связи с однородностью форм мыслительной деятельности эксперта при решении научной проблемы и при оценке перспектив развития объекта прогнозирования, а также в связи с использованием экспертами специфических приемов, приводящих к правдоподобным умозаключениям.

Назначение метода эвристического прогнозирования - выявление объективизированного представления о перспективах развития узкой области науки и техники на основе систематизированной обработки прогнозных оценок репрезентативной группы экспертов.

Область применения МЭП — научно-технические объекты и проблемы, развитие которых либо полностью, либо частично не поддается формализации, т. е. для которых трудно разрабатывать адекватную модель. Например, элементно-технологическая база ЭЦВМ.

В основе метода лежат три теоретических допущения: 1) существования у эксперта психологической установки на будущее, сфор­мулированной на основе профессионального опыта и интуиции, и возможности ее экстериоризации; 2) тождественности процесса эвристического прогнозирования и процесса решения научной проблемы с однотипностью получаемого знания в форме эвристических правдоподобных умозаключений, требующих верификации;

3) возможности адекватного отображения тенденции развития объекта прогнозирования в виде системы прогнозных моделей, синтезируемых из прогнозных экспертных оценок.

Эти допущения реализуются в методе эвристического прогнозирования путем системы приемов работы с экспертами, способами оценок и синтеза прогнозных моделей.

В качестве исходных документов при работе по методу эвристического прогнозирования выступают: описание метода; инструкции по формулированию вопросов; инструкции по составлению анкет и таблиц экспертных оценок; порядок работы с экспертами; набор эвристических приемов для экспертов; инструкция для экспертов по заполнению анкет и таблиц; инструкция по обработке на ЭВМ экс­пертных анкет и таблиц; алгоритмы и программы для обработки данных на ЭВМ; заполненные экспертами анкеты и таблицы; инструкция по оценке компетентности экспертов; инструкция по синтезу прогнозных моделей; набор способов верификации прогнозов.

Наличие полностью сформулированного информационного массива дает полное основание для качественной работы с МЭП.

Формирование анкет и таблиц экспертных оценок. Информационным массивом для разработки прогнозов методом эвристического прогнозирования является набор заполненных экспертами таблиц и анкет. Таблицы содержат перечень строго сформулированных вопросов. К вопросам в анкетах предъявляются следующие требования: 1) они должны быть сформулированы в общепринятых терминах; 2) формулировка их должна исключать всякую смысловую неоднозначность; 3) все вопросы должны логически соответствовать структуре объекта прогноза; 4) они должны быть отнесены к одному из трех перечисленных ниже видов. В зависимости от вида вопроса применяется определенная процедура его формулирования и составления анкет.

К первому виду относятся вопросы, ответы на которые содержат количественную оценку: вопросы относительно времени свершения событий; опросы относительно количественного значения прогнозируемого параметра; вопросы относительно вероятности осуществления события; вопросы по оценке относительного влияния факторов друг на друга в некоторой шкале. Для данного типа вопроса применяется самая простая процедура составления анкет. В этом случае сам прогнозист, знающий объект прогноза, формулирует перечень значений оцениваемых параметров, вероятностей и временных отрезков. При определении шкалы значений количественных параметров (время, характеристика и пр.) целесообразно пользоваться неравномерной шкалой. Конкретное значение неравномерности определяется характером зависимости ошибки прогноза от времени упреждения.

Ко второму виду относятся содержательные вопросы, требующие свернутого ответа не в количественной форме. Вопросы, требующие ответа в свернутой форме, могут быть трех типов: дизъюнктивные; конъюнктивные; импликативные.

Вопросы, требующие содержательного ответа в свернутой форме, характеризуются наиболее сложной процедурой их формирования в анкету. Анкета в окончательном виде получается в результате трехэтапной итерации. На первом этапе прогнозист тщательно изучает результат работы (доклад) группы экспертов (метод комиссий) над определенной системой. Итогом изучения является формулировка первого варианта вопросника, который на втором этапе рассылается председателям соответствующих комиссий для корректировки и уточнения. В результате получается второй вариант вопросника. На третьем этапе вопросы группируются по темам и в определенном порядке внутри тем. Окончательный вариант вопросника приобретает форму таблиц экспертных оценок.

К третьему виду относятся вопросы, требующие ответа в развернутой форме, которые, в свою очередь, делятся на два типа:

1) вопросы с формой ответа в виде перечня сведений о предмете;

2) вопросы с формой ответа в виде перечня аргументов, подтверждающих или отвергающих тезис, содержащийся в вопросе.

Вопросы, требующие содержательного ответа в развернутой форме, определяются путем двухэтапной итерации. Первый этап — прогнозист обращается к экспертам с просьбой сформулировать наиболее перспективные и наименее разработанные проблемы. На втором этапе из всех названных проблем выбираются лишь имеющие непосредственное отношение к объекту прогноза и принципиально разрешимые.

После того как все вопросы уточнены и сведены по тематическим признакам в соответствующие разделы анкет или таблиц, переходят к работе с экспертами, анализу и обработке экспертных оценок.

Метод Дельфи

Метод Дельфи (иногда дельфийский метод) появился в 1950-1960 годы для анализа планов атомной войны США (разработан корпорацией RAND, авторами считаются Olaf Helmer, Norman Dalkey, и Nicholas Rescher ). Имя заимствовано от Дельфийского Оракула.

Является методом экспертного оценивания. Особенности: заочность, многоуровневость, анонимность.

Суть этого метода в том, чтобы с помощью серии последовательных действий – опросов, интервью, мозговых штурмов – добиться максимального консенсуса при определении правильного решения. Анализ с помощью дельфийского метода проводится в несколько этапов, результаты обрабатываются статистическими методами.

Базовым принципом метода является то, что некоторое количество независимых экспертов (часто несвязанных и не знающих друг о друге) лучше оценивает и предсказывает результат, чем структурированная группа (коллектив) личностей. Позволяет избежать открытых столкновений между носителями противоположенных позиций т.к. исключает непосредственный контакт экспертов между собой и, следовательно, групповое влияние, возникающее при совместной работе и состоящее в приспособлении к мнению большинства. Даёт возможность проводить опрос экстерриториально, не собирая экспертов в одном месте (например, посредством электронной почты)

Субъекты:

- группы исследователей, каждый из которых отвечает индивидуально в письменной форме.

- организационная группа — сводит мнения экспертов воедино.

Этапы:

1. Предварительный:

- подбор группы экспертов — чем больше, тем дольше — до 20.

2. Основной:

- постановка проблемы — экспертам рассылается вопрос и предлагается его разбить на подвопросы. Организационная группа отбирает наиболее часто встречающиеся. Появляется общий опросник.

- этот опросник рассылается экспертам. Их спрашивают — можно ли добавить ещё что-то; достаточно ли информации; есть ли дополнительная информация по вопросу? В итоге — 20 вариантов ответов, где есть дополнительные аспекты, запрос информации, предоставленная информация. На этой основе составляется следующий опросник.

- улучшенный опросник вновь рассылается экспертам, которым теперь надо дать свой вариант решения, а также рассмотреть наиболее крайние точки зрения, высказанные другими экспертами. Эксперты должны оценить проблему по аспектам: эффективность, обеспеченность ресурсами, в какой степени соответствует изначальной постановке задачи. Таким образом выявляются преобладающие суждения экспертов, сближаются их точки зрения. Всех экспертов знакомят с доводами тех, чьи суждения сильно выбиваются из общего русла. После этого все эксперты могут менять мнение, а процедура повторяется.

- итерации повторяются, пока не будет достигнута согласованность между экспертами, или не будет установлено отсутствие единого мнения по проблеме. Изучение причин расхождений в оценках экспертов позволяет выявить незамеченные ранее аспекты проблемы и зафиксировать внимание на вероятных последствиях развития анализируемой проблемы или ситуации. В соответствии с этим и вырабатывается окончательная оценка и практические рекомендации. Обычно проводится три этапа, но если мнения сильно рознятся - то больше.

3. Аналитический:

- проверка согласованности мнений экспертов, анализ полученных выводов и разработка конечных рекомендаций.

Технические недостатки:

- время проведения зависит от средств коммуникации экспертов;

- опрашиваемые должны уметь хорошо излагать свои мысли, так как данный метод основан на получении информации в письменной форме, в противном случае обработка затрудняется4

- анкетируемые должны обладать высоким уровнем мотивации, так как отсутствует поощрение за заполнение анкет.

Классификации экономических прогнозов

Экономические прогнозы разрабатываются с различными целями и для разных уровней народного хозяйства. Каждый вид прогнозов имеет свои особенности.

Прогноз основных направленийй научно-технического прогресса содержит следующие направления научно-технического прогресса:

В области орудий труда: создание комплексов механизмов для завершения механизации труда в основных производственных процессах в ряде отраслей промышленности, строительстве, сельском хозяйстве; повышение уровня автоматизации производства с прерывными процессами и немассовым эмиссией ценных бумаг продукции путем внедрения оборудования с программным управлением и других электронных средств; обновление и модернизация оборудования, сокращение сроков его замены и т. д.

В области предметов труда: изменение структуры конструкционных материалов за счет повышения доли алюминия и пластмасс; создание новых видов сырья и материалов на базе традиционных их видов (металлические сплавы, материалы на основе химической переработки древесины и т. п.).

В области электроэнергетики: наращивание мощностей атомных электростанций; начало строительства электростанций промышленного назначения с магнитно-гидродинамическими (МГД) установками и т. д.

В области техники управления: увеличение количества автоматизированных систем управления предприятиями и отраслями; начало формирования общегосударственной автоматизированной системы сбора и обработки информации.

Объектом экономического прогнозирования научно-технического прогресса являются как натурально-вещественные, так и стоимостные показатели. При этом исходной стадией является научно-технический прогноз. На его основе прогнозируются общественно необходимые расхода труда на достижение определенных результатов и ожидаемые индивидуальные издержки этого труда. Сопоставляя общественно необходимые расхода с индивидуальными, можно исключать как заведомо неприемлемые те варианты развития, в которых индивидуальные издержки превосходят общественно необходимые. Среди оставшихся определяются эффективные варианты, которые при прочих равных условиях дают наибольшую экономию.

Как известно, на уровне предприятий, объединении, министерств экономические результаты выражаются в различных хозрасчетных показателях, а также в показателе народнохозяйственного экономического эффекта от создания и использования определенных потребительных стоимостей. Совершенствование потребительных стоимостей может стать самостоятельным объектом экономического прогнозирования.

Развитие экономики порождает новые потребности, которые выражаются как в натурально-вещественных, так и в стоимостных показателях и могут выступать в форме платежеспособного, неудовлетворенного, отложенного спроса на сырье, материалы, рабочую силу, капитальные вложения и т. д. Эти потребности также являются объектом экономического прогнозирования научно-технического прогресса.

Экономический прогноз научно-технического прогресса может быть представлен в разных формах.

Предварительный прогноз составляется при выборе объекта экономического прогнозирования научно-технического прогресса в целях первоначального выяснения его значимости, а также получается при последовательном уточнении исходных данных в процессе составления прогноза.

Описательный прогноз содержит качественные характеристики наиболее вероятных направлений научно-технического прогресса и его влияния па показатели экономической эффективности. В нем содержатся указания на наиболее перспективные направления научно-технического прогресса; предсказание последствий осуществления этих направлений, их влияния на внешнюю по отношению к нему среду; сравнительная оценка значимости изучаемых достижений научно-технического прогресса для народного хозяйства; описание необходимых условий реализации рассматриваемых достижений и др.

Описательный прогноз может содержать и количественные оценки: гипотезы о времени научного решения проблемы или широкого распространения нового метода производства; числовые данные о существующих в народном хозяйстве тенденциях, показывающие необходимость совершенствования производительных сил в данном направлении и т. п. Этот вид описательного прогноза отличается от количественного прогноза только тем, что не содержит числовой оценки экономического эффекта. Количественный прогноз может содержать целый ряд качественных оценок: гипотезы о конкретном характере хозрасчетных отношений в будущем, о государственной политике цен, о влиянии рассматриваемого достижения на неэкономические цели и т. п.

Исследовательский прогноз показывает возможные направления научно-технического прогресса, обеспеченные народнохозяйственными ресурсами и научно-техническими разработками. По длительности прогнозного периода исследовательские прогнозы подразделяются на срочные (составляемые на заданный период). краткосрочные, среднесрочные и долгосрочные. К краткосрочным относятся прогнозы, охватывающие период, на один год превышающий время начала удовлетворения потребностей в рассматриваемых достижениях научно-технического прогресса. Среднесрочные прогнозы составляются на срок, начиная с которого полностью удовлетворяются потребности в этих достижениях. Долгосрочные прогнозы охватывают весь экономический горизонт в исследуемой области народного хозяйства. Деление прогнозов на краткосрочные, среднесрочные и долгосрочные таким способом не является общепринятым в прогностической литературе. Тем не менее оно представляется удачным, поскольку учитывает специфику каждого конкретного объекта прогнозирования.

Нормативный прогноз рассматривает необходимые ресурсы и целесообразные направления деятельности для обеспечения выполнения поставленных нормативных целей. Эти цели чаще всего связаны с необходимостью решения неэкономических задач общества.

Нормативные прогнозы делятся на оперативные, тактические и стратегические в соответствии с тем, к какой из этих категорий относятся нормативные цели, положенные в основу их разработки.

В однофакторных прогнозах в качестве объекта прогнозирования выбирается либо какой-то один элемент новой технологии, либо один показатель, характеризующий взаимодействие технологий (труд определенной квалификации, машины одного вида, количество новых научных трудов по одной тематике, фондоемкость национального выгоды и т. п.). Объектами многофакторных прогнозов являются структура занятости, ряды машин, соотношения между несколькими факторами общественного производства и т. д.

Односекторным считается прогноз, рассматдоходаий процессы в одной из хозяйственных ячеек, многосекторным – во взаимодействующей группе таких ячеек. Многоуровневые прогнозы рассматривают НТП и его влияние на эффективность общественного производства в иерархической подсистеме народного хозяйства.

При построении системного прогноза производства новой техники деревом целей может служить иерархическая система конкретных потребностей, непосредственно связанная с рассматриваемыми направлениями научно-технического прогресса. Системный прогноз должен содержать также варианты достижения целей, обеспеченные народнохозяйственными ресурсами, систему организационных мер для реализации каждого из этих вариантов в хозяйственной практике и описывать информационные потоки, обеспечивающие рассматриваемую систему необходимой информацией.

Прогноз называется условным, если при его построении исходят из каких-то конкретных гипотез о ситуации, в которой осуществляются прогнозируемые события.

Управляемый прогноз есть специальный вид условного прогноза, в котором некоторые из условий выделены как управляемые переменные (т. е. переменные, значения которых могут быть регулируемы в процессе целенаправленной хозяйственной деятельности). Условный прогноз, не содержащий управляемых переменных, называется неуправляемым. Управляемый прогноз является вариантным, если он содержит несколько вариантов изменения управляемых переменных и последствий этих изменений. Если при этом не рассматриваются варианты управления, которые заведомо менее удовлетворительны с точки зрения достижения поставленных целен, то такие прогнозы мы называем эффективными.

Прогноз является оптимальным, если из множества прогнозных вариантов научно-технического развития выбираются оптимальные по некоторому критерию.

По методу построения прогнозы подразделяются на экспертные, экстраполяционные, модельные и дедуктивне.

Приложения (компьютерные) для прогнозирования

Для прогнозирования по временному ряду используют компьютерные программы — инструменты прогнозирования. Это позволяет автоматизировать большую часть операций при построении прогноза, а также позволяет избежать ошибок, связанных с вводом данных. Такие приложения могут быть как локальными (для использования на одном компьютере), так и интернет-приложениями (доступными в виде веб-сайта, например). В качестве локальных приложений следует выделить такие программы, как SPSS, Statistica, Forecast Expert. Для прогнозирования исходов матчей рекомендуется использовать SportStatic.

Инструменты прогнозирования

Инструменты прогнозирования — программные продукты, имеющие функции расчёта прогнозов.

Прогнозирование — один из важнейших видов деятельности человека на сегодняшний день.

Ещё в древние времена прогнозы позволяли людям рассчитывать периоды засух, даты солнечных и лунных затмений и многих других явлений.

С появлением вычислительной техники прогнозирование получило мощнейший толчок развития. Одним из первых применений вычислительных машин был расчёт баллистической траектории снарядов, то есть, фактически, прогноз точки падения снаряда на землю. Такой вид прогноза называется статическим прогнозом.

Существуют две основные категории прогнозов: статические и динамические. Ключевое отличие состоит в том что динамические прогнозы предоставляют информацию о поведении исследуемого объекта на протяжении какого-либо значительного интервала времени. В свою очередь, статические прогнозы отражают состояние исследуемого объекта лишь в единственный момент времени и, как правило, в таких прогнозах фактор времени, в котором объект претерпевает изменения, играет незначительную роль.

На сегодняшний день существует большое количество инструментов, позволяющих строить прогнозы.

Рынок инструментов прогнозирования в Российской Федерации

В отличие от западноевропейских и американских компаний, в Российской Федерации позиции коробочных продуктов менее сильны. Это связано как с общей сравнительно слабой развитостью рынка коробочных программных продуктов, так и с тем что топ-менеджмент большинства российских компаний пока ещё не осознал преимущества и эффект от применения продвинутых прогнозов в финансово-хозяйственной деятельности.

Однако, в недрах многих компаний присутствуют те или иные самописные реализации тех или иных методов прогнозирования, методология реализации которых контролируется довольно слабо.

На сегодняшний день в Российской Федерации существует несколько консалтинговых компаний, предоставляющих услуги по постановке и внедрению систем прогнозирования. Среди возможных систем могут быть как коробочные инструменты, так и сильно адаптированные заказные разработки.

Источники

ru.wikipedia.org/

textreferat.com/