Прогнозирование экономических процессов

Оглавление

 

 

• Моделирование процессов

К моделированию прибегают всегда, когда необходимо разобраться в  каком-нибудь сложном явлении, уловить  его скрытые закономерности. Простота модели по сравнению с реальным объектом достигается тем, что в ней сохраняется лишь самое главное, наиболее важное, а все второстепенное, не существенное для интересующей нас задачи, отбрасывается. [5]

• Прогнозирование

В современных условиях управленческие решения должны приниматься лишь на основе тщательного анализа имеющейся информации. Например, банк или совет директоров корпорации примет решение о вложении денег в какой-то проект лишь после тщательных расчетов, связанных с прогнозами состояния рынка, с определением рентабельности вложений и с оценками возможных рисков. В противном случае могут опередить конкуренты, умеющие лучше оценивать и прогнозировать перспективы развития.

Для решения подобных задач, связанных  с анализом данных при наличии  случайных воздействий, предназначен мощный аппарат прикладной статистики, составной частью которого являются статистические методы прогнозирования. Эти методы позволяют выявлять закономерности на фоне случайностей, делать обоснованные прогнозы и оценивать вероятность их выполнения.

Под прогнозом понимается научно обоснованное описание возможных состояний объектов в будущем, а также альтернативных путей и сроков достижения этого состояния. Процесс разработки прогнозов называется прогнозированием (от греч. prognosis — предвидение, предсказание).

Прогнозирование должно отвечать на два вопроса:

1). Что вероятнее всего ожидать  в будущем?

2). Каким образом нужно изменить  условия, чтобы достичь заданного,  конечного состояния прогнозируемого  объекта? [3]

• Типы прогнозов

Прогнозы, отвечающие на вопросы первого  типа, называются поисковыми, второго типа — нормативными.

В зависимости от объектов прогнозирования  принято разделять прогнозы на научно-технические, экономические, социальные, военно-политические и т.д. Однако такая классификация  носит условный характер, т.к. между  этими прогнозами, как правило, существует множество прямых и обратных связей.

Прогнозы в зависимости от масштабности объекта прогнозирования существенно  различаются. Экономические прогнозы могут охватывать все уровни: от микроуровня (рассматривающего прогнозы развития отдельных предприятий, производств и т.д.) до макроуровня (анализирующего экономическое развитие в масштабе страны) или — до глобального уровня, при котором существующие закономерности рассматриваются в мировом масштабе.

Ещё одной важной характеристикой является время (период) упреждения прогноза — отрезок времени от момента, для которого имеются последние статистические данные об изучаемом объекте, до момента, к которому относится прогноз. [3]

• Этапы прогнозирования

Прогнозирование экономических явлений и процессов включает в себя следующие этапы:

1. постановка задачи и сбор  необходимой информации;

2. первичная обработка исходных  данных;

3. определение круга возможных  моделей прогнозирования;

4. оценка параметров моделей;

5. исследование качества выбранных моделей, адекватности их реальному процес-

су и выбор лучшей из моделей;

6. построение прогноза;

7. содержательный анализ полученного  прогноза. [3]

 

Рис. 1. Классификация  прогнозов [4]

• Временные ряды

Статистическое описание развития экономических процессов во времени может осуществляться с помощью временных рядов.

Временной ряд (в англоязычной литературе для обозначения понятия используется термин «time series») — это последовательность упорядоченных во времени числовых показателей, характеризующих уровень состояния и изменения изучаемого явления. Отдельные наблюдения временного ряда называются уровнями этого ряда. [4]

Каждый временной ряд содержит два элемента:

1) значения времени;

2) соответствующие им значения  уровней ряда.

• Типы временных рядов

В качестве показателя времени в рядах динамики могут указываться либо определенные моменты времени (даты), либо отдельные периоды (сутки, месяцы, кварталы, полугодия, годы и т.д.). В зависимости от характера временного параметра ряды делятся на моментные и интервальные. [4]

В моментных рядах динамики уровни характеризуют значения показателя по состоянию на определенные моменты  времени. Например, моментными являются временные ряды цен на определенные виды товаров, ряды курсов акций, уровни которых фиксируются для конкретных чисел. Примерами моментных рядов динамики могут служить также ряды численности населения или стоимости основных фондов, т.к. значения уровней этих рядов определяются ежегодно на одно и то же число.

В интервальных рядах уровни характеризуют  значение показателя за определенные интервалы (периоды) времени. Примерами могут служить ряды годовой (месячной, квартальной) динамики производства продукции в натуральном или стоимостном выражении.

Если уровни ряда представляют собой  непосредственно не наблюдаемые значения, а производные величины: средние или относительные, то такие ряды называются производными. Уровни этих временных рядов получаются с помощью некоторых вычислений на основе абсолютных показателей.

Примером производного ряда динамики может служить ряд среднесуточного производства промышленной продукции. Таким образом, чтобы получить необходимую нам величину, требуется разделить общее количество произведённой в месяц продукции на количество рабочих дней в месяце.

Важной особенностью интервальных рядов динамики абсолютных величин является возможность суммирования их уровней. В результате этой процедуры получаются накопленные итоги, имеющие осмысленное содержание благодаря отсутствию повторного счета. Суммирование же уровней моментного ряда динамики не практикуется, т.к. полученные накопленные итоги лишены всякого смысла. Таким образом, моментные ряды динамики, в отличие от интервальных не обладают свойством аддитивности. [4]

На практике часто используются временные ряды с нарастающими итогами. Уровни таких рядов дают обобщающий результат развития показателя с начала отчетного периода (квартала, полугодия, года и т.д.).

Уровни ряда могут принимать  детерминированные или случайные  значения. Примером ряда с детерминированными значениями уровней служит ряд последовательных данных о количестве дней в месяцах. Естественно, анализу, а в дальнейшем и прогнозированию, подвергаются ряды со случайными значениями уровней. В таких рядах каждый уровень может рассматриваться как реализация случайной величины — дискретной или непрерывной.

• Построение временных рядов

Успешность статистического анализа  развития процессов во времени во многом зависит от правильного построения временных рядов.

Прежде всего, большое значение для дальнейшего исследования процесса имеет выбор интервалов между соседними уровнями ряда. Удобнее всего иметь дело с равноотстоящими друг от друга уровнями ряда. При этом, если выбрать слишком большой интервал времени, можно упустить существенные закономерности в динамике показателя. Например, по квартальным данным невозможно судить о месячных сезонных колебаниях. Информация может также оказаться слишком «короткой» для использования некоторых методов анализа и прогнозирования динамики, предъявляющих «жесткие» требования к длине рядов. В то же время, слишком малые интервалы между наблюдениями увеличивают объем вычислений, а также могут приводить к появлению ненужных деталей в динамике процесса, засоряющих общую тенденцию. Безусловно, вопрос о выборе интервала времени между уровнями ряда должен решаться, исходя из целей каждого конкретного исследования. [4]

Одним из важнейших условий, необходимых  для правильного отражения временным  рядом реального процесса развития, является сопоставимость уровней ряда. Для несопоставимых величин неправомерно проводить исследование динамики. Появление несопоставимых уровней может быть вызвано разными причинами: структурными изменениями, изменением методики расчета показателя, классификации, терминологии и т.д. Например, уровни временного ряда, характеризующие количество малых предприятий, могут оказаться несопоставимыми из-за изменения самого понятия «малое предприятие». Подразумевается, что это понятие должно быть одинаковым для всего исследуемого периода. Чаще всего несопоставимость встречается в стоимостных показателях, что вызвано изменением цен в разные периоды времени, поэтому на практике осуществляют пересчет уровней в сопоставимые цены (цены одного периода). Несопоставимость может возникнуть вследствие территориальных изменений, например, как результат изменения границ области, района, страны. [4]

Для успешного изучения динамики процесса важно, чтобы информация была полной, временной ряд имел достаточную  длину (с учетом конкретных целей  исследования). Например, при изучении периодических колебаний желательно иметь информацию не менее чем за три полных периода колебания. Поэтому при анализе сезонных колебаний на базе рядов месячной или квартальной динамики желательно иметь информацию, как правило, не менее чем за 3 года. [5]

• Предварительный анализ. Аномальные значения

Соответствие исходной информации всем необходимым требованиям проверяется на этапе предварительного анализа временных рядов. Лишь после этого переходят к расчету и анализу основных показателей динамики развития, построению моделей прогнозирования, получению прогнозных оценок.

Уровни рядов динамики могут  содержать аномальные значения или  “выбросы». Часто появление таких  значений может быть вызвано ошибками при сборе, записи и передаче информации. Возможными источниками появления  ошибочных значений являются: сдвиг запятой при перенесении информации из документа, занесение данных в другую графу и т.д. Выявление, исключение таких значений, замена их истинными или расчетными является необходимым этапом первичной обработки данных, т.к. применение математических методов к «засоренной» информации приводит к искажению результатов анализа. Однако аномальные значения могут отражать реальное развитие процесса, например, «скачок» курса доллара в «черный вторник». Как правило, эти значения также заменяются расчетными при построении моделей, но учитываются при расчете возможной величины отклонений фактических значений от полученных по модели. [3]

• Компоненты временных рядов

В практике исследования динамики явлений  и прогнозирования принято считать, что значения уровней временных рядов экономических показателей могут содержать следующие компоненты (составные части или структурно-образующие элементы):

1). Тренд;

2). Сезонную компоненту;

3). Циклическую компоненту;

4). Случайную составляющую.

 

Под трендом понимают изменение, определяющее общее направление развития, основную тенденцию временного ряда. Это систематическая составляющая долговременного действия. [4]

Наряду с долговременными тенденциями  во временных рядах экономических  процессов часто имеют место  более или менее регулярные колебания — периодические составляющие рядов динамики. Если период колебаний не превышает одного года, то их называют сезонными. Чаще всего причиной их возникновения считаются природно-климатические условия. Иногда причины сезонных колебаний имеют социальный характер, например, увеличение закупок в предпраздничный период, увеличение платежей в конце квартала и т.д.

При большем периоде колебания  считают, что во временных рядах  имеет место циклическая составляющая. Примерами могут служить демографические, инвестиционные и другие циклы.

Если из временного ряда удалить  тренд и периодические составляющие, то останется нерегулярная компонента. [4]

Экономисты разделяют факторы, под действием которых формируется  нерегулярная компонента, на 2 вида:

• факторы резкого, внезапного действия;

• текущие факторы. [5]

 

Факторы первого вида (например, стихийные  бедствия, эпидемии и др.), как правило, вызывают более значительные отклонения. Иногда такие отклонения называют катастрофическими  колебаниями.

Факторы второго вида вызывают случайные колебания, являющиеся результатом действия большого числа побочных причин. Влияние каждого из текущих факторов незначительно, но ощущается их суммарное воздействие.

Если временной ряд представляется в виде суммы соответствующих  компонент, то полученная модель носит название аддитивной, если в виде произведения — мультипликативной.[3]

• Сглаживание временных рядов

 

Распространенным приемом при  выявлении и анализе тенденции  развития является сглаживание временного ряда. Суть различных приемов сглаживания сводится к замене фактических уровней временного ряда расчетными уровнями, которые в меньшей степени подвержены колебаниям. Это способствует более четкому проявлению тенденции развития.