Кількісні методи прогнозування

Прогнозування — процес передбачення майбутнього стану, перспектив змін певного явища чи процесу.

Мета прогнозування — отримання науково обґрунтованих варіантів тенденцій розвитку показників, що характеризують відповідні явища та процеси і впливають на прийняття управлінського рішення та на управління організації в цілому.

Економічне прогнозування можна зарахувати до основних галузей прогнозування. Його результати використовуються для розробки управлінських рішень в інвестиційній, маркетинговій, збутовій та інших сферах діяльності. Оскільки будь-яке управлінське рішення за своєю суттю прогнозне, то прогнозування створює фундаментальну основу управлінської діяльності в будь-якій сфері. Роль прогнозування в менеджменті нерозривно пов'язана з роллю прийняття рішень, а прийняття управлінських рішень — вузлова процедура циклу управління в діяльності менеджерів усіх рівнів. Нерозривний зв'язок рішення і прогнозування пояснюється тим, що ще до прийняття рішення необхідно: отримати інформацію, обробити її, провести аналіз, подати у зручній формі. Прогнозування відбувається одночасно на базі: інтуїтивної інформації з використанням уяви; предметної інформації та логіки; кількісних даних і математичних методів.

На практиці використовують різні методи прогнозування. На вибір методу впливають, зокрема, такі фактори: — форма прогнозу;

— період прогнозування;

— доступність, відповідність і придатність даних;

— точність прогнозу;

— особливості об'єкта прогнозування;

— витрати на прогнозування.

Методи прогнозування мають відповідати таким вимогам: поєднання суб'єктивної цінності й об'єктивної значущості оцінок; чітке застосування оцінок, яке не допускає різних тлумачень щодо вибору методів; можливість накопичення статистичної інформації та її використання для прогнозування.

Кількісні методи базуються на інформації, яку можна одержати, знаючи тенденції зміни параметрів або маючи статистично достовірні залежності, що характеризують виробничу діяльність об'єкта управління. Прикладами цих методів є аналіз часових рядів, причинно- наслідкове (каузальне) моделювання тощо.

Розглянемо кількісні методи прогнозування більш детально.

1. Аналіз часових рядів. Часові ряди бувають моментні й інтервальні.

Для прогнозування з використанням аналізу часових рядів потрібна достатня кількість інформації в минулому для передбачення майбутнього стану. Попередня інформація дає можливість визначення тенденції розвитку процесу.

Методи прогнозування на основі аналізу часових рядів не можуть ураховувати деякі втручання ззовні в процес з можливими випадковими чи невипадковими відхиленнями. Чим більше даних і менший період прогнозу, тим точніший прогноз.

Для аналізу часових рядів використовують методи: 1) плинної середньої та зваженої плинної середньої; 2) експоненціального згладжування; 3) екстраполяції на основі аналітичних показників; 4) екстраполяції тренду.

Метод плинної середньої. Ґрунтується на ідеї обчислення середньої величини для проміжку, який є сумою кількох послідовних проміжків із заданими на їх кінцях рівнями ряду. Новий ряд, рівні якого — це певним чином усереднені значення рівнів вихідного ряду, має менші відхилення від закономірних значень досліджуваного показника.

Метод експоненціального згладжування. Сутність методу полягає в тому, що кожний елемент часового ряду згладжується за допомогою зваженої плинної середньої, причому її вага зменшується в міру віддалення від кінців ряду

Метод екстраполяції тренда.

Тренд — це тенденції зміни певного показника в часі. При екстраполяції тренда за допомогою рядів динаміки виконують такі етапи: роблять попередній аналіз даних, формулюють набір моделей, оцінюють їх параметри, перевіряють їх адекватність, вибирають найкращу модель, роблять точкове та інтервальне прогнозування, виконують верифікацію прогнозу.

Особливості прогнозування за трендом:

— прогнозування за трендом припустиме зі збереженням основної тенденції та умов розвитку і неприпустиме в разі настання стрибкоподібних, революційних змін;

— прогноз на основі трендів охоплює всі фактори в неявному й узагальненому вигляді (на відміну від багатофакторної регресійної моделі, де кожен фактор має числову характеристику міри свого власного впливу).

2. Каузальні методи прогнозування використовуються тоді, коли прогнозована величина залежить від великої кількості складних факторів, які можна використовувати тільки за наявності обчислювальної техніки та відповідного програмного забезпечення (наприклад, пакетів: Statistica, SPSS, Excel, Mathcad, Mathlab, Maple тощо).

Каузальні методи прогнозування поділяються на такі:

1) багатовимірні регресійні моделі, які є узагальненням вищенаве- деного методу проекціювання тренда, коли враховується не один, а кілька факторів і залежності можуть бути як лінійні, так і нелінійні;

2) економетричні моделі — це складні моделі, які враховують велику кількість параметрів і розв'язуються як екстремальні задачі або зводяться до розв'язання великих систем лінійних або нелінійних рівнянь;

3) комп'ютерна імітація.

Дата добавления: 2015-12-07