Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АрхитектураБиологияГеографияДругоеИностранные языки
ИнформатикаИсторияКультураЛитератураМатематика
МедицинаМеханикаОбразованиеОхрана трудаПедагогика
ПолитикаПравоПрограммированиеПсихологияРелигия
СоциологияСпортСтроительствоФизикаФилософия
ФинансыХимияЭкологияЭкономикаЭлектроника

Краткая характеристика основных методов прогнозирования

Индикаторы технологической конкурентоспособности на 2002 г. | Выход макроэкономического регулирования за национальные рамки | Методология многосекторного программирования 1 страница | Методология многосекторного программирования 2 страница | Методология многосекторного программирования 3 страница | Методология многосекторного программирования 4 страница |


Читайте также:
  1. I. КРАТКАЯ ХАРАКТЕРИСТИКА ПРОЕКТИРУЕМОГО ОБЪЕКТА
  2. I. Общая характеристика диссертационного исследования
  3. I. Общая характеристика образовательного учреждения.
  4. I. Общая характеристика учреждения.
  5. II. Характеристика заданий
  6. II. ХАРАКТЕРИСТИКА НАЧАЛА ХХ СТОЛЕТИЯ
  7. А. Общая характеристика несущего винта

К середине 90-х годов было разработано уже достаточно много различных методов, применявшихся с той или иной долей успеха к различным задачам социально-экономиче­ского прогнозирования. Часть этих методов хорошо форма­лизована и опирается на применение известного математи­ческого аппарата. Другие методы находятся на грани между наукой и искусством, ставят цель мобилизовать интуицию и другие подсознательные ресурсы и возможности человека. Наконец, существуют методы, целью которых является не столько получение каких-то конкретных оценок, сколько достижение согласованной позиции по видению будущего у группы участвующих в работе экспертов, влияющих на про­цесс принятия решений о распределении ресурсов на цели развития общества.

Гениальное предвидение

Этот метод основан на сочетании интуиции экспертов и определенного везения. Примером его применения в ка­кой-то мере может служить научная фантастика. Основная трудность заключается в том, что практически невозможно отличить хороший и плохой прогнозы до тех пор, пока не наступило время их осуществления. По этой причине дан­ный метод целесообразно применять в сочетании с другими методами прогнозирования (методом Дельфи, «мозговым штурмом» и др.)

Экстраполяция тенденций

В рамках этого метода изучаются тенденции и циклы наблюдавшихся показателей, которые экстраполируются на будущее с помощью математических методов. В основе дан­ного подхода лежит предположение о том, что будущее формируется под влиянием тех же сил, которые играли оп­ределяющую роль в прошлом. Основная область его применения — это краткосрочное прогнозирование. При построе­нии прогнозов на среднесрочную и долгосрочную перспек­тиву дисперсия (допустимый разброс) экстраполируемых показателей увеличивается так быстро, что использовать математическое ожидание (наиболее вероятное значение) конкретного количественного показателя становится с практической точки зрения совершенно бессмысленно.

Важнейшее значение для выбора данного метода играет стабильность условий на протяжении достаточно большого отрезка времени, охватывающего как наблюдавшийся в прошлом, так и прогнозируемый отрезок времени (сущест­вование «инерции развития»). В качестве примера области, для которой существование подобной инерции подтверждается практикой, можно назвать динамику энергопотребле­ния (с учетом сезонных трендов). С другой стороны, прак­тически не наблюдается такой инерции в области моды. Что касается новых отраслей промышленности или новых тех­нологий, то говорить для них о наличии или отсутствии инерции, по мнению зарубежных специалистов, не имеет смысла из-за коротких интервалов наблюдения. Применение методов экстраполяции при построении прогнозов будет в этом случае малооправданным.

На практике применению экстраполяционных методов предшествуют взвешенное сглаживание данных и их декомпозиция с целью выделения основного тренда и его отделе­ния от сезонных и случайных компонентов.

Методы моделирования

Для изучения и прогнозирования поведения сложных систем нередко используются методы математического моделирования, основанные на аналогиях. Примером могут служить разнообразные логистические кривые с асимптотическими пределами роста (S-образные кривые). Зная примерно точку, в которой находится изучаемый процесс на построенной S-образной кривой, можно судить о том, на­сколько он далек от фазы насыщения. Методологическую трудность представляет определение этой точки и обосно­вание выбора используемой зависимости.

Другим, более широко применяемым на практике при построении социальных прогнозов математическим мето­дом прогнозирования является множественный регрессион­ный анализ. В отличие от простой экстраполяции тенден­ции этот метод позволяет учитывать связь прогнозируемой переменной с другими переменными, характеризующими состояние изучаемой системы.

Третий метод математического моделирования опирает­ся на разработки из области теории игр. Искусственно соз­дается ситуация, при которой эксперт или компьютер дей­ствуют в рамках заранее установленной для них роли или набора правил поведения. В зависимости от изменения ок­ружающих условий и результатов переработки поступаю­щей сложной и порой противоречивой информации эксперт или компьютер принимает те или иные решения, которые могут служить ориентиром при прогнозировании поведе­ния других факторов в аналогичных условиях.

Метод, основанный на построении матрицы взаимного влияния

Многие прогнозируемые события взаимосвязаны, и по­явление одного из них влияет на вероятность появления других событий. Для того чтобы учесть это влияние, стро­ится матрица вероятностей наступления определенного со­бытия одновременно с другим событием или при отсутст­вии оного. Один из позитивных моментов использования этого подхода состоит в том, что прогнозисту приходится более тщательно исследовать взаимосвязи между различ­ными элементами изучаемой системы

Метод написания сценариев

В настоящее время данный метод становится одним из самых распространенных при построении долгосрочных прогнозов развития сложных систем в отсутствие необхо­димых для этого более надежных данных. Обычно предпо­лагается три возможных сценария развития событий: опти­мистичный, пессимистичный и наиболее вероятный, кото­рый находится где-то между двумя крайними случаями. От­талкиваясь от этих сценариев, лицо, ответственное за принятие решения, должно определить возможные послед­ствия при развитии событий по пессимистичному сцена­рию, приемлемость наиболее вероятного сценария и спо­собность извлечь выгоду в случае наступления оптимистич­ного сценария.

Построение «дерева целей» (решений)

Первоначально метод построения «дерева целей» применялся для иллюстрации структурных взаимосвязей между возможными решениями и действиями изучаемого объекта в условиях альтернативного выбора. Использование компьютеров позволило строить очень сложное «дерево целей», состоящие из многих подсистем и учитывающее многочисленные обратные связи между ними. Метод широко используется в практике принятия решений при наличии ясных альтернатив и представлений об их полезности (например, через сопоставления выгод и рисков тех или иных решений).

Методы, основанные на выработке согласованных суждений

При прогнозировании развития сложных систем широко практикуется привлечение большого числа экспертов. Их мнения по рассматриваемому вопросу часто не совпадают и могут даже быть диаметрально противоположными. Чтобы уменьшить эти расхождения и повысить точность прогно­зов, применяются методы, способствующие достижению со­гласия экспертов.

Простейший вариант этого метода заключается в том, что экспертов собирают вместе и предлагают выработать общую точку зрения. Как отмечают зарубежные специали­сты, этот подход нельзя назвать оптимальным из-за того, что на конечный результат могут повлиять групповые пред­почтения или полемические способности отдельных участников.

Устранить эти проблемы позволяет использование метода Дельфи. В этом случае каждый привлекаемый эксперт действует в общей команде на квазианонимных условиях. Схематически это выглядит примерно следующим образом. В ходе первого опросного тура экспертов просят предста­вить свой прогноз по интересующему вопросу. Полученные результаты доводятся до сведения каждого участника. Их просят прокомментировать крайние точки зрения и под­твердить и обосновать или изменить после знакомства с другими ответами свое собственное мнение. После этого процедура опроса повторяется еще несколько раз до тех пор, пока не достигается приемлемое для организаторов совпадение прогнозов.

Комбинированные методы

Очевидно, что ни один из известных методов не подхо­дит для всех возможных ситуаций, которые могут возник­нуть в практике прогнозирования будущего. В этой связи целесообразно применять несколько различных методов, что способствует на практике повышению точности прогно­зов. Однако рецептов для определения оптимального набо­ра таких методов не существует. Известно лишь, что попытки объединения количественных и качественных прогнозов иногда приводили в итоге к снижению их точности. С самых общих позиций желательно, чтобы недостатки одних методов компенсировались преимуществами других.

«Форсайт» как разновидность методов, основанных на выработке согласованных суждений

Широкое распространение в разных странах получил в последние годы метод «Форсайт», увязывающий алгоритмы самых разных методов прогнозирования (метода Дельфи, написания сценариев и пр.) с общими подходами к управле­нию социально-экономическим развитием общества и инте­ресами национального бизнеса. Цель применения метода «Форсайт» в самом широком смысле — это достижение наи­более полного согласия экспертного сообщества по вопросам социально-экономического и научно-технологического развития. Одна из характерных особенностей этого подхода состоит также в том, что его конкретное наполнение диктуется внутренними возможностями и потребностями разви­тия каждого конкретного государства.

В Японии, которая была одним из пионеров организации подобных исследований, первый 30-летний технологиче­ский прогноз был разработан Агентством по науке и техни­ке еще в 1970 г. с целью обеспечить правительство и част­ный сектор общим видением перспектив науки и техники, что представлялось совершенно необходимым для выработ­ки согласованных политических, экономических и науч­но-технических решений в рассматриваемой области. Для этого с помощью метода Дельфи были опрошены несколько тысяч экспертов. С тех пор такие прогнозные исследования проводятся на регулярной основе с периодичностью в пять лет (табл. 16.1).

Проведенный несколько лет назад опрос промышленных компаний о ценности подобных технологических прогнозов показал, что из 250 респондентов 59% оценивают их как «очень важные» и еще 35% — как «заслуживающие внима­ния». Результаты прогнозов используются чаще всего для «планирования НИОКР и бизнес-проектов» (72%) и «ана­лиза среднесрочных технологических трендов» (61%)\

Проверка результативности первого прогноза, выпол­ненного в 1970 г., показала, что в течение следующих 20 лет полностью или частично оправдались 64% сделанных оце­нок. Вместе с тем японские специалисты видят ценность методологии «Форсайт» даже не столько в достоверности получаемых оценок и принимаемых на основе прогнозов управленческих решений, сколько в самом процессе выра­ботки согласованных оценок.

1 Martin Ben R. Technology Foresight in a Rapidly Globalising Economy. SPRU, Univ. of Sussex.

Таблица 16.1


Дата добавления: 2015-08-10; просмотров: 109 | Нарушение авторских прав


<== предыдущая страница | следующая страница ==>
Основные этапы становления и развития зарубежных прогностических исследований| Прогнозирование технологий как фактора экономического роста и социального развития

mybiblioteka.su - 2015-2024 год. (0.007 сек.)