Прогнозирование экономических процессов

из "Математическое моделирование в экономике "

Экономико-математическое моделирование в настоящее время — один из основных инструментов экономического анализа. Под инструментом здесь понимается не только конкретное использование экономико-математических методов и моделей и соответствующих технических средств для их реализации, но и непосредственно сам методологический подход, как бы взгляд на экономические процессы и явления, на их внутреннюю структуру, свойства, развитие с точки зрения аппарата математического моделирования. Использование экономико-математических методов и моделей позволяет получить новые качественные выводы об экономических процессах и явлениях. [c.281]
Экономическое прогнозирование (ЭП) — это процесс разработки экономических прогнозов, основанных на научных методах познания экономических явлений и использования всей совокупности методов, средств и способов экономической прогностики. В то же время ЭП является частью прогностики — прикладной научной дисциплины, изучающей закономерности и способы разработки прогнозов развития объектов любой природы. ЭП в качестве объекта рассматривает процесс конкретного расширения воспроизводства, а в качестве предмета — познание возможных состояний функционирующих экономических объектов в будущем, исследование закономерностей и способов разработки экономических прогнозов. [c.282]
Системность ЭП определяет анализ явления как единого целого и как совокупности относительно самостоятельных направлений прогнозирования. Практическая реализация этого принципа предполагает создание моделей, которые соответствовали бы содержанию каждого отдельного блока и, одновременно, позволяли бы построить целостную картину развития объекта в будущем. [c.283]
Адекватность означает максимальное приближение теоретической модели к устойчивым, существенным закономерностям. Она предполагает учет реальных процессов, т. е. необходимость оценки сложившихся и возможных отклонений от господствующих тенденций, определение возможной области рассеивания, что эквивалентно оценке вероятностной реализации выявленной тенденции. На практике это означает, что построенные модели должны быть сначала проверены с точки зрения их способности имитировать уже сложившиеся тенденции. [c.283]
Названные принципы лежат в основе конкретных методов ЭП. Методом прогнозирования называется способ исследования объекта прогнозирования, направленный на разработку прогнозов. Модель прогнозирования представляет собой модель исследуемого объекта, записанную в математической форме. Она должна позволить получить информацию о возможных состояниях объекта в будущем и (или) путях и сроках их осуществления. При построении прогнозной модели может быть использован один или несколько методов. Например, при построении линейной модели (уравнение прямой) могут быть использованы методы средних, двух точек, наименьших квадратов, экспоненциального сглаживания, гармонических весов, эволюции и др. [c.284]
Последнее предположение обусловливает целесообразность использования статистических методов прогнозирования, которые при необходимости могут дополняться и другими методами (аналогий, экспертных оценок и т. д.), что подтверждается практикой. Так, например, в банковской деятельности ежедневные денежные потоки формируются под влиянием определенных закономерностей (запланированные платежи), а также необязательных, а.порой и непредвиденных поступлений или платежей. [c.284]
Таким образом, ЭП требует глубокого анализа и учета объективных экономических законов общественного развития, конкретного экономического анализа исследуемого объекта, наличия достоверной количественной информации о прошлом развитии, технических и программных средствах реализации методов прогнозирования, а также практических навыков по их использованию. [c.286]
Основной формой представления информации о динамике экономических показателей являются временные ряды (ВР) наблюдений. ВР, состоящий из N уровней Y(l), Y(2),. ..Y(N), может быть записан в компактной форме Y(t), t=l,2...N, где t- порядковый номер наблюдения. Формально задача прогнозирования сводится к получению оценок значений ряда на некотором периоде будущего, т. е. к получению Y (t) в момент времени t=N+l,N+2... При использовании методов экстраполяции исходят из предположения о сохранении закономерностей прошлого развития на периоде прогнозирования. [c.286]
Основная цель статистического анализа временных рядов — изучение соотношения закономерности и случайности в формировании значений уровней ряда с оценкой количественной меры их влияния. Закономерности, объясняющие динамику показателя в прошлом, могут быть использованы для прогнозирования его значений в будущем, а учет случайности позволяет определить вероятность отклонения от закономерного развития и их возможную величину. [c.287]
Формирование уровней ряда определяется закономерностями трех основных типов тенденцией среднего, тенденцией взаимосвязи между последовательными уровнями ряда и тенденцией взаимосвязи между исследуемым показателем и показателями-факторами, оказывающими на него воздействие. Соответственно различают задачи анализа и моделирования тенденций, причинных взаимодействий между последовательными уровнями ряда, причинных взаимодействий между исследуемым показателем и показателями-факторами. Первая из них решается с помощью моделей кривых роста, вторая — с помощью адаптивных методов и моделей, третья — на основе эконо-метрического моделирования, базирующегося на методах корреляционно-регрессионного анализа. [c.287]
Отражает ли эта модель закономерность изменения исследуемого показателя, иными словами, можно ли полученные значения Yp(t) рассматривать как тенденцию Для ответа на этот вопрос оценим качество модели, или ее адекватность исследуемому процессу. Адекватность характеризуется выполнением определенных статистических свойств и точностью, т. е. степенью близости к фактическим данным. Модель считается хорошей со статистической точки зрения, если она адекватна и достаточно точна. [c.289]
В рассматриваемом примере = 0 (см. табл. 5.1.1), поэтому гипотеза о равенстве математического ожидания значений остаточного ряда нулю выполняется. [c.291]
В табл. 5.1.2 в третьей графе для первого и последнего наблюдения проставим прочерк, ноль — если точка неповоротная, и единицу, если она поворотная. В нашем примере количество поворотных точек равно трем (р=3), неравенство (6.1.7) выполняется, следовательно, свойство случайности выполняется. [c.291]
ЕтЫ — минимальный уровень ряда остатков SE — среднее квадратичное отклонение. [c.292]
В нашем примере Е = 3,9 и Е. =-3,5. а размах 7,4. [c.292]
Расчетное значение попадает в интервал. Следовательно, свойство нормальности распределения выполняется, что позволяет строить доверительный интервал прогноза. [c.293]
Величина менее 5% свидетельствует о хорошем уровне точности модели (ошибка до 15% считается приемлемой). [c.293]

Вернуться к основной статье