Важную роль в сборе информации приобретают плановый аппарат, в том числе центральный плановый отдел (служба) и плановые отделы отделений. В прогнозировании спроса в широких масштабах используются такие сложные количественные методы, как экономические модели и машинное моделирование, а также менее сложные экстраполяция временных рядов, экспертные оценки. Обычно компания рассчитывает на риск по всем видам производимой продукции, однако для обеспечения устойчивости компании особое внимание обращается на снижение уровня колебания совокупной прибыли всей фирмы. Отсюда стремление к выравниванию колебаний прибыли по разным видам продукции. [c.114]
Экстраполяция временного ряда [c.424]
ЭКСТРАПОЛЯЦИЯ ВРЕМЕННОГО РЯДА [c.424]
Экстраполяция временного ряда 424 [c.497]
Методы экстраполяции временных рядов, конечно, пригодны и для краткосрочных прогнозов тепловых нагрузок. При этом надо иметь в виду, что в течение суток они подвержены меньшим колебаниям, чем электрические, а регулирование режимов в СЦТ отличается большей инерционностью. Поэтому минимально необходимый горизонт прогнозирования здесь должен быть повышен, вероятно, до недельного срока (с оценкой ожидаемых пиковых суточных нагрузок). [c.405]
Метод прямого счета (нормативный) предполагает предварительное раздельное прогнозирование удельных расходов электроэнергии и тепла, исчисленных на единицу продукции в натуральном или стоимостном выражении, единицу работы, одного жителя и соответствующих объемов продукции, работ, численности населения. Определение удельных расходов энергии может основываться на выборе технологий, а в ряде случаев и на экстраполяции. Оценку экономических показателей получают также путем экстраполяции временных рядов (тренда). [c.406]
Главы 3-9 посвящены технологии моделирования процедур принятия маркетинговых решений. Здесь раскрывается сущность методологии исследований товарных рынков и продукции, выпускаемой фирмой, причем особое внимание уделяется оценке конкурентоспособности товара. Предлагаются модели количественной оценки и анализа привлекательности товарных рынков, что дает возможность менеджерам произвести оправданный выбор новых рынков или же осуществить ревизию тех, на которых фирма уже работает. Даны методические рекомендации по определению стратегических позиций и выбору направлений деятельности фирмы на базе матричных моделей, что позволяет выработать рациональную товарную политику. Рассматриваются основные модели планирования в маркетинге в условиях определенности, неопределенности и риска. С позиций системного подхода приводятся модели и методы решения таких важнейших задач управления как прогнозирование спроса на товар и установление цен. Методы прогнозирования спроса классифицированы на три группы экстраполяция временного ряда, экономико-математическое моделирование и комбинированные методы. При этом акцент сделан на комбинированные методы, которые учитывают отдельные прогнозы, основанные на неадекватных посылках и использующие разнообразную информацию. Комплекс моделей расчета базовой цены товара основывается на структурированном графе взаимосвязи элементов системы ценообразования, связывающем в единое целое цели фирмы, политики, подходы к ценообразованию и конкретные методики расчета цен. Подробно рассматривается процедура моделирования сложного многоэтапного процесса принятия решений при выводе на рынок новых товаров. Методика поиска оптимального решения учитывает как [c.9]
Определение тенденции временных рядов. Выявление тенденций изменения экономического явления во времени (или выравнивание динамического ряда) является наиболее простым методом количественного анализа и прогноза динамики явления. Экономическое явление рассматривается здесь как функция от времени. Закономерности изменения изучаемого явления во времени, установленные на базе фактических данных, в данном случае распространяются на прогнозируемый период. Однако метод экстраполяции действующей временной тенденции можно считать оправданным и эффективным только в том случае, если прогнозируемый [c.53]
Анализ временных рядов. Используется для учета временных колебаний объема продаж продукции (работ, услуг). Включает метод экстраполяции, анализ сезонности, анализ цикличности. Метод экстраполяции заключается в распространении выводов, полученных из наблюдений за объемом продаж в течение выбранного периода времени, на будущее. Например, анализ тенденции изменения продаж с 1994 по 1999 г. будет являться базой для определения объема продаж на прогнозируемый период. [c.262]
Методы экстраполяции и интерполяции тенденций развития. Основу экстраполяции составляет анализ временных рядов, представляющих собой упорядоченные во времени наборы измерений основных характеристик исследуемого объекта. К методам прогностической экстраполяции относятся экстраполяция тренда, экстраполяция огибающих кривых, корреляционные зависимости и др. Трендом называют аналитическое или графическое представление изменения переменной во времени, полученное в результате выделения регулярной (систематический) составляющей динамического ряда. Временная последовательность ретроспективных значений переменной объекта прогнозирования называется динамическим рядом. Временной ряд yt по признаку определенности состоит из детерминированной (xt) и стохастической (1/) составляющих, т. е. yt = xt+ %(. [c.21]
В качестве основного метода экстраполяции используется анализ временных рядов, отдельных и нескольких взаимосвязанных. Исследование временных рядов и их взаимосвязей осуществляется с помощью корреляционного и регрессионного анализа. При этом предусматривается использование электронно-вычислительной техники, номограмм, Математических и статистических таблиц. [c.7]
При прогнозировании методом экстраполяции трендов применяются по возможности однородные статистические временные ряды показателей абсолютного потребления электроэнергии или одной из производственных относительных величин (электроемкости продукции, электровооруженности труда, душевого потребления и т.д.). [c.198]
Временные ряды помимо простой экстраполяции могут использоваться также в целях более глубокого прогнозного анализа — например, объема продаж. Целью анализа в данном случае является разложение временного ряда продаж на главные компоненты, измерение эволюции каждой составляющей в прошлом и ее экстраполяция на будущее. В основе метода лежат идеи стабильности причинно-следственных связей и регулярности эволюции факторов внешней среды, что и делает возможным использование экстраполяции. Метод состоит в разложении временного ряда на пять компонент [c.207]
Временные ряды — группа методов, позволяющих производить экстраполяцию данных предыдущих периодов на будущее. [c.141]
Прогнозы и предсказания динамика окружения организации динамика параметров рынка динамика параметров организации сценарий развития нормативный метод анализ временных рядов, экстраполяция тенденций, анализ критических связей операционные исследования, имитационные модели методы экспертных оценок Дельфы. мозговой атаки и др. [c.19]
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]
В ряде случаев используется только несколько последних точек временного ряда. Если их две — экстраполяция сводится к проведению через них прямой и называется линейной. [c.424]
Во многих случаях перед экстраполяцией бывает необходимо провести выравнивание временных рядов в целях устранения нехарактерных для них отклонений. Среди наиболее распространенных методов решения этой задачи —. метод наименьших квадратов. [c.424]
Изолированная экстраполяция временных тенденций Анализ статистических данных, характеризующих процесс развития объекта прогноза в прошлом, представленных в виде временных рядов, и на этой основе установление тенденций развития объекта прогноза вне связи с динамикой других объектов [c.138]
Анализ временных рядов необходим для учета временных колебаний величины продаж товара. Он включает анализ тенденций (экстраполяция трендов), анализ цикличности и анализ сезонности. [c.297]
Сущность методов экстраполяции состоит в том, что, анализируя изменение отдельных параметров разрабатываемых продуктов в прошлом и исследуя факторы, обусловливающие эти изменения, можно сделать выводы о закономерностях развития и путях совершенствования техники в будущем. В научно-техническом прогнозировании принято выделять два вида задач, решаемых методами экстраполяции задачи динамического и статического анализа. В динамической задаче главным и единственным фактором развития выступает фактор времени. В этом случае прогноз развития научного направления или вида техники составляется на основе тщательного анализа временных рядов, отражающих изменение того или иного прогнозируемого параметра во времени. Например, анализируется изменение во времени таких параметров, как мощность, [c.48]
Первым этапом экстраполяции тренда является выбор оптимального вида функции описывающей эмпирический ряд. Для этого проводится предварительная обработка и преобразование исходных данных с целью облегчения выбора вида тренда путем сглаживания и выравнивания временного ряда, определения функции [c.328]
Во-вторых, известны определенные внутренние закономерности развития внешней среды. В этом случае требуется описать закономерности, которые будут действовать в будущем, и перенести влияние их на период реализации принятого решения. В этом исследователю в первую очередь помогут математические методы обработки временных рядов — экстраполяция тренда, а также циклических и сезонных колебаний временного ряда. [c.67]
Обычно при прогнозе на сутки определяются ожидаемая почасовая нагрузка, а также пиковая нагрузка и суммарное суточное потребление электроэнергии в обслуживаемом районе. Для таких задач наибольшее распространение получили линейные регрессионные модели, основанные на анализе временных рядов, а также в последнее время - более совершенные - адаптивные обучаемые нелинейные модели, создаваемые на принципах искусственных нейронных сетей . Эти инструменты прогнозирования образуют широкий класс методов экстраполяции. [c.405]
Для уменьшения ошибок прогноза, выполняемого подобными методами экстраполяции, модифицируют технологию формирования временных рядов. Например, принимается условие, что нагрузка в любой рабочий день определяется нагрузкой в предыдущий и последующий рабочие дни и аналогична нагрузке в те же дни предыдущей недели. Таким образом, для прогноза нагрузки на понедельник строится временной ряд, состоящий из почасовых нагрузок понедельников и вторников, для прогноза на вторник - понедельников, вторников и сред и т.д. Как недостатки этих методов следует отметить неважные по точности результаты для праздничных и выходных дней, а также отсутствие адаптивных возможностей, необходимых, в частности, для учета изменения погодных условий. [c.405]
В методическом плане основным инструментом прогноза является экстраполяция. Формальная экстраполяция базируется на предположении о сохранении в будущем прошлых и настоящих тенденций развития спроса. Производится изучение временных рядов динамики спроса (ретроспективный анализ), а затем подбор аппроксимирующей функции. Составление прогноза по построенной модели заключается в вычислении спроса по заданным значениям факторов и времени. Однако в маркетинге использование метода экстраполяции должно производиться [c.118]
Среди математических методов прогнозирования в особую группу выделяются методы экстраполяции, которые отличаются простотой, наглядностью и легко реализуются на ЭВМ. Методологическая предпосылка экстраполяции состоит в признании преимущественной связи между прошлым, настоящим и будущим. При этом развитие экономических явлений наиболее полно находит свое отражение во временных рядах, которые представляют собой упорядоченные во времени наборы измерений каких-либо характеристик исследуемого объекта, процесса. Поэтому независимая переменная для временного ряда, это, как правило, календарные равные отрезки времени (год, квартал, месяц и т. д.). Основной чертой, выделяющей временные ряды среди других видов статистических данных, является существенность порядка, в котором производятся наблюдения. [c.159]
Конечной целью статистического анализа временных рядов является прогнозирование будущих значений исследуемого показателя. Такое прогнозирование позволяет, во-первых, предвидеть будущие экономические реалии, во-вторых, проанализировать построенную регрессионную модель на устойчивость (т.е. ее применимость в изменяющихся условиях). Прогнозирование можно осуществлять либо на основе выявленных закономерностей изменения самого исследуемого показателя во времени и экстраполяции его прошлого поведения на будущее либо на основе выявленной зависимости исследуемого показателя от других экономических факторов, будущие значения которых контролируемы, известны или легко предсказуемы. [c.293]
Методы экстраполяции используют только ретроспективные данные по ряду показателей. Наиболее популярные, недорогие и эффективные методы основаны на экспоненциальном сглаживании, которое реализует успешный принцип Наиболее свежая информация обладает большим весом . Другой принцип экстраполяции — использование длинных временных рядов для разработки трендовой [c.353]
Первым этапом экстраполяции тренда является выбор оптимального вида функции, описывающей эмпирический ряд. Для этого проводится предварительная обработка и преобразование исходных данных с целью облегчения выбора вида тренда путем сглаживания и выравнивания временного ряда. Следующим этапом является расчет параметров выбранной экстраполяционной функции. [c.119]
Диверсифицированные компании ведут поиск более широко, силами плановых отделов СХЦ - тоже. Большое значение приобретает информация о новых видах продукции, поскольку у предприятий такого типа ЕЮЗМОЖНОСТИ обновления номенклатуры продукции шире. В прогнозировании спроса на продукцию чаще используются менее сложные методы — экстраполяция временных рядов и экспертные оценки. [c.80]
При прогнозировании бюджета возможны различные варианты, иногда оно выполняется экстраполяцией прошлого опыта. В сущности, это прогнозирование от достигнутого результата. Лица, получившие хорошее математическое образование, критикуют так называемый метод трех точек, когда данные за три предыдущих года (месяца, дня) экстраполируются на следующую дату, полагая, что чем больше исходная совокупность, тем точнее будет прогноз. Они пытаются взять данные не за три года (месяца, дня), а за п лет. По этому поводу следует заметить, что, и это очень хорошо обосновано в книге, "прошлое, — как говорит автор, — доминирует над будущим" (гл. 12), и, следовательно, чем больше будет временной ряд, тем больше это прошлое будет доминировать над будущим. Поэтому "три точки" — это наименее плохой вариант для экстраполяции, но сама экстраполяция весьма сомнительна (даже по трем точкам). Дело в том, что подобные расчеты хорошо делать тогда, когда "испытания независимы", т.е. если каждое значение, допустим величина продаж, не зависит от предыдущего. Но на практике, как правило, если в одном периоде продали много, то очень может быть, в следующем не продадут больше (насыщение спроса). [c.935]
Перспективный анализ прибыли имеет целью выявление наиболее устойчивых закономерностей и тенденций в предшествующем периоде, прогнозирование на их основе показателей на перспективу, выбор альтернатив развития, выработку практических рекомендаций по определению наилучшего варианта развития предприятия. Рассмотрим некоторые практические аспекты использования для перспективного анализа прибыли метода непосредственной экстраполяции корреляционно-регрессионного метода. Метод непосредственной экстраполяции - наиболее простой способ прогноза. Его рекомендуется использовать, если имеется однородная и обширная по объему исходная информация, т. е. достаточно длинный временной ряд. Экстраполяция основана на изучении динамики изменения экономического явления (показателя) в предпрогнозном периоде и перенесения выявленной закономерности на будущее. Достоинство метода состоит в его универсальности, а недостаток - в необходимости проведения большого числа наблюдений, что ведет к снижению достоверности прогноза с увеличением срока его упреждения. [c.126]
Начнем с этапа погружения. Как мы сейчас убедимся, несмотря на то, что предсказания, казалось бы являются экстраполяцией данных, нейросети, на самом деле решают задачу интерполяции, что существенно повышает надежность решения. Предсказание временного ряда сводится к типовой задаче нейроанализа - аппроксимации функции многих переменных по заданному набору примеров - с помощью процедуры погружения ряда в многомерное пространство (Weigend, 1994). Например d -мерное пазовое пространство ряда X, состоит из [c.149]
Таким образом, этот подход основан на предположении, что временной ряд имеет некоторую математическую структуру (которая, например, может быть следствием физической сути явления). Эта структура существует в так называемом фазовом пространстве, координаты которого — это независимые переменные, описывающие состояние динамической системы2. Поэтому первая задача, с которой придется столкнуться при моделировании — это подходящим образом определить фазовое пространство. Для этого нужно выбрать некоторые характеристики системы в качестве фазовых переменных. После этого уже можно ставить вопрос о предсказании или экстраполяции. Как правило, во временных рядах, полученных в результате измерений, в разной пропорции присутствуют случайные флуктуации и шум. Поэтому качество модели во многом определяется ее способностью аппроксимировать предполагаемую структуру данных, отделяя ее от шума. [c.54]
Прогнозирование средней фондоемкости целесообразно осуществлять в два этапа. На первом, используя методы экстраполяции по данньм временных рядов и учитывая современное состояние, тенденции развития, оценку инерции развития отрасли, материалы плана на 1971-1975 гг., разрабатывается прогноз средней фондоемкости на 1980 г. На втором этапе прогнозируется фондоемкость на 1985 г. и 1990 г. Прогнозирование средней фондоемкости на эти годы связано с определенными трудностями, которые возникает в связи с относительным совращением объема информации, повышением степени свободы выбора вариантов, а также с уменьшением возможности использования методов прогнозирования, опирающихся на тенденции развития и их экстраполяцию (по выявленным трендам, способу экспоненциального сглаживания, методу конечных разностей и др.). Последнее объясняется тем, что методы экстраполяции позволяет описать будущее лишь при сохранении известных в настоящее время тенденций. [c.153]
В анализе экономич. динамики используются модели экономич. роста, в к-рых рассматривается соотношение потребления и накопления с учётом влияния различных хоз. факторов па этот процесс. Одна из первых моделей такого тина, основанная на развитии схем воспроиз-ва Маркса, была создана сов. экономистом Г. А. Фельдманом (1928). За рубежом модели экономич. динамики, особенно для анализа капнталистич. цикла, разрабатывались Тннбергеном, Фришем, М. Калецким, Дж. Хиксом, Р. Харродом, П. Сэмюэлсоном и др. Методы Э. основаны на экстраполяции тенденций, выявленных статистич. обработкой временных рядов. Поскольку их надёжность падает с увеличением горизонта прогноза экономической динамики, приходится прибегать к экспертной оценке изменений тех или иных факторов, особенно связанных с научно-техническим прогрессом и социально-политическими условиями. [c.433]
ЭКСТРАПОЛЯЦИЯ (от лат. extra — вне и polio — приглаживаю, выправляю, изменяю) в м а т е м а-т и к е, экономике и статистике, определение но нек-рым известным значениям динами ч. ряда переменной величины её значений вне данного ряда. Э. подразделяется на ретроспективную (обращённую в прошлое) н перспективную (обращённую в будущее). Ретроспективная Э. часто используется при анализе временных рядов (напр., оценка численности мирового населения на различных этапах развития истории человеческого общества). В связи с ускорением научно-технпч. прогресса н возрастанием роли прогнозирования социально-экономнч. процессов усиливается внимание к созданию и развитию методов перспективной Э., к-рую обычно наз. просто Э. [c.562]
Поисковые прогнозы — это прогнозы, отвечающие на вопросы типа Что было бы, если .. , которые можно объединить под одним названием цепь предположений . Эти вопросы носят условно-предположительный характер. К поисковым прогнозам относится экстраполяция тенденций. Термин тенденция (нем. tendenz, лат. tendere — направляться, стремиться) в данном случае означает направление, в котором совершается развитие какого-либо явления или временной ряд какого-либо показателя (параметра). Экстраполяция тенденций означает распространение результатов, полученных из наблюдения над одной частью явления (т. е. процесса тенденции), на другую ее часть. При этом основным будет предположение, что среда (т. е. обстановка, сложившееся равновесие сил) не меняется. Другими словами, состояние процесса в недавнем прошлом является хорошей моделью этого состояния в ближайшем будущем. [c.255]
Суть метода экстраполяции тренда состоит в том, что закономерность, действующая внутри анализируемого временного ряда, выступающего в качестве базы прогнозирования, сохраняется и на период прогноза. Прогнозирование в этом случае можно свести к подбору аналитически выраженных моделей трендов типа у = f(t) по данным предпро-гнозного периода и экстраполяции полученных трендов на интервале прогноза. [c.160]
При прогаозировании, как правило, в точке прогноза оценивают математическое ожидание процесса (точечный прогноз) и величину интервала, в который с заданной вероятностью попадет прогнозируемое значение процесса (интервальный прогноз). Результаты экстраполяции наиболее надежны при кратко- и среднесрочном прогнозировании. При этом предполагается, что совокупность факторов, определявших тенденцию временного ряда в прошлом, в среднем сохранит свою силу и направление действия в течение прогнозируемого периода. [c.160]
В основе экстраполяционных методов прогнозирования лежит изучение временных рядов, представляющих собой упорядоченные во времени наборы измерений различных характеристик исследуемого объекта прогнозирования. Экстраполяция в прогнозировании предполагает, что рассматриваемый процесс изменения переменной является сочетанием двух составляющих xt - регулярной (детерминированная неслучай- [c.158]
Количественные методы экстраполяции (множественной регрессии) не используют данные временных рядов. Они предполагают использование в прогнозах причинных факторов, влияющих на временные ряды. Однако причинные факторы бывают противоположны временным рядам по динамике, и тогда в прогнозах появляются грубые ошибки (Armstrong ollopy, 1993). Хотя такие случаи встречаются редко, их результаты губительны. Тренд можно экстраполировать только в том случае, когда он совпадает с ожиданиями. [c.354]
Выбор модели прогнозирования для оценки реакции покупателей зависит от стадии жизненного цикла товара (см. УПРАВЛЕНИЕ ЖИЗНЕННЫМ ЦИКЛОМ ТОВАРА). При движении от одной фазы жизненного цикла товара к другой меняется относительная ценность альтернативных прогнозов. В основном движение происходит от чисто эвристических подходов к количественным моделям, которые используют результаты предшествующих моделей как входящую информацию. Например, представления и мнения экспертов важны на этапах разработки и создания образцов. Методы экстраполяции подойдут на ранних стадиях, если найдутся аналогичные товары ( lay amp Liddy, 1969). На последующих этапах методы экстраполяции становятся более полезными и менее дорогими, так что можно работать прямо с информацией временных рядов о продажах или заказах. Эконометрические и сегментационные методы хорошо применять, когда получен достаточный объем информации о действительных объемах продаж. [c.360]