Указания отметьте каждое событие в вашей жизни, имевшее место в предыдущем году. Сложите полученные баллы. Сумма в 150 или менее баллов означает относительно небольшое количество перемен в жизни и низкую восприимчивость к нарушениям здоровья, вызываемым стрессом в последующие два года. Сумма выше 300 увеличивает эти шансы почти до 80% в соответствии со статистической моделью прогнозирования Холмса — Раз. [c.548]
Задачи прогнозирования предопределяют и особенности многофакторной модели (по сравнению с моделью для анализа). Модель прогнозирования должна быть динамичной и отражать временные запаздывания влияния отдельных факторов на аргумент [18, 35, 47]. [c.58]
Требованиям, предъявляемым к динамическим моделям прогнозирования, полностью отвечает уравнение (26). Однако уравнения (23), (24), (25) также можно рассматривать как частные случаи модели типа (26). Модели (23), (24) могут дать вполне точные результаты прогноза при относительном постоянстве коэффициентов, характеризующих степень влияния отдельных факторов, при стабильности структуры исследуемого явления. [c.58]
JBo избежание недоразумений необходимо подчеркнуть, что авторы не пытались рассмотреть в книге все типы существующих экономико-математических моделей. В книгу включены в основном модели прогнозирования и планирования производства, поскольку они в настоящее время разработаны в достаточной степени и используются на практике. Модели функционирования экономических систем, применяемые пока в теоретических исследованиях (в том числе и обычно включаемые в учебники по математической экономике модели экономического равновесия), в книге отражены в значительно меньшей степени. [c.18]
Конечно, должны быть заданы начальные данные. В модели прогнозирования надо задать А (0) и К (0), а в модели АЗС принято считать, что система начинает функционировать с приходом первого автомобиля. [c.254]
Факторы эксперимента делятся на две большие группы количественные и качественные. Качественные факторы могут принимать конечное число значений (например, варианты АЗС). Количественные факторы могут принимать бесконечное число значений. Таким свойством обладают, например, управления sl и sa в модели прогнозирования. [c.282]
Теперь рассмотрим вопрос о том, как может планироваться эксперимент в случае количественных факторов. Пусть в модели прогнозирования экономики рассматриваются только постоянные управления — доли капиталовложений Sj и затрат на науку s2 в национальном доходе. На управления наложены ограничения s1 -f- sa U si 0. s2 = 0. В случае описательного исследования можно идти двумя путями. Во-первых, можно в области допустимых значений управлений ввести систему узлов, равномерно покрывающих эту область, а затем провести просчеты для всех значений управлений, лежащих в узлах. Таким образом, в этом подходе происходит сведение случая с количественными факторами к случаю с качественными факторами, [c.285]
Для проведения эксперимента с моделью прогнозирования можно предложить иную организацию расчетов, основанную на легкости общения человека с ЭВМ третьего поколения. Вместо построения плана эксперимента, в котором заранее указываются значения внешних воздействий в процессе проведения серии просчетов по модели, решение о выборе внешних воздействий предлагается принимать на основе анализа результатов предыдущих просчетов. При этом к эксперименту привлекается заказчик. На экран терминального устройства вычислительной машины выводятся графики величин, характеризующих функционирование системы. Так, в нашей модели прогнозирования это были душевое потребление с (/) и основные фонды К (t). Анализируя поведение этих функций, заказчик принимает решение о новых вариантах воздействий Sj (t) и s2 (/), которые тут же вводятся в вычислительную машину, проводится расчет и результат сразу выводится на терминальное устройство ЭВМ. Такую организацию проведения имитационного эксперимента принято называть диалоговой. В последнее время она получает все большее распространение, особенно в фундаментальных исследованиях, о которых мы говорили в первом параграфе. Надо отметить, что необходимым условием проведения имитационного эксперимента в диалоговом режиме является наличие заказчика, способного к участию в таком исследовании. [c.287]
Теперь рассмотрим вопрос о месте человека в имитационном исследовании. До сих пор у нас в имитации принимал участие один человек (или группа людей, выполняющих одну функцию). Это был экспериментатор, исследователь. В процессе дискуссии с заказчиками и экспертами он строил модель, но сам эксперимент осуществлял только исследователь (может быть, при консультации заказчиков или экспертов, которые непосредственного доступа к модели не имели). Между тем на современных ЭВМ возможна и несколько другая организация имитационного эксперимента. При этом в случае необходимости с помощью терминального устройства задают вопросы экспертам, привлекаемым к участию в имитации. Вместе с вопросом эксперту выводятся результаты проведенных расчетов и другая необходимая информация. Например, в описанной в предыдущих параграфах модели прогнозирования можно было бы не конкретизировать вид зависимости роста эффективности производства от уже достигнутого уровня и затрат, а предоставить эксперту возможность самому давать ответы на вопрос о росте эффективности. Такой метод позволяет проводить имитационные эксперименты в тех областях науки, где у экспертов уже имеется представление о закономерностях, определяющих развитие описываемых процессов, но формализовать эти знания в виде математической модели пока не удается. [c.296]
П е т р о в А. А. Математические модели прогнозирования народного хозяйства. — М. Знание, 1974. [c.298]
Однако при этом следует быть осторожным ни один из двух рассматриваемых видов контроля не позволяв выявить причины возникновения отклонений, а также не дает рецептов действий в той или иной ситуации. Возможности выявить причины отклонений и выработать корректирующие действия зависят от того, насколько правильно выбрана модель прогнозирования, т. е. от того, насколько хорошо мы понимаем процессы и процедуры, которые пытаемся контролировать. [c.624]
Целью ретроспективного анализа является подготовка (сбор, обработка и систематизация) информации о развитии социально-экономической системы страны, тенденциях в социальных, экономических, политических и других процессах мировой и национальной экономики построение и проверка модели прогнозирования для создания достоверных, научно обоснованных прогнозов. [c.55]
Проверка модели прогнозирования [c.55]
Уточнение и корректировка модели прогнозирования [c.56]
Сдача модели прогнозирования в эксплуатацию [c.56]
Например, чтобы получить показатель валовой национальный продукт , суммируют данные объема выпуска конечной продукции по всем предприятиям национальной экономики. Такое сжатие информации позволяет снижать размерность задач (моделей) прогнозирования без изменения их постановки. Степень агрегирования должна быть различной для разных периодов и объектов прогнозирования. [c.88]
В предыдущих разделах процесс прогнозирования был рассмотрен с позиций теории. Безусловно, модель прогнозирования типа Y=f(X ...,X ) является приближенным отображением реальной действительности, так как на самом деле социально-экономическая система страны описывается комплексом различных уравнений, содержащих не только большое количество экзогенных и инструментальных переменных, но и широкий спектр взаимоувязанных управляющих экзогенных переменных. [c.100]
Рассмотрим другой метод упрощения процесса прогнозирования — разбиение глобальной модели прогнозирования СЭС на отдельные изолированные подзадачи, при котором переменные величины и ограничения, относящиеся к одной из этих подзадач, могут рассматриваться как независимые (автономные) от всех других выделенных подзадач. [c.107]
Первый шаг (формулировка математической модели) тесно связан с сущностью изучаемой экономической системы и целями исследования, поэтому какие-либо общие рекомендации давать здесь трудно. В качестве иллюстрации кратко опишем процесс построения математической модели прогнозирования народного хозяйства, о которой уже говорилось в предыдущем разделе. [c.142]
Разработка экономико-математических моделей прогнозирования бюджетов также базируется на данных консолидированных бюджетов. Для расчета финансовых ресурсов на перспективу исследуются корреляционные связи между объемами доходов консолидированных бюджетов и такими переменными, как размер ВВП, национального дохода, объемом валовой продукции промышленности, сельского хозяйства. [c.109]
Сравнение фактических уровней себестоимости добычи нефти и газа с прогнозируемыми по модели (49) показывает, что последние характеризуются близкими результатами к фактическим (табл. 37). Это дает некоторое основание сделать заключение об определенной эффективности предлагаемой модели прогнозирования. [c.105]
В данной главе рассматриваются способы изучения соотношений на основе стохастического, корреляционного анализа, а также базовые способы и модели прогнозирования деловой активности. [c.69]
Базовые способы и модели прогнозирования деловой активности [c.77]
Случайные колебания из названных выше составляющих временного ряда нельзя заранее предусмотреть. Это поставка материалов низкого качества, поломка оборудования, какие-либо чрезвычайные обстоятельства в хозяйственной деятельности. Такие колебания представляют собой беспорядочные отклонения, которые важно учитывать при оценке вероятной точности используемой модели прогнозирования. [c.78]
Вычленение и анализ такого элемента временных рядов, как случайные колебания, может использоваться для определения вероятных ошибок и оценки надежности модели прогнозирования. Случайные колебания расцениваются как ошибки прогноза. Разность между фактическими и прогнозируемыми значениями характеризует допущенную ошибку. Для оценки ошибок существуют статистические показатели — средняя ошибка и среднеквадратическая ошибка. Чем меньше значения этих критериев, тем больше надежность прогнозной модели. [c.82]
У аналитика практически всегда есть выбор из нескольких моделей прогнозирования, и необходимо сделать его правильно, в пользу наиболее объективной модели, способной помочь в принятии эффективного делового решения. [c.82]
Основной недостаток всех этих методов расчета риска заключается в том, что они оперируют конкретными, детерминированными значениями коэффициентов риска. Коэффициенты рассчитываются либо методом экспертных оценок, либо каким-то другим способом. Из рассмотрения исключается случайная составляющая процесса эволюции экономической ситуации на рынке товаров и услуг. Однако игнорирование этой составляющей иногда приводит к неверным результатам. Таким образом, для корректной оценки риска финансово-хозяйственной деятельности необходимо исследовать не только детерминированное изменение рыночной ситуации, но и ее стохастическое изменение. От детерминированных моделей следует переходить к вероятностным моделям прогнозирования рыночной ситуации. [c.450]
Вероятностные модели прогнозирования рыночной ситуации учитывают случайную составляющую развития экономической системы. Для описания стохастической системы применяется уравнение Колмогорова, его решение представляет собой распределение плотности вероятностей. Причем чем более длительный промежуток времени выбирается для прогноза, тем больше дисперсия распределения вероятностей и тем больше неопределенность полученного результата. Однако оценка риска прогнозируемой ситуации на рынке на основе изученных методов обеспечивает предпринимателя информацией о возможных (вероятных) потерях и позволяет принять меры по их снижению. [c.459]
Например, для компоненты l/i (структура и организация производства) получены следующие модели прогнозирования по всем технико-экономическим показателям [c.222]
Эффективность моделей прогнозирования [c.184]
Случайные колебания. Эти составляющие представляют собой случайные элементы, которые обычно невозможно предугадать. Например, случайные колебания в объеме производства могут быть вызваны незапланированными остановками и поломками оборудования, плохим качеством материалов или социальным напряжением на производстве. Такие колебания выявляются путем снятия тренда, циклических и сезонных колебаний для данного значения. То, что остается, и есть беспорядочное отклонение. И хотя такое значение нельзя предугадать заранее, его все же целесообразно учитывать при определении вероятной точности принятой модели прогнозирования. Мы остановимся еще на этом вопросе в других разделах данной главы. [c.187]
На рис. 6.13 показан вероятный прогноз тренда, включающего циклическую составляющую. Линия тренда восходит в течение следующих двух лет, а потом снова начинает опускаться. Оценки тренда можно дополнить сезонной составляющей, чтобы спрогнозировать объем продаж автомобилей на каждый квартал или каждый месяц, как мы это делали раньше. Модели прогнозирования, которые учитывают выраженные циклические составляющие, можно представить в следующем виде [c.211]
Другого рода циклические колебания могут возникнуть при прогнозировании спроса/предложения в соответствии с жизненным циклом конкретных товаров. Так, в общем виде жизненный цикл товара состоит из этапов зарождения, роста, зрелости и упадка. Рассмотрим, например, зарождение нового товара, скажем мобильного телефона. Вначале объем продаж такого рода товара крайне мал, когда только новаторы или люди, помешанные на технике, хотят его купить. На стадии роста все больше людей проявляют интерес к данному товару, при этом цена на него падает, а сопутствующие ему услуги становятся все более качественными. Стадия зрелости достигнута тогда, когда основная масса потенциальных покупателей уже приобрела мобильный телефон. За этим следует снижение объема продаж, и эту тенденцию можно изменить только путем внедрения новых усовершенствованных товаров взамен уже существующих. На рис. 6.14 показан жизненный цикл товара его этапы и соответствующие объемы продаж. Этот цикл можно включить в модель прогнозирования, и его можно рассматривать как составную часть тренда или же самостоятельную циклическую составляющую. [c.211]
При оценке эффективности модели прогнозирования используются статистические показатели, в частности средняя ошибка и среднеквадратическая ошибка. На последующих примерах мы рассмотрим вышеназванные понятия. [c.212]
Это говорит о том, что в среднем фактическое число пациентов в 1.5 раза больше прогнозного значения означает, что используемая модель прогнозирования обычно недооценивает число обращающихся пациентов. В этом случае, возможно, стоит проанализировать примененную модель и внести в нее корректировки. В идеале средняя ошибка равна нулю, т. е. отрицательные и положительные значения ошибки компенсируют друг друга. Однако мы должны сказать, что в нашем примере значение средней получено по очень малой выборке. Больший объем выборки, например, данные за целый год, позволит нам определить вероятную точность прогнозирования с большей степенью достоверности. [c.212]
Это значение в определенной степени указывает на точность примененной модели прогнозирования. Малое значение среднеквадратического указывает на большую надежность прогнозной модели. Среднеквадратическое можно использовать для оценки доверительных пределов любого прогноза. Это значение можно применять как оценочный показатель среднеквадратического отклонения, и при условии того, что ошибки образуют нормальное распределение, 95%-ные доверительные пределы для фактического значения, основанного на прогнозе F, определяются следующим образом [c.213]
То есть при вычислении доверительных пределов мы берем формулу для нормального распределения, описанную во второй главе. Данная формула также предполагает отсутствие смещения в модели прогнозирования. Так, при большом объеме выборки средняя ошибка оказалась равной нулю. Если она не равна нулю, то остаточный член также необходимо включить в формулу определения доверительных пределов. [c.213]
Исторические данные, которые используются при выработке модели прогнозирования, играют чрезвычайно важную роль. В идеале желательно иметь большое количество данных за значительный период времени. Так, чтобы спрогнозировать покупательский спрос на 1998 г., обычно недостаточно просто взять [c.214]
Как указывалось выше, для использования количественных методов прогнозирования необходимо располагать информацией, достаточной для выявления тенденции или статистически достоверной зависимости между переменными. Когда количество информации недостаточно или руководство не понимает сложный метод, или когда количественная модель получается чрезмерно дорогой, руководство может прибегнуть к качественным моделям прогнозирования. При этом прогнозирование будущего осуществляется экспертами, к которым обращаются за помощью. Четыре наиболее распространенных качественных метода прогнозирования — это мнение жюри, совокупное мнение сбытовиков, модель ожидания потребителя и метод экспертных оценок. [c.243]
БШ — блоки статистических моделей. В таких блоках могут объединяться расчеты по моделям вида Б3.1 и Б3.2. Например, в блоке прогнозирования урожайности могут объединяться трендовые модели прогноза отдельных факторов изменения урожайности с много-факторной моделью прогнозирования урожайности. Примером более сложного блока статистических моделей являются эконометрические модели народнохозяйственного, регионального или отраслевого уровня, в которых при помощи экстраполяционных полиномов, корреляционных функций и регрессионных зависимостей устанавливается статистическая взаимосвязь между совокупностью характеризующих данный объект планирования экзогенных и эндогенных показателей. К таким моделям относятся, в частности, модели, разработанные в Украинском филиале НИИПиНа (УКР-1 и УКР-2), в НИИЭПе Госплана Литовской ССР и др. [c.136]
Таким образом, статистические модели прогнозирования необходимо сочетать с глубоким экономическим анализом предпрогнозируемого периода и методами экспертных оценок, чтобы учесть все закономерности временного ряда и возможные качественные сдвиги показателя в прогнозируемом периоде. [c.58]
Следует иметь в виду, что понятия эндогенность и экзоген-ность — относительные. Например, размер федеральных налогов дли национальной экономики является эндогенным показателем, а для регионов, отдельных отраслей, а также для уровня жизни населения страны — экзогенным. Надо отметить, что показатели, экзогенные для национальной экономики, являются экзогенными и для ее частей (элементов) — регионов, отраслей, предприятий и т.п. Но в случае моделирования экономических процессов эндогенность и экзогенность информации приобретают несколько иной оттенок. При этом вводится понятие значащая переменная модели прогнозирования — показатель, применяемый в моделировании объекта. Исходя из данного определения можно представить эндогенные и экзогенные переменные следующим образом. [c.97]
Для предсказания динамики инфляции необходимо учитывать взаимное влияние основных факторов экономического развития и определить соответствующие временные лаги. Обычно же изучение вопроса ограничивается анализом динамики денежной массы и индекса потребительских цен. В разных странах разрабатываются различные модели прогнозирования уровня инфляции, учитывающие специфику данной национальной экономики. Приведем, как пример, модель MODJS, разработанную в США для прогнозирования уровня инфляции. В этой эконометрической модели были использованы следующие факторы — аргументы [c.149]
Смотреть страницы где упоминается термин Модели прогнозирования
: [c.140] [c.83] [c.184] [c.212]Смотреть главы в:
Практическое руководство по маркетинговому планированию -> Модели прогнозирования