А1.5. МОДЕЛИ ПРОГНОЗИРОВАНИЯ СБЫТА С ПОМОЩЬЮ ВРЕМЕННЫХ РЯДОВ [c.207]
Получение надежных оценок будущих показателей, например, спроса на товары, стоимости материалов или готовой продукции, величины затрат — важный этап в процессе принятия текущих и долгосрочных управленческих решений. Выше были рассмотрены методы прогнозирования с помощью приемов регрессии при изучении причинно-следственных связей между показателями. Метод регрессии применяется также при прогнозировании временных рядов, исходя из прошлых, исторических данных. [c.77]
Несмотря на различия в основных принципах и практических нормах финансового и бухгалтерского учета, финансовая отчетность фирмы нередко содержит данные относительно ее финансового положения и сведения об эффективности ее хозяйственной деятельности в прошлом, которые могут пригодиться руководителям для анализа и прогнозирования будущей работы компании При проведении анализа финансовых результатов деятельности фирмы на основе ее финансовой отчетности используется ряд специальных коэффициентов, с помощью которых можно сравнивать показатели разных, компаний или данные по одной и той же компании заразные периоды времени. [c.59]
Достаточность эмпирического материала (N > 25) дает возможность увеличить число сглаживающих функций и осуществить проверку прогнозных свойств моделей для прогнозирования анализируемого процесса во времени. Проверка качества прогноза отобранной модели достигается проведением ретроспективных расчетов. Сущность их состоит в том, что уровни анализируемого ряда. динамики (ретроспективный период) разбиваются на два периода основной и участок аппроксимации. На основе всего ретроспективного, а также и основного периода определяется тенденция изменения анализируемого процесса. Далее, с помощью модели, отражающей общую тенденцию основного периода, осуществляется прогнозирование на последующие периоды в интервале участка аппроксимации. Сопоставление фактических уровней с расчетными позволяет выяснить, в какой мере отобранная модель отражает закономерность изменения анализируемого процесса и пригодна для экстраполяционных расчетов. [c.43]
При этом, однако, исследования в области моделирования временных рядов при помощи сетей продолжаются и в настоящее время, и никаких стандартных методов здесь пока не выработано. В нейронной сети многочисленные факторы взаимодействуют весьма сложным образом, и успех здесь пока приносит только эвристический ( кустарный ) подход. Типичная последовательность действий при решении задачи прогнозирования финансовых показателей с помощью нейронных сетей показана на рис. 2.5. [c.59]
Опираясь на изложенное (о нейронных сетях) в предыдущей главе, решение задач прогнозирования временных рядов с помощью НС можно представить следующим образом. [c.331]
В случае отсутствия реального временного ряда используется его моделирование, применяя эту модель для обучения НС. Качество моделирования временного ряда с помощью НС в этом случае во многом определяется достоверностью выбранной модели. Однако, в общем случае, применение нейронных сетей для прогнозирования временных рядов не предполагает знание (или определение) модели тренда и (или) сезонной составляющей. [c.333]
Уже использование экстраполяционных методов для прогнозирования временных рядов предполагает однородность динамики. Действительно, исходный временной ряд, являющийся основой прогнозирования какого-либо процесса, может содержать в себе интервалы, внутри которых динамика характеризуется определенными отличными от других интервалов условиями. Естественно, эти интервалы на перспективу искажают полученный прогнозный результат. В этой связи возникает необходимость четкого выделения тех интервалов, для которых характерна однородная динамика. Решение этого вопроса эффективно реализуется с помощью методов теории распознавания образов [126]. [c.62]
Несколько слов о периоде Т, Продолжительность периода Т следовало бы принимать равным промежутку времени, в течение которого народное хозяйство имеет потребность в работах данного вида. Однако практически при решении подобного рода задач придется принимать IB качестве периода Т, как правило, более короткий промежуток. Это вызвано недостаточным объемом информации, имеющейся в проектных организациях, научно-иосле-довательскжх институтах и на предприятиях по вопросам производства и эксплуатации отдельных групп и типов машин, а также потребности в работах, выполняемых с помощью данных машин. Особенно это относится к перспективным периодам, вязанным с прогнозированием величин разных параметров потребности, себестоимости, машиноемкости и т. д. Прогонозирование же, как известно, имеет определенную степень вероятности того, что прогнозируемый уровень показателя будет верным, причем эта вероятность тем меньше, чем больше удален прогнозируемый период от момента, в который производится прогноз. Поэтому с достаточной степенью точности может быть определена политика по выбору параметрических рядов, организации выполнения работ и изготовления машин на сравнительно небольшой период времени от исходного момента, В последующем, уже в ходе производства, по мере накопления и уточнения технико-экономической информации, по рассмотренной выше схеме необходимо уточнять решения задачи, и соответственно делать выводы о целесообразности изменения стандарта на параметрические ряды данной группы машин или его пролонгации, о направлениях углубления специализации производства машин и выполняемых с их помощью работ. [c.74]
История западного технического анализа насчитывает немногим более века. Началась она с заметки в Wall Street Journal, опубликованной Чарльзом Доу в начале 1890-х. К тому времени г-н Доу был уже хорошо известен широкому кругу бизнесменов как один из создателей Индекса Доу-Джонса. В конце прошлого века Индустриальный и Транспортный Индексы имели свою историю и отлично прижились. Поскольку колебания Индексов были важными для заключения биржевых сделок, сразу же возникла необходимость в их прогнозировании. В своей статье Доу изложил ряд принципов, с помощью которых, по его мнению, можно было [c.21]
Общий вывод таков лучше использовать несколько методов прогнозирования, а не ограничиваться каким-то одним. В первую очередь, стоит подумать о Делъфи, подкрепляя этот метод анализом временных рядов и скользящими средними. Чтобы объяснить некоторые из полученных тенденций, можно воспользоваться барометрическим подходом (чтобы специально посмотреть, как продажи продукта связаны с покупками потребителей, как-то продажи экскаваторов и строительство новых домов). В несколько более длительной перспективе по причине использования ресурсов выгоднее один раз построить простую модель множественной регрессии и использовать ее с помощью любого табличного процессора, такого как Lotus 1-2-3. [c.211]
Понятно, что закономерности прошлого поведения переменной могут многое сказать о том, как она будет вести себя в будущем. Анализ временных рядов позволяет находить такие закономерности и на этой основе прогнозировать будущее поведение переменной. Сдвиги в динамике временных рядов, связанные с изменением в структуре налога (налоговом законодательстве) или с какими-то иными крупными реформами, могут быть учтены в модели с помощью специального статистического приема так называемой фиктивной переменной. Суть прогнозирования переменной по прошлой ее динамике можно сформулировать так. Величина бюджетных поступлений (в настоящем или будущем периоде) так или, иначе, связана (корре-лируется) с прошлыми величинами этих поступлений. Если мы сумеем обнаружить такую корреляцию и разложить ее на составляющие, придав ей структуру, нередко удается получить удивительно точные прогнозы. [c.98]
Клеопатров Д.И., Френкель А.А. Прогнозирование экономических показателей с помощью метода простого экспоненциального сглаживания. - Статистический анализ экономических временных рядов и прогнозирование. - М. Наука, 1973. -298с. [c.192]
Сергеев А.В. Прогнозирование временных рядов с помощью нейронных сетей с радиальными базисными функция-ми//Труды VIII Всероссийской конференции Нейрокомпьютеры и их применение Сб.докл, 2002 г. - С. 1187 - 1191. [c.195]
Границы элементов С. в. подвижны. На сто общую величину оказывает воздействие целый ряд социально-экономим, и демографии, факторов (пол, возраст, состав семьи, образование, уровень доходов, характер и содержание труда, место жительства городили село, и др.). В соответствии с классификацией, принятой в СССР (а затем п в рамках проведённого в 1963—71 междунар. обследования, охватившего 8 социалистич. и 5 капиталист ч. стран), структура С. в. включает в себя затраты времени на учёбу и самообразование обществ, деятельность развлечение] отдых (индивидуального и публично-зрелищного характера, с выделением таких элементов, как чтение книг, газет, журналов, слушание радио и просмотр телевизионных передач, занятия по интересам, или увлечениям, игры и беседы с детьми и т. п.) физкультуру и спорт товарищеское общение с людьми пассивный отдых. Культура С. в. определяется целевой направленностью деятельности человека в С. в., социальной активностью, целесообразным и эффективным его использованием. Чем выше квалификация и уровень образования работника, тем, как правило, полноценнее и рациональнее использование им С. в. Социалистич. гос-во заинтересовано в увеличении времени, к-рое человек затрачивает на образование, развитие интеллектуальных и фнзич. способностей, выполнение социальных функций. За годы Сов. власти величина С. в. у трудящихся, как показали выборочные обследования, возросла почти вдвое, достигнув в среднем ок. 3—4 ч в расчёте на день. Из этого времени (если брать баланс С. п. за месяц) ок. 70% идёт на развитие интеллекта человека (учёбу, посещение театров и кинотеатров, чтение и т. д.). Согласно выборочным обследованиям в СССР it 60—70-х гг. в месячном бюджете времени С. в. составляло у мужчин 15 — 20%, у женщин 8—12%. Однако С. в. больше характеризуют не усреднённые, а дифференцированные (по группам населения) данные, их структура и динамика. Социалистич. общество оказывает планомерное воздействие не только на величину, по и на структуру С. в. Обществ, регулирование С. в. осуществляется при помощи соцнально-экономич., правовых и пдейно-воспитат. средств в сочетании с саморегулированием. Оно предполагает также прогнозирование и планирование С. в., создание оптимальных его моделей для различных социальных групп с учётом постепенного сближения этих групп и усиления социальной однородности общества. Наибольший прирост С. к. гос-во обеспечивает путём сокращения затрат внерабочего времени при выполнении необходимых домашних, дел, посредством развития систем обществ. [c.539]