Даже при надлежащем проведении прогнозирования спроса прогнозы часто оказываются ошибочными. Особенно опасны долгосрочные прогнозы. Прогнозирование перемен в технологии, доходах, поведении потребителей и иных факторов, которые ведут к изменению ранее существовавших зависимостей, заведомо характеризуется неопределенностью и потому сильно затруднено. Более того, данные для подобного прогнозирования зачастую отсутствуют или малодостоверны. Трудности получения исходных данных ограничивают выбор метода прогнозирования и надежность получаемых результатов. Сбор данных специально для конкретного проекта — дорогое мероприятие, которое требует тщательной подготовки для гарантии эффективности затрат на его проведение. [c.116]
Регрессионное уравнение не дает точного прогноза зависимой переменной для любого заданного значения независимой переменной, так как коэффициенты регрессии подвержены случайным искажениям. Чтобы учесть погрешности оцененного уравнения регрессии, отражающего действительные закономерности поведения всего населения на основе выборочного наблюдения, уравнение регрессии обычно записывается как [c.5]
Несмотря на растущую популярность (особенно в исследованиях, посвященных вопросам поглощений), использование стоимостного планирования сопряжено со множеством практических проблем. Главная из них — требование детального прогноза поведения различных переменных на десять и более лет вперед [c.154]
Это достаточно редкий уровень неопределенности. На этом уровне практически не существует сколь угодно четких ориентиров для построения логичных прогнозов. Наиболее удобные инструменты на таком уровне неопределенности — методы аналогий, распознавания моделей поведения переменных, нелинейные динамические модели. Вложения средств в компании, оперирующие на таком уровне, — это чисто спекулятивная деятельность, не имеющая ничего общего с самой природой инвестиций. [c.135]
С помощью математических моделей, количественно отражающих связь между многими переменными, эконометрика объясняет причины изменения экономических явлений в прошлом и дает прогнозы поведения их в будущем. [c.246]
Даже квалифицированные прогнозы спроса часто оказываются ошибочными, особенно долгосрочные. Прогнозирование перемен в технологии, доходах, поведении участников проекта, иных факторов, ведущих к изменению ранее существовавших зависимостей затруднено высоким уровнем неопределенности. Более того, исходные данные для подобного прогнозирования зачастую вообще отсутствуют или мало достоверны. [c.220]
Следует отметить и другой аспект. Одним из основных направлений использования эконометрических моделей является прогнозирование значений эндогенных переменных на будущие периоды. Между тем, как справедливо отмечал Р. Лукас, когда прогноз сделан и доведен до сведения экономических единиц, последние могут изменить свое поведение, если они считают этот прогноз достоверным. Это изменение поведения в свою очередь приводит к изменению значений ряда переменных, например предельной склонности к потреблению, инфляционных ожиданий и т. д., которые использовались в структурной модели при составлении прогноза. Таким образом, если критика Р. Лукаса верна, все экономические переменные потенциально являются эндогенными и эконометрическая идентификация теоретически невозможна. [c.331]
Затем на основе сбора и анализа данных по нескольким сотням станций группа исследователей получила систематизированные сведения о том, каким образом каждая из переменных характеризует работу станции обслуживания. Было обнаружено, что существенное влияние на работу станций оказывают только 35 переменных. Эти переменные после выбора местоположения станции и завершения ее проектирования подставлялись в уравнение, предназначенное для прогнозирования торгового оборота станций обслуживания. Использование такого уравнения позволило фирме уменьшить число нерентабельных станций обслуживания, но полученные результаты оказались значительно хуже, чем ожидалось. Фирма обратилась за помощью к Эзопу и предоставила в его распоряжение подробное описание работы, которую проделали исследователи. Эзоп сразу же обратил внимание исследователей на то, что уравнение, основанное на взаимодействии переменных, а не на причинных связях, не может быть использовано для объяснения явлений независимо от обеспечиваемой точности прогноза, и добавил, что для более эффективного способа размещения станций обслуживания и их проектирования необходимо выяснить, почему выбирается та или иная конкретная станция обслуживания, т. е. он должен найти объяснение поведения клиентов. [c.115]
Каузальные модели пытаются объяснить поведение системы, которое рассматривается путем выявления связей между различными переменными, и которые несут эвристическую нагрузку. Данные модели подразделяются на качественные (дают, например, направление изменения спроса на рынке) и количественные (дают прогноз величины данного изменения). [c.115]
Экономические модели позволяют выявить особенности функционирования экономического объекта и на основе этого предсказывать будущее поведение объекта при изменении каких-либо параметров. Предсказание будущих изменений, например, повышение обменного курса, ухудшение экономической конъюнктуры, падение прибыли может опираться лишь на интуицию. Однако при этом могут быть упущены, неправильно определены или неверно оценены важные взаимосвязи экономических Показателей, влияющие на рассматриваемую ситуацию. В модели все взаимосвязи переменных могут быть оценены количественно, что позволяет получить более качественный и надежный прогноз. [c.14]
Обсудите следующее утверждение. Экономическая наука отталкивается от предположения (которое, как мы знаем, является ложным), что человеческое поведение предсказуемо. В действительности мы не можем сказать, как люди откликнутся на изменения экономических переменных, подобных ценам или доходам, поскольку их реакция сильно зависит от индивидуальной психологии. Таким образом, весьма вероятно, что прогнозы экономистов будут совершенно нереальными. Мы просто не можем ожидать чего-либо полезного от изучения этой дисциплины и данного курса. (Очевидно, что здесь нет правильного ответа) [c.39]
Монетаристы и кейнсианцы в своих теоретических конструкциях исходили из того, что информация агентов рынка о движении цен базировалась на прошлом опыте и не давала точной оценки будущего уровня цен. Это хроническое несовпадение фактического и ожидаемого уровня цен порождает запоздалую реакцию, в результате происходят постоянные отклонения от состояния равновесия. Представители новой классики считали такой подход наивным . Почему рациональные экономические агенты должны полагаться только на собственный прошлый опыт, тем более что такое поведение является систематически ошибочным. Экономические агенты формируют рациональные экономические ожидания, рациональные в смысле недопущения систематических ошибок. Для этого они используют всю доступную информацию о поведении предсказуемой переменной, анализируют ее, определяют влияние наблюдаемых экономических явлений на переменную. Формируемые на основе этого ожидания - то же, что и прогнозы соответствующей экономической теории. [c.28]
Коль скоро OLS-регрессия не всегда способна уловить все имеющиеся функциональные связи между независимыми и зависимыми переменными, нужно искать другие пути к пониманию поведения переменных. Мы расскажем здесь о двух интуитивных эвристических подходах. В первом из них важность переменной оценивается путем сравнения погрешности прогноза, полученного при исходной входной матрице, с погрешностью, которая получится, если значения всех переменных заменить на их средние значения. Во втором эвристическом методе вклад отдельной переменной оценивается по степени надежности выхода сети (de isiveness). Метод работает наперед (ex ante), не обращаясь к реальным значениям целевой переменной или погрешности. Его недостаток состоит в том, что переменные могут быть классифицированы в соответствии с тем, поддерживают или противоречат ли они выдаваемому решению, а это решение на самом деле может быть неправильным. [c.147]
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]
Моделирование ТП для тренажерных систем (в англоязычной литературе используется термин simulation, в русскоязычной - динамическое моделирование (ДМ) [3]) представляет собой воспроизведение поведения динамического объекта при изменении управляющих воздействий и внешних возмущений за счет воссоздания внутренних механизмов функционирования объекта. С точки зрения способов использования уже построенной модели ДМ сродни имитационному моделированию, поскольку в обоих случаях выход модели трактуется как прогноз выходной переменной объекта и может вычисляться как в темпе функционирования объекта (режим on-line), [c.197]
Чтобы обосновать свое мнение, специалисты по прогнозированию опираются на разнообразные источники информации и методы прогнозирования. К примеру, прогнозы макроэкономического и отраслевого масштаба порой требуют применения эконометрических моделей, в которых учитывается взаимодействие многих экономических переменных. В других случаях специалист может использовать статистические модели для анализа и прогнозирования динамических рядов. Прогнозы спроса будут отчасти опираться на прогнозы состояния макроэкономической среды они также могут основываться на формальных моделях, которые специалисты по маркетингу разработали для предсказания поведения потребителей, или на последних опросах потребителей, которые оказались в распоряжении менеджеров компании3. [c.773]
Важной чертой нашей модели является нелинейная зависимость чистого размера приказа П как функции разности логарифма цены и логарифма фундаментальной стоимости. Нелинейность позволяет нам получить следующий результат. В принципе, как мы сказали выше, фундаментальная стоимость рд определяется дисконтированными ожидаемыми будущими дивидендами и, таким образом, зависит от прогноза их темпов роста и безрисковой ставки процента. При этом обе переменные очень сложно предсказать. Фундаментальную стоимость, таким образом, очень сложно количественно определить с высокой точностью, и она часто оценивается со значительной погрешностью [282, 85, 260, 69] все методы, определяющие внутреннюю ценность, основьшаются на предположениях, которые могут оказаться очень далекими от реальности. Например, несколько научных исследований оспаривали посыл, что портфель устойчивых, дешево купленных акций по прошествии времени превзойдет портфель, собранный любым другим способом (смотри, например, [256]). Как следствие, трейдер, пытающийся отслеживать фундаментальную стоимость, не имеет стимула реагировать, когда чувствует, что отклонение мало, поскольку это отклонение находится более-менее в пределах погрешности подсчетов. Только когда отклонение цены от основной стоимости становится относительно большим, трейдер начнет действовать. Сильная нелинейная зависимость чистого размера приказа Q как пропорционального амплитуде разности логарифма цены и логарифма фундаментальной стоимости, возведенного в степень п, большую, чем 1, точно объясняет данный результат, как показано на Рис. 85 для показателя степени и больше 1. Ап остается малой для Л<1 и быстро взлетает только тогда, когда она становится больше 1, приближаясь к пороговому поведению типа "все или ничего". [c.220]
Мут поставил вопрос о том, насколько непротиворечивыми являются исходные предположения моделей, которые в конечном счете отражают представления о поведении индивидов, и предположения об их поведении, которые представлены функциями ожиданий. Он высказал мысль, что внутренняя логика модели нарушается, если функции ожиданий задаются извне, а не определяются самой моделью. Если модель непротиворечива, то ожидания индивидов должны соответствовать, т.е. в среднем быть равными, прогнозам, полученным на основании модели. Формально это означает, что субъективные ожидания равны математическому ожиданию соответствующей переменной модели, или экономические субъекты действуют так, как если бы они знали модель. Эта формулировка, данная Мутом, известна как гипотеза о рациональных ожиданиях в сильной форме. [c.591]
Гипотеза в слабой форме не требует того, чтобы все субъекты да-ши одинаковые прогнозы для одних и тех же переменных, а предлагает, чтобы субъекты более или менее одинаково быстро строи-1 прогнозы и оптимально использовали имеющуюся и относящую-i к делу информацию. При такой формулировке легче сохранить )гику равновесного подхода, но возникают вопросы о нужной [формации, степени ее доступности, компетентности субъектов при боре информации и т.д. Важно в этом случае и то, как соотносится сорость прогнозирования субъектов со скоростью изменений в по-ггике. Если люди медлительны, то политика может влиять на их введение в нужном направлении, если они реагируют быстрее попиков, то поведение последних не соответствует гипотезе о рацио-шьных ожиданиях. Эмпирические данные говорят о том, что люди оптируются к изменениям в политике за 1 — 1,5 года. И это слиш->м длительный период, чтобы можно было говорить о рациональ->сти ожиданий субъектов, а потому остаются возможности для раз-1тия процесса по монетаристскому сценарию. [c.601]
Существуют различные математические методы исследования и различные экономические модели, позволяющие выявить особенности функционирования экономического объекта и на основе этого предсказывать его будущее поведение при изменении каких-либо параметров. По мнению Г. Хармана, математическая модель экономического объекта - это его гомоморфное отображение в виде совокупности уравнений, неравенств, логических отношений, графиков [1. С. 45]. В модели все взаимосвязи переменных могут оцениваться количественно, что позволяет получать качественный и надежный прогноз. Изучение модели дает новые знания об объекте или позволяет определить наилучшие решения в той или иной ситуации. Для любого экономического субъекта прогноз означает получение лучших результатов или избежание потерь. [c.234]
Получение прогнозов с помощью многофакторных регрессионных моделей предполагает неизменность значений коэффициентов этих моделей во времени. Тем не менее, в процессе исследования объекта возможно появление новой информации, что позволяет с помощью рекуррентного оценивания корректировать значения оценок коэффициентов моделей. В то же время исходная информация может содержать в себе различные динамики изменения независимых переменных, которые возникают в результате различных режимов функционирования исследуемого объекта. В этом случае важным является, как сам факт установления различия динамик процессов на разных временных интервалах, так и выбор такого интервала для построения на нем модели прогнозирования, который был бы наиболее адекватным будущему поведению объекта. Если оказывается, что для одного интервала времени построена многофак- [c.39]