U procesu finansijskog predviđanja koriste se specifične metode za izračunavanje finansijskih pokazatelja, kao npr matematičko modeliranje, ekonometrijske prognoze, stručna prosudba, izgradnja trendova i skriptiranje, stohastičke metode.

Matematičko modeliranje omogućava vam da uzmete u obzir mnoge međusobno povezane faktore koji utječu na pokazatelje finansijske prognoze, odaberete između nekoliko opcija za projekt prognoze koji je najviše u skladu s prihvaćenim konceptom proizvodnje, društveno-ekonomskog razvoja i ciljevima finansijske politike.

Econometric Forecasting zasnovano na principima ekonomske teorije i statistike: proračun prognoznih indikatora se vrši na osnovu statističkih procijenjenih koeficijenata sa jednom ili više ekonomskih varijabli koje djeluju kao faktori prognoze; omogućava vam da razmotrite istovremenu promjenu nekoliko varijabli koje utiču na pokazatelje finansijske prognoze. Ekonometrijski modeli opisuju, sa određenim stepenom vjerovatnoće, dinamiku indikatora u zavisnosti od promjena faktora koji utiču na finansijske procese. Prilikom konstruisanja ekonometrijskih modela koristi se matematički aparat regresione analize koji daje kvantitativne procene prosečnih odnosa i proporcija koje su se razvile u privredi tokom baznog perioda. Da bi se dobili najpouzdaniji rezultati, ekonomske i matematičke metode dopunjuju se stručnim procjenama.

Metoda stručne procjene uključuje generalizaciju i matematičku obradu ocjena stručnih stručnjaka o određenom pitanju. Efikasnost ove metode zavisi od profesionalnosti i kompetentnosti stručnjaka. Takvo predviđanje može biti prilično precizno, ali procjene stručnjaka su subjektivne, zavise od “osjećaja” stručnjaka i ne podliježu uvijek racionalnom objašnjenju.

Trend metoda, pretpostavljajući zavisnost nekih grupa prihoda i rashoda samo od faktora vremena, polazi od konstantnih stopa promjena (trend stalnih stopa rasta) ili konstantnih apsolutnih promjena (linearni vremenski trend). Nedostatak ove metode je što zanemaruje ekonomske, demografske i druge faktore.

Razvoj scenarija ne polazi uvijek od naučnosti i objektivnosti, oni uvijek osjećaju utjecaj političkih preferencija, preferencija pojedinih funkcionera, investitora, vlasnika, ali to nam omogućava da procijenimo posljedice realizacije određenih političkih obećanja.

Stohastičke metode pretpostaviti vjerojatnost i prirodu prognoze i odnos između korištenih podataka i prognoziranih finansijskih indikatora. Vjerovatnoća izračunavanja tačne finansijske prognoze određena je količinom empirijskih podataka korištenih u predviđanju.

Dakle, metode finansijskog predviđanja razlikuju se po troškovima i obimu konačnih informacija koje se daju: što je složenija metoda predviđanja, to su veći troškovi povezani s njom i količina informacija dobijenih uz nju.

Tačnost prognoza

Glavni kriterijumi za procenu efikasnosti modela koji se koristi u predviđanju su tačnost prognoze i potpunost prezentacije budućnosti. finansijsko stanje predviđeni objekat. Pitanje tačnosti prognoze je nešto složenije i zahtijeva više pažnje. Točnost ili greška prognoze je razlika između prognoziranih i stvarnih vrijednosti. U svakom konkretnom modelu, ova vrijednost ovisi o nizu faktora.

Ekstremno važnu ulogu historijski podaci korišteni u razvoju modela predviđanja igraju. U idealnom slučaju, poželjno je imati veliki broj podataka u značajnom vremenskom periodu. Osim toga, korišteni podaci moraju biti "tipični" u smislu situacije. Stohastičke metode predviđanja koje koriste aparate matematičke statistike postavljaju vrlo specifične zahtjeve za historijske podatke, u slučaju čijeg neispunjavanja se ne može garantovati tačnost prognoze. Podaci moraju biti pouzdani, uporedivi, dovoljno reprezentativni za ispoljavanje obrasca, homogeni i stabilni.

Točnost prognoze nedvosmisleno zavisi od pravilnog izbora metode prognoze u konkretnom slučaju. Međutim, to ne znači da je u svakom slučaju primjenjiv samo jedan model. Moguće je da će u nekim slučajevima nekoliko različitih modela dati relativno pouzdane procjene. Glavni element u bilo kojem modelu predviđanja je trend ili linija glavnog trenda u seriji. Većina modela pretpostavlja da je trend linearan, međutim, ova pretpostavka nije uvijek logična i može negativno utjecati na točnost prognoze. Na tačnost prognoze utiče i metod koji se koristi za odvajanje od trenda sezonskih fluktuacija – sabiranje ili množenje. Kada se koriste regresijske metode, izuzetno je važno pravilno identifikovati uzročno-posledične veze između različitih faktora i položiti te odnose u model.

Prije nego što se model može koristiti za pravljenje stvarnih prognoza, mora se testirati na objektivnost kako bi se osigurala tačnost prognoza. To se može postići na dva različita načina:

Rezultati dobijeni modelom upoređuju se sa stvarnim vrijednostima u vremenskom periodu kada se pojave. Nedostatak ovog pristupa je što može potrajati dugo da se testira "nepristrasnost" modela, budući da se model može istinski testirati samo u dužem vremenskom periodu.

Model je izgrađen na osnovu skraćenog skupa dostupnih istorijskih podataka. Preostali podaci se mogu koristiti za poređenje sa predviđenim vrijednostima dobivenim korištenjem ovog modela. Ova vrsta provjere je realističnija, jer zapravo simulira prognoziranu situaciju. Nedostatak ove metode je što su najnoviji, a samim tim i najznačajniji indikatori isključeni iz procesa formiranja početnog modela.

U svjetlu gore navedenog u vezi s validacijom modela, postaje jasno da će se u cilju smanjenja očekivanih grešaka morati izvršiti izmjene postojećeg modela. Takve promjene se vrše tokom cijelog perioda primjene modela u pravi zivot... Moguće su kontinuirane promjene u smislu trenda, sezonskih i cikličkih fluktuacija, kao i bilo koje korištene uzročne veze. Ove promjene se zatim provjeravaju korištenjem već opisanih metoda. Dakle, proces dizajniranja modela uključuje nekoliko faza: prikupljanje podataka, razvoj početnog modela, verifikacija, doradu - i opet sve iznova na osnovu kontinuiranog prikupljanja dodatnih podataka kako bi se osigurala pouzdanost modela.

Vrste prognoza

Postoje tri glavne vrste prognoze: tehnološka, ​​ekonomska i prognoza prodaje (tražnje).

1... Tehnološke prognoze pokrivaju stepen razvijenosti naučno-tehnološkog napretka ili tehnološkog razvoja u oblastima koje direktno utiču na proizvodnju u kojoj se predviđanje vrši. Na primjer, preduzeće koje proizvodi računare zainteresovano je za izglede za proširenje količine memorije na disketama. oni su dodatni proizvodi za korišćenje računara, a preduzeće koje koristi štetne, otrovne supstance u svojoj proizvodnji zainteresovano je za razvoj tehnologija za tretman i odlaganje otpada.

Razvoj naučnog i tehnološkog napretka dovodi do pojave novih roba i usluga, a one zauzvrat predstavljaju ozbiljnu konkurenciju postojećim preduzećima. Dobro napravljena prognoza će uštedjeti finansijska sredstva, predvidjeti razvoj novih tehnologija, čak i ako naučne i tehničke promjene nisu uticale na proizvodnju proizvoda.

2. Ekonomska prognoza omogućava vam da predvidite buduće stanje privrede, kamatne stope i druge faktore koji utiču na razvoj bilo kog preduzeća. Sljedeće odluke zavise od rezultata ekonomske prognoze: proširenje ili smanjenje proizvodnih kapaciteta; sklapanje novih ugovora; otpuštanje ili zapošljavanje radnika itd.

3. Razumijevanje stvarnog nivoa potražnje za proizvode preduzeća za određeni period u budućnosti daje prognozu obima prodaje. Ova prognoza je osnova za planiranje i izvođenje ekonomskih proračuna. Na potražnju utiču mnogi faktori, koji se mogu uzeti u obzir prilikom izrade prognoze prodaje (tražnje). Kao osnova za buduću prognozu koriste se takvi pokazatelji kao nivo potražnje u prethodnom periodu, demografske promjene, promjene tržišnih udjela industrijskih organizacija, dinamika političke situacije, intenzitet oglašavanja, konkurencija itd.

U svjetskoj praksi koristi se više od dvije stotine metoda predviđanja, u domaćoj nauci - ne više od dvadeset. U uvodu je naznačeno da će se razmotriti metode finansijskog predviđanja koje su postale rasprostranjene u razvijenim stranim zemljama.

Dakle, u zavisnosti od tipa modela koji se koristi, sve metode predviđanja mogu se podeliti u tri velike grupe (vidi sliku 1):

Metode stručne procjene, koji predviđaju višestepeno ispitivanje stručnjaka prema posebnim šemama i obradu rezultata dobijenih pomoću alata ekonomske statistike. Ovo su najjednostavnije i najpopularnije metode, čija povijest seže više od jednog milenijuma. Primena ovih metoda u praksi se obično sastoji u korišćenju iskustva i znanja trgovinskih, finansijskih, proizvodnih menadžera preduzeća ili vladine agencije. Ovo obično pruža najlakši i najbrži način za donošenje odluke. Nedostatak je smanjenje ili potpuno odsustvo lične odgovornosti za napravljenu prognozu. Stručne procjene se koriste ne samo za predviđanje vrijednosti indikatora, već i u analitičkom radu, na primjer, za razvoj faktora pondera, graničnih vrijednosti praćenih indikatora itd.

Stohastičke metode, što ukazuje na vjerovatnoću kako prognoze, tako i same veze između proučavanih indikatora. Vjerojatnost da se dobije tačna predviđanja raste s količinom empirijskih podataka. Ove metode zauzimaju vodeće mjesto sa stanovišta formaliziranog predviđanja i značajno se razlikuju po složenosti korištenih algoritama. Najjednostavniji primjer je proučavanje kretanja obima prodaje analizom stopa rasta pokazatelja prodaje. Rezultati predviđanja dobijeni statističkim metodama podložni su nasumičnim fluktuacijama podataka, što ponekad može dovesti do ozbiljnih pogrešnih proračuna.

Stohastičke metode mogu se podijeliti u tri tipične grupe, koje će biti nazvane u nastavku. Izbor metode određene grupe za predviđanje zavisi od mnogih faktora, uključujući dostupne početne podatke.

Prva situacija- prisustvo vremenske serije - najčešće se javlja u praksi: finansijski menadžer ili analitičar ima na raspolaganju podatke o dinamici indikatora, na osnovu kojih je potrebno konstruisati prihvatljivu prognozu. Drugim riječima, govorimo o isticanje trenda. To se može učiniti na različite načine, od kojih su glavni jednostavna dinamička analiza i analiza korištenjem autoregresivnih ovisnosti.

Druga situacija- prisustvo prostorne populacije - javlja se ako iz nekog razloga izostanu statistički podaci o indikatoru ili postoji razlog da se vjeruje da je njegova vrijednost određena uticajem nekih faktora. U ovom slučaju se može primijeniti multivarijantna regresijska analiza, koja je proširenje jednostavne dinamičke analize na multivarijatni slučaj.

Rice. 1. Klasifikacija metoda za predviđanje finansijskog stanja preduzeća

Treća situacija- prisustvo prostorno-vremenskog agregata - javlja se kada: a) niz dinamike nije dovoljan po dužini da bi se izgradile statistički značajne prognoze; b) analitičar namerava da u prognozi uzme u obzir uticaj faktora koji se razlikuju po svojoj ekonomskoj prirodi i njihovoj dinamici. Početni podaci su matrice ključnih brojki, od kojih svaka predstavlja vrijednosti istih ključnih cifara za različite periode ili za različite uzastopne datume.

Determinističke metode, uz pretpostavku prisutnosti funkcionalnih ili rigidno određenih odnosa, kada svaka vrijednost faktorskog atributa odgovara dobro definiranoj neslučajnoj vrijednosti efektivnog atributa. Primjer su zavisnosti implementirane u okviru dobro poznatog modela faktorska analiza DuPont firm. Korištenje ovog modela i zamjena predviđenih vrijednosti u njega razni faktori, na primjer, prihod od prodaje, promet imovine, stepen finansijske zavisnosti i drugo, možete izračunati predviđenu vrijednost jednog od glavnih pokazatelja učinka - omjera prinosa na kapital.

Drugi su veoma dobar primjer služi kao oblik bilansa dobiti i gubitka, koji je tabelarna implementacija rigidno determinističkog faktorskog modela koji povezuje efektivni pokazatelj (profit) sa faktorima (prihodi od prodaje, nivo troškova, nivo poreskih stopa itd.). A na nivou državnog finansijskog predviđanja faktorski model je odnos između obima državnih prihoda i poreske osnovice ili kamatnih stopa.

Ovdje se ne može ne spomenuti još jedna grupa metoda za finansijsko predviđanje na mikro nivou, zasnovanih na izgradnji dinamičkih simulacionih modela preduzeća. Takvi modeli uključuju podatke o planiranoj nabavci materijala i komponenti, obimu proizvodnje i prodaje, strukturi troškova, investicionoj aktivnosti preduzeća, poreskom okruženju itd. Obrada ovih informacija u okviru jedinstvenog finansijskog modela omogućava da se sa veoma visokim stepenom tačnosti proceni projektovano finansijsko stanje preduzeća. U stvarnosti, ovakav model se može izgraditi samo uz korištenje personalnih računara, koji omogućavaju brzo izvođenje ogromne količine potrebnih proračuna.

Pregled osnovnih metoda predviđanja

Metode modeliranja i ekonomsko-matematičke metode

Modeliranje uključuje izgradnju modela zasnovanog na preliminarnom proučavanju objekta ili procesa, naglašavajući njegove bitne karakteristike ili karakteristike. Predviđanje ekonomskih i društvenih procesa korištenjem modela uključuje razvoj modela, njegovog eksperimentalna analiza, poređenje rezultata prediktivnih proračuna zasnovanih na modelu sa stvarnim podacima o stanju objekta ili procesa, korekcija i usavršavanje modela.

Metode ekonomskog i matematičkog modeliranja uključuju sljedeće metode:

• Matrični modeli (statistički i dinamički),
• Optimalni modeli planiranja,
• Ekonomski i statistički,
• · lot faktorski modeli,
• Ekonometrijski modeli,
• simulacijski modeli,
• Modeli odlučivanje,
• modeli planiranja mreže,
• Metoda međuindustrijskog bilansa,
• · metode optimizacije,
• · Korelacijski i regresijski modeli.

Metoda ekonomske analize

Ekonomska analiza je sastavni dio i jedan od glavnih elemenata logike predviđanja i planiranja. Trebalo bi da se sprovodi i na makro i na mezo i na mikro nivou.

Suština metode ekonomske analize je u tome što se ekonomski proces ili pojava deli na njegove sastavne delove i otkriva međusobna povezanost i uticaj ovih delova jednih na druge i na tok razvoja čitavog procesa. Analiza nam omogućava da otkrijemo suštinu procesa, utvrdimo obrasce njegove promjene u prognoziranom (planiranom) periodu, da sveobuhvatno procijenimo mogućnosti i načine za postizanje postavljenih ciljeva.

U procesu ekonomske analize koriste se tehnike kao što su poređenje, grupisanje, indeksna metoda, vrše se bilansni proračuni, koriste se normativne i ekonomsko-matematičke metode.

Metoda ravnoteže

Bilansna metoda podrazumijeva izradu bilansa, koji su sistem indikatora u kojem je jedan dio, koji karakteriše resurse prema izvoru prihoda, jednak drugom dijelu, koji pokazuje raspodjelu (upotrebu) u svim pravcima njihove potrošnje.

U periodu tranzicije ka tržišnim odnosima povećava se uloga prognostičkih bilansa razvijenih na makro nivou: platnog bilansa, bilansa prihoda i rashoda države, bilansa novčanih prihoda i rashoda stanovništva, konsolidovanog bilansa. resursa rada, ravnoteže ponude i potražnje. Rezultati bilansnih obračuna služe kao osnova za formiranje strukturne, socijalne, finansijske i budžetske i monetarne politike, kao i politike zapošljavanja i spoljnoekonomske aktivnosti. Bilansi se koriste i za utvrđivanje neravnoteža u tekućem periodu, otvaranje neiskorištenih rezervi i opravdavanje novih proporcija.

Normativna metoda

Normativna metoda je jedna od glavnih metoda predviđanja i planiranja. U savremenim uslovima mu se pridaje poseban značaj u vezi sa upotrebom niza normi i standarda kao regulatora privrede. Suština normativne metode leži u studiji izvodljivosti predviđanja, planova, programa koristeći norme i standarde. Uz njihovu pomoć, potkrepljuju se najvažnije proporcije, vrši se razvoj materijalne proizvodnje i neproizvodne sfere, te se vrši regulacija privrede.

Tačnost prognoza

Glavni kriterijumi za procenu efikasnosti modela koji se koristi u predviđanju su tačnost prognoze i potpunost prikaza budućeg finansijskog stanja predviđenog objekta. Pitanje tačnosti prognoze je nešto složenije i zahtijeva više pažnje. Točnost ili greška prognoze je razlika između prognoziranih i stvarnih vrijednosti. U svakom konkretnom modelu, ova vrijednost ovisi o nizu faktora.

Istorijski podaci korišteni u razvoju modela prognoze izuzetno su važni. U idealnom slučaju, poželjno je imati veliku količinu podataka tokom značajnog vremenskog perioda. Osim toga, korišteni podaci moraju biti "tipični" u smislu situacije. Stohastičke metode predviđanja koje koriste aparate matematičke statistike postavljaju vrlo specifične zahtjeve prema istorijskim podacima, u slučaju čijeg neispunjavanja se ne može garantovati tačnost prognoze. Podaci moraju biti pouzdani, uporedivi, dovoljno reprezentativni za ispoljavanje obrasca, homogeni i stabilni.

Točnost prognoze nedvosmisleno zavisi od pravilnog izbora metode prognoze u konkretnom slučaju. Međutim, to ne znači da je u svakom slučaju primjenjiv samo jedan model. Moguće je da će u nekim slučajevima nekoliko različitih modela dati relativno pouzdane procjene. Glavni element u bilo kojem modelu predviđanja je trend ili linija glavnog trenda u seriji. Većina modela pretpostavlja da je trend linearan, međutim, ova pretpostavka nije uvijek logična i može negativno utjecati na točnost prognoze. Na tačnost prognoze utiče i metod koji se koristi za odvajanje od trenda sezonskih fluktuacija – sabiranje ili množenje. Kada se koriste regresijske metode, izuzetno je važno pravilno identifikovati uzročno-posledične veze između različitih faktora i položiti te odnose u model.

Prije nego što se model može koristiti za pravljenje stvarnih prognoza, mora se testirati na objektivnost kako bi se osigurala tačnost prognoza. To se može postići na dva različita načina:

Rezultati dobijeni modelom upoređuju se sa stvarnim vrijednostima u vremenskom periodu kada se pojave. Nedostatak ovog pristupa je što može potrajati dugo da se testira "nepristrasnost" modela, budući da se model može istinski testirati samo u dužem vremenskom periodu.

Model je izgrađen na osnovu skraćenog skupa dostupnih istorijskih podataka. Preostali podaci se mogu koristiti za poređenje sa predviđenim vrijednostima dobivenim korištenjem ovog modela. Ova vrsta provjere je realističnija, jer zapravo simulira prognoziranu situaciju. Nedostatak ove metode je što su najnoviji, a samim tim i najznačajniji indikatori isključeni iz procesa formiranja početnog modela.

U svjetlu gore navedenog u vezi s validacijom modela, postaje jasno da će se u cilju smanjenja očekivanih grešaka morati izvršiti izmjene postojećeg modela. Takve promjene se vrše tokom cijelog perioda primjene modela u stvarnom životu. Moguće su kontinuirane promjene u smislu trenda, sezonskih i cikličkih fluktuacija, kao i bilo koje korištene uzročne veze.

Ove promjene se zatim provjeravaju korištenjem već opisanih metoda. Dakle, proces projektovanja modela obuhvata nekoliko faza: prikupljanje podataka, razvoj početnog modela, verifikacija, usavršavanje - i opet sve iznova na osnovu kontinuiranog prikupljanja dodatnih podataka kako bi se osigurala pouzdanost modela.

Na mikro nivou- na nivou preduzeća, organizacije (firme), objekti predviđanja i planiranja su: potražnja, proizvodnja proizvoda (obavljanje usluga), potreba za materijalnim i radnim resursima, troškovi proizvodnje i prodaje proizvoda, cene, prihod preduzeća, njegov tehnički razvoj. Rezultati prognoza su osnova za donošenje upravljačkih odluka.

Predmeti predviđanja i planiranja- planske i finansijske organe preduzeća, marketing i tehničke službe.

Planovi prognoze se izrađuju kako za preduzeće u cjelini, tako i za njegove strukturne odjele: radionice, odjeljenja, službe.

Kompanija razlikuje sledeće vrste planovi:

Strateški planovi- planovi za opšti razvoj poslovanja. U finansijskom aspektu, ovi planovi određuju najvažnije finansijske pokazatelje i proporcije reprodukcije, karakterišu investicione strategije i mogućnosti reinvestiranja i akumulacije. Strateškim planovima se utvrđuje obim i struktura finansijskih sredstava potrebnih za rad preduzeća.

Trenutni planovi razvijaju se na osnovu strateških detalja. Ako je u strateškom planu dat okvirni spisak finansijskih sredstava, njihov obim i pravci korišćenja, onda je u okviru tekućeg planiranja svaka vrsta investicije međusobno usklađena sa izvorima njihovog finansiranja, efektivnost svakog mogućeg izvora finansiranja je studirao, i finansijsku procjenu glavne aktivnosti preduzeća i načini ostvarivanja prihoda.

Operativni planovi- to su kratkoročni taktički planovi direktno vezani za postizanje ciljeva preduzeća (plan proizvodnje, plan nabavke sirovina i materijala i dr.).

Predviđanje budućeg razvoja preduzeća je najznačajnija i najteža faza u pripremi poslovnog plana, budući da se na osnovu rezultata prognostičkih kalkulacija budućih promena na tržištu, troškova, cena, profita, okvir projekta postavlja. i određuju se potrebni resursi.

Prilikom predviđanja finansijskih pokazatelja preporučljivo je koristiti sistem metoda: ekspertske procjene, metode ekstrapolacije, faktorski modeli, metode optimizacije, normativne metode.

U svjetskoj praksi koristi se više od dvije stotine metoda predviđanja, u domaćoj nauci - ne više od dvadeset. U uvodu je naznačeno da će se razmotriti metode finansijskog predviđanja koje su postale rasprostranjene u razvijenim stranim zemljama.

Dakle, u zavisnosti od tipa modela koji se koristi, sve metode predviđanja mogu se podeliti u tri velike grupe (vidi sliku 1):

Metode stručne procjene, koji predviđaju višestepeno ispitivanje stručnjaka prema posebnim šemama i obradu rezultata dobijenih pomoću alata ekonomske statistike. Ovo su najjednostavnije i najpopularnije metode, čija povijest seže više od jednog milenijuma. Primena ovih metoda u praksi se obično sastoji u korišćenju iskustva i znanja trgovinskih, finansijskih, proizvodnih menadžera preduzeća ili vladine agencije. Ovo obično pruža najlakši i najbrži način za donošenje odluke. Nedostatak je smanjenje ili potpuno odsustvo lične odgovornosti za napravljenu prognozu. Stručne procjene se koriste ne samo za predviđanje vrijednosti indikatora, već i u analitičkom radu, na primjer, za razvoj faktora pondera, graničnih vrijednosti praćenih indikatora itd.

Stohastičke metode, što ukazuje na vjerovatnoću kako prognoze, tako i same veze između proučavanih indikatora. Vjerojatnost da se dobije tačna predviđanja raste s količinom empirijskih podataka. Ove metode zauzimaju vodeće mjesto sa stanovišta formaliziranog predviđanja i značajno se razlikuju po složenosti korištenih algoritama. Najjednostavniji primjer je proučavanje kretanja obima prodaje analizom stopa rasta pokazatelja prodaje. Rezultati predviđanja dobijeni statističkim metodama podložni su nasumičnim fluktuacijama podataka, što ponekad može dovesti do ozbiljnih pogrešnih proračuna.

Stohastičke metode mogu se podijeliti u tri tipične grupe, koje će biti nazvane u nastavku. Izbor metode određene grupe za predviđanje zavisi od mnogih faktora, uključujući dostupne početne podatke.

Prva situacija- prisustvo vremenske serije - najčešće se javlja u praksi: finansijski menadžer ili analitičar ima na raspolaganju podatke o dinamici indikatora, na osnovu kojih je potrebno konstruisati prihvatljivu prognozu. Drugim riječima, govorimo o isticanje trenda. To se može učiniti na različite načine, od kojih su glavni jednostavna dinamička analiza i analiza korištenjem autoregresivnih ovisnosti.

Druga situacija- prisustvo prostorne populacije - javlja se ako iz nekog razloga izostanu statistički podaci o indikatoru ili postoji razlog da se vjeruje da je njegova vrijednost određena uticajem nekih faktora. U ovom slučaju se može primijeniti multivarijantna regresijska analiza, koja je proširenje jednostavne dinamičke analize na multivarijatni slučaj.

Rice. jedan . Klasifikacija metoda za predviđanje finansijskog stanja preduzeća

Treća situacija- prisustvo prostorno-vremenskog agregata - javlja se kada: a) niz dinamike nije dovoljan po dužini da bi se izgradile statistički značajne prognoze; b) analitičar namerava da u prognozi uzme u obzir uticaj faktora koji se razlikuju po svojoj ekonomskoj prirodi i njihovoj dinamici. Početni podaci su matrice ključnih brojki, od kojih svaka predstavlja vrijednosti istih ključnih cifara za različite periode ili za različite uzastopne datume.

Determinističke metode, uz pretpostavku prisutnosti funkcionalnih ili rigidno određenih odnosa, kada svaka vrijednost faktorskog atributa odgovara dobro definiranoj neslučajnoj vrijednosti efektivnog atributa. Kao primjer možemo navesti zavisnosti implementirane u okviru poznatog modela faktorske analize kompanije DuPont. Koristeći ovaj model i supstituirajući u njega predviđene vrijednosti različitih faktora, na primjer, prihoda od prodaje, obrta imovine, stepena finansijske zavisnosti i drugih, moguće je izračunati predviđenu vrijednost jednog od glavnih pokazatelja učinka - omjer prinosa na kapital.

Još jedan vrlo jasan primjer je forma bilansa uspjeha, koji predstavlja tabelarna implementacija rigidno određenog faktorskog modela koji povezuje efektivni pokazatelj (profit) sa faktorima (prihod od prodaje, nivo troškova, nivo poreske stope itd.). A na nivou državnog finansijskog predviđanja faktorski model je odnos između obima državnih prihoda i poreske osnovice ili kamatnih stopa.

Ovdje se ne može ne spomenuti još jedna grupa metoda za finansijsko predviđanje na mikro nivou, zasnovanih na izgradnji dinamičkih simulacionih modela preduzeća. Takvi modeli uključuju podatke o planiranoj nabavci materijala i komponenti, obimu proizvodnje i prodaje, strukturi troškova, investicionoj aktivnosti preduzeća, poreskom okruženju itd. Obrada ovih informacija u okviru jedinstvenog finansijskog modela omogućava da se sa veoma visokim stepenom tačnosti proceni projektovano finansijsko stanje preduzeća. U stvarnosti, ovakav model se može izgraditi samo uz korištenje personalnih računara, koji omogućavaju brzo izvođenje ogromne količine potrebnih proračuna.

Pošaljite svoj dobar rad u bazu znanja je jednostavno. Koristite obrazac ispod

Studenti, postdiplomci, mladi naučnici koji koriste bazu znanja u svom studiranju i radu biće vam veoma zahvalni.

MINISTARSTVO OBRAZOVANJA UKRAJINE

ZAPOROŽKI DRŽAVNI TEHNIČKI UNIVERZITET

ODELJENJE ZA MEĐUNARODNE EKONOMSKE ODNOSE

OBJAŠNJENJE

NA KURSNI RAD NA DISCIPLINI "Međunarodne informacije"

Analiza metoda predviđanja

Izradio:

Supervizor:

apstraktno

Objašnjenje: 28 strana, 7 slika, 1 formula, 9 izvora

Predmet proučavanja: metode predviđanja.

Cilj: proučavati metode predviđanja i analizirati ih

Metode istraživanja: dedukcija, sistemsko-strukturalna

Rezultati istraživanja: u procesu rada izvršena je analiza metoda prognoze, neke teorijski aspekti određene metode, obim primjene metoda predviđanja i dr konkretan primjer predstavljena je metoda ekstrapolacije i trenda.

Ključne riječi: predviđanje, ekstrapolacija, ekspertske metode, heuristika, informacije, tehnologija, obrada informacija

Uvod ……………………………………………………………………………… .6

1. Zadaci i principi predviđanja ……………………………………… 7

2. Metode naučnog i tehničkog predviđanja ……………………… 11

2.1 Klasifikacija metoda predviđanja ……… .. ………………… .11

2.2 Ekstrapolacijske metode predviđanja ……………………… .13

2.2.1 Prethodna obrada početnih informacija u problemima prediktivne ekstrapolacije ................................. ........ 14

2.3 Statističke metode …………………………………………………………… 16

2.4 Ekspertske metode …………………………………………………………………… 17

2.4.1 Opseg stručnih metoda ………………………… 17

2.4.2 Metoda heurističkog predviđanja (MEP) ………………… ..19

3. Klasifikacija ekonomskih prognoza …………………………… ..23

Zaključak ……………………………………………………………………………… .28

Spisak referenci ………………………………………………………………………………… 29

Spisak skraćenica

Studija izvodljivosti - tabela stručnih procjena

PEO - lična stručna procjena

MEP - heuristička metoda predviđanja

Računar - elektronski računar

Elektronsko digitalno računalo - elektronsko centralno računalo

MHD - magnetne dinamičke instalacije

NTI - naučne i tehničke informacije

UVOD

Proces predviđanja je prilično relevantan u ovom trenutku. Opseg njegove primjene je širok. Predviđanje se široko koristi u ekonomiji, odnosno u menadžmentu. U menadžmentu su koncept "planiranja" i "predviđanja" usko isprepleteni. Oni nisu identični i ne zamjenjuju jedno drugo. Planovi i prognoze se međusobno razlikuju po vremenskim granicama, stepenu detaljnosti indikatora sadržanih u njima, stepenu tačnosti i vjerovatnoće njihovog ostvarenja, ciljanosti i, konačno, pravnoj osnovi. Prognoze su obično indikativne, a planovi su preskriptivni. Ne zamjena i suprotstavljanje plana i prognoze, već njihova ispravna kombinacija - to je način sistematskog regulisanja privrede u tržišnoj ekonomiji i prelaska na nju.

U industriji su metode predviđanja također najvažnije. Koristeći ekstrapolaciju i tendenciju, mogu se izvući preliminarni zaključci o različitim procesima, pojavama, reakcijama, operacijama.

Predviđanje također zauzima određenu nišu u vojnim disciplinama. Korištenjem prognostičkih metoda moguće je utvrditi (procijeniti) radioaktivnu situaciju na tom području itd.

Postoji mnogo metoda predviđanja. Razlikuje ih ukupan broj, potrebno je odabrati optimalan za upotrebu u svakoj konkretnoj situaciji.

Analiza metoda predviđanja, proučavanje ovih metoda, njihova upotreba u različitim oblastima aktivnost je aktivnost racionalizacijske prirode. Stepen pouzdanosti prognoza se zatim može uporediti sa stvarno stvarnim pokazateljima, i, nakon što se donesu zaključci, preći na sljedeću prognozu već sa postojećim podacima, tj. trenutni trend. Na osnovu dobijenih podataka moguće je, u vremenskom aspektu, preći na viši nivo itd.

1. Problemi i principi predviđanja

Prognoza - specifično predviđanje, sud o stanju bilo koje pojave u budućnosti na osnovu posebne naučne studije. Klasifikacija prognoza se po pravilu vrši po dva osnova - vremenskom i funkcionalnom. Na osnovu vremena razlikuju se prognoze: kratkoročne, srednjoročne, dugoročne i superdugoročne. Funkcionalna klasifikacija prognoza uključuje njihovu podjelu na istraživačke, programske i resursne.

Predviđanje je proces razvoja prognoze. U zavisnosti od vrste prognoze, razlikuje se normativno, traženo i operativno.

Prediktivni model - model objekta predviđanja, čije proučavanje vam omogućava da dobijete informacije o mogućim stanjima objekata u budućnosti i (ili) načinima i vremenu njihove implementacije

Da biste dobili informacije o budućnosti, potrebno je proučiti zakonitosti razvoja nacionalne ekonomije, utvrditi razloge, pokretačke snage njenog razvoja - to je glavni zadatak planiranja i predviđanja. Glavni pokretači razvoja proizvodnje su društvene potrebe, tehničke mogućnosti i ekonomska izvodljivost. U skladu s tim, mogu se ukazati na tri osnovna zadatka planiranja i predviđanja: postavljanje ciljeva razvoja privrede; pronalaženje najboljih načina i sredstava za njihovo postizanje; utvrđivanje resursa potrebnih za postizanje ciljeva.

Odabir cilja rezultat je analize društveno-političkih zadataka koje je potrebno rješavati u društvu i koji odražavaju objektivnu prirodu djelovanja ekonomskih zakona.

Izboru ciljeva prethodi razvoj alternativnih ciljeva, izgradnja hijerarhijskog sistema ili „drveta ciljeva“, rangiranje ciljeva i izbor vodećih karika. Početni preduslovi za izbor ciljeva su, s jedne strane, realna mogućnost rešavanja ove alternative, as druge, njena optimalnost prema kriterijumu efektivnosti.

Načini i sredstva za postizanje ciljeva utvrđuje se na osnovu analize razvoja nacionalne privrede i naučno-tehničkog napretka. Štaviše, u. proces predviđanja je ograničenje područja alternativne opcije načini i sredstva za postizanje postavljenih ciljeva, odnosno određuje se područje optimalnih rješenja. U procesu izrade plana (donošenja odluke) utvrđuje se pojedinačna odluka koja je optimalna prema usvojenom vektoru kriterijuma.

U zavisnosti od toga koji problem se prvo rešava, postoje dve vrste predviđanja: istraživačko (ili traženje) i normativno. Formiranje prognoze objektivno postojećih razvojnih trendova na osnovu analize istorijskih trendova naziva se istraživanja ili traži prognoziranje. Ova vrsta predviđanja zasniva se na korištenju principa inercije razvoja, u kojem se orijentacija prognoze u vremenu odvija prema shemi "od sadašnjosti do budućnosti". Istraživačka prognoza je slika stanja objekta prognoze u određenom trenutku budućnosti, dobijena kao rezultat razmatranja procesa razvoja kao kretanja po inerciji od sadašnjeg vremena do horizonta prognoze. Predviđanje trendova razvoja projekcijskog objekta, koji treba da obezbedi postizanje određenih društveno-političkih, ekonomskih i odbrambenih ciljeva u datom trenutku budućnosti, naziva se regulatorni. U ovom slučaju, orijentacija prognoze u vremenu odvija se prema shemi "od budućnosti do sadašnjosti".

Nesklad između normativnih i istraživačkih procjena objekta prognoze u svakom trenutku u budućnosti posljedica je kontradikcije "potreba - mogućnost". Kompleksna prognoza se zasniva na sastavu istraživanja i normativnih prognoza.

Izbor ciljeva i sredstava za njihovo postizanje svakako se mora kombinovati sa utvrđivanje potrebe za resursima. Prilikom utvrđivanja ove potrebe treba uzeti u obzir planirane i prognozne matrice resursa (finansijskih, radnih, materijalnih i energetskih), kao i matrice proizvodnih kapaciteta i vremenskih resursa. Procjeni su i potrebni resursi i vjerovatna ograničenja njihove vrijednosti u rasponu vremena izrade plana ili prognoze. Matrice projekcijskih resursa su najvažniji početni podaci pri sastavljanju bilansa nacionalne ekonomije u dugoročnom planiranju.

Pokretačke snage razvoja ne djeluju izolovano, one su međusobno povezane i međuzavisne i mogu se predstaviti u obliku povezanog trougla grafa:

Slika 1.1 Međusobna povezanost pokretačkih snaga razvoja

Vrhovi ovog "uzročnog trougla" identifikuju pokretačke snage razvoja proizvodnje, njene ivice - međusobne veze između njih. Stoga se zadaci planiranja i predviđanja ne mogu posmatrati izolovano. U procesu predviđanja i izrade plana, analizira se interakcija ciljeva, metoda i tehnička sredstva njihovo postizanje, resursi neophodni za njihovu realizaciju, a utvrđeni su prihvaćenim kriterijumima efikasnosti, optimalni načini razvoja nacionalne privrede.

Uprkos opštosti zadataka, njihova formulacija u predviđanju i planiranju je različita. Prilikom planiranja djeluje sljedeća shema: "cilj je direktiva, načini i sredstva za postizanje su deterministički, resursi ograničeni." Kod predviđanja, shema je drugačija: „ciljevi su teoretski ostvarivi, načini i sredstva za njihovo postizanje su mogući, resursi su vjerojatni”. Zadaci predviđanja se razlikuju po obimu. Zadatke predviđanja treba ocijeniti kao globalne. To uključuje: analizu situacije, određivanje nivoa pouzdanosti informacija, određivanje stepena vjerovatnoće, izradu tekućih, srednjoročnih i dugoročnih prognoza. Principi predviđanja: kombinacija društveno-političkih i ekonomskih ciljeva; demokratski centralizam; dosljednost; kontinuitet i povratne informacije; proporcionalnost i optimalnost; realnost i objektivnost; dodjela vodeće veze itd.

Predviđanje se mora nositi sistemski karakter. Potreba za sistematskim pristupom predviđanju proizilazi iz posebnosti razvoja nauke i tehnologije, nacionalne privrede u periodu naučno-tehnološke revolucije. Naučno-tehnička revolucija dovela je do temeljne promjene svojstava, karakteristika i strukture moderne tehnologije i nacionalne ekonomije. Povećanje broja elemenata, objekata različite prirode, usložnjavanje veza između njih i ponašanja objekta u vanjskom okruženju doveli su do stvaranja velikih tehničkih i proizvodnih (organizacijskih i ekonomskih) sistema.

Moderne mašine imaju visoku strukturnu i funkcionalnu složenost, to su tehnički kompleksi koji uključuju ogroman broj delova, sklopova, jedinica i gotovih proizvoda ujedinjeni krajnjim funkcionalnim integritetom. Strukturna i funkcionalna složenost određuje visoku potrošnju materijala, intenzitet rada, potrošnju energije i cijenu tehničkih kompleksa. Razvoj tehnologije doveo je do stvaranja složenih hijerarhijskih strukturnih konstrukcija – velikih tehničkih sistema. Ovo svojstvo tehničkih kompleksa zahtevalo je sistematski pristup njegovom stvaranju, sistemsko projektovanje. U razvijenim tehničkim kompleksima projekti pojedinih ulaznih elemenata moraju biti podređeni zajedničkom cilju radi kojeg se sistem kreira, odnosno mora se obezbijediti jedinstvena strategija ponašanja tehničkog sistema.

Stvaranje velikih tehničkih sistema je zauzvrat izazvalo pojavu velikih organizacionih i ekonomskih (proizvodnih) sistema, koji pokrivaju mnoga preduzeća, ujedinjena oslobađanjem određenog tehničkog kompleksa. U upravljačkoj strukturi postoji hijerarhija proizvodna preduzeća... Stalno rastuće stope razvoja nauke i tehnologije, stvaranje savremenih organizacionih i ekonomskih sistema doveli su do lavinskog rasta informacija i povećanja stepena nepravilnosti njihovog prijema. Sve je to zahtijevalo unapređenje metoda planiranja, stvaranje sistema planiranja.

Najvažniji zahtjevi sistematskog pristupa su složenost prognoza i planova i kontinuirana priroda procesa planiranja.

Integrisani pristup omogućava izradu prognoza i planova u međusobnoj povezanosti kako u prostoru (u sektorskom i teritorijalnom kontekstu) tako iu vremenu. Međuodnos u prostoru podrazumeva uspostavljanje racionalnih odnosa između sektora nacionalne privrede, privrednih regiona, uspostavljanje optimalnih odnosa između stopa razvoja nauke, tehnologije i industrijske proizvodnje, ravnoteže potreba i resursa na svim nivoima hijerarhije.

Odnos prognoze i planova u vremenu osigurava se primjenom principa kontinuiteta planiranja. Prilagođavanja planova i predviđanja trebaju biti diskretna i unaprijed rokovi(način rada). Relativno česta promjena planova, koja dovodi do promjene proizvodnih programa, može dovesti do dezorganizacije rada industrije i preduzeća zbog složenosti strukture proizvodnih veza u nacionalnoj privredi, visokog intenziteta rada i utroška materijala industrijske pripreme. procesi.

Osetljivost prognoze i planova na promene zavisi od nivoa hijerarhije, vremena isporuke i učestalosti prilagođavanja. Što je niži nivo, veća je osetljivost, periodi podešavanja bi trebali biti kraći.

Najvažnija tačka u implementaciji i upotrebi sistema kontinuiranog planiranja je da se utvrdi kvalitet takvih sistema i da se na osnovu toga pronađe optimalan režim funkcioniranje.

Kontinuitet planiranja je osiguran primjenom principa povratne sprege. Usklađivanje planova i prognoza vrši se na osnovu povratnih informacija koje sadrže podatke o rezultatima realizacije planova i prognoza, razjašnjenju potreba, o promjeni trenda razvoja objekta i vanjskog okruženja (društveno-političkog, naučne, tehničke i ekonomske pozadine) ...

Različiti stepen neizvesnosti u generisanim informacijama o budućnosti utiče na prirodu primenjenih metoda, metoda i tehnika predviđanja i planiranja. Ako se u izradi planova prednost daje determinističkim metodama, onda u predviđanju - stohastičkim. U izradi planova uglavnom se koriste regularne metode, au prognozi heurističke.

Specifičnost faza i faza planiranja utiče i na broj i nivo agregacije planiranih i prognoziranih indikatora, stepen njihovog determinizma, odnos direktivnih i izračunatih indikatora.

2 METODE NAUČNO-TEHNIČKOG PROGNOZA

2.1 Klasifikacija metoda predviđanja

Prije svega, dajmo definiciju metode predviđanja kao metode teorijskog i praktičnog djelovanja usmjerenog na izradu prognoza. Ova definicija je prilično opšta i omogućava nam da pojam "metoda predviđanja" shvatimo veoma široko: od najjednostavnijih ekstrapolacijskih proračuna do složenih procedura višestepenih stručnih intervjua.

Za proučavanje metodološkog aparata prognostike preporučljivo je od samog početka detaljizirati ovaj široki koncept. Nadalje, napravićemo razliku između jednostavnih metoda predviđanja i složenih metoda predviđanja. U ovom slučaju, pod jednostavnom metodom predviđanja podrazumijevamo metodu koja se ne može rastaviti na još jednostavnije metode predviđanja, a shodno tome, pod složenom metodom podrazumijevamo metodu koja se sastoji od međusobno povezanog skupa nekoliko jednostavnih.

Trenutno su, uz značajan broj objavljenih metoda predviđanja, poznate brojne metode njihove klasifikacije. Ipak, ovo pitanje se ne može smatrati zadovoljavajuće riješenim, jer još nije stvorena jedinstvena, korisna i potpuna klasifikacija. Vjerovatno prognostika, kao mlada nauka, još nije dostigla takav nivo razvoja kada je moguće napraviti klasifikaciju koja zadovoljava sve ove zahtjeve. Dakle, koje su svrhe klasifikacije prediktivnih metoda? Mogu se naznačiti dva takva glavna cilja. To je, prvo, obezbjeđivanje procesa proučavanja i analize metoda i, drugo, servisiranje procesa izbora metode prilikom izrade prognoze objekta. Na sadašnjoj fazi teško je predložiti jednu klasifikaciju koja podjednako zadovoljava oba ova cilja.

Postoje dvije glavne vrste klasifikacije: sekvencijalna i paralelna. Dosljedno klasifikacija uključuje odvajanje parcijalnih volumena od opštijih. Ovo je proces identičan podeli generičkog koncepta na vrste. U tom slučaju moraju se poštovati sljedeća osnovna pravila: 1) osnova podjele (znak) mora ostati ista u formiranju koncepta bilo koje vrste; 2) obim pojmova vrsta treba da isključuje jedni druge (uslov odsustva klasa koje se preklapaju); 3) opseg specifičnih pojmova treba da iscrpi obim generičkog koncepta (zahtev za potpunim obuhvatom svih objekata klasifikacije).

Paralelna klasifikacija pretpostavlja kompleksnu informacijsku bazu, koja se sastoji ne od jedne, već od niza karakteristika. Glavni princip takve klasifikacije je neovisnost odabranih karakteristika, od kojih je svaka bitna, sve zajedno su istovremeno inherentne predmetu, a samo njihova kombinacija daje sveobuhvatnu predstavu o svakoj klasi.

Konzistentna klasifikacija ima vizuelnu interpretaciju u vidu određenog porodičnog stabla, pokriva čitavu oblast koja se razmatra u celini i određuje mesto i odnos svake klase u zajednički sistem... Stoga je prihvatljiviji za potrebe proučavanja, omogućava vam da metodološki skladnije predstavite klasificirano područje znanja.

Svaki nivo klasifikacije karakteriše svoje klasifikaciono obeležje. Elementi svakog nivoa su imena podskupova elemenata najbližeg nižeg nivoa koji im pripadaju, a podskupovi su disjunktni.

Elementi nižeg nivoa predstavljaju nazive uskih grupa specifičnih metoda predviđanja (ponekad iz jednog elementa), koje su modifikacije ili varijeteti bilo koje od njih, najopštije.

Generalno, klasifikacija je otvorena, jer pruža mogućnost povećanja broja elemenata na nivoima i povećanja broja nivoa usled dalje fragmentacije i dorade elemenata poslednjeg nivoa.

Na prvom nivou, sve metode su podeljene u tri klase prema atributu „informaciona osnova metode“. Factographic metode se zasnivaju na stvarno dostupnom informacionom materijalu o objektu predviđanja i njegovom prošlom razvoju. Ekspertske metode se zasnivaju na informacijama koje daju eksperti u procesu sistematizovanih postupaka za identifikaciju i generalizaciju ovog mišljenja. Kombinovano metode su izdvojene u posebnu klasu tako da se na nju mogu odnositi metode sa mješovitom informacijskom osnovom, u kojima se kao primarne informacije koriste činjenične i stručne informacije. Na primjer, prilikom provođenja stručnog istraživanja, sudionicima se prezentiraju digitalne informacije o objektu ili činjenične prognoze, ili, obrnuto, pri ekstrapolaciji trenda, uz činjenične podatke, koriste se i stručne procjene.

Kombinovane metode nije potrebno označavati kao one metode predviđanja koje primjenjuju metode matematičke obrade na početne informacije stručnjaka ili na ekspertski način procjenjuju početne faktografske informacije. U većini slučajeva, oni se prilično dobro uklapaju u prvu ili drugu od gore navedenih klasa.

Ove klase se dalje dijele na podklase zasnovane na principima obrade informacija. Statistički metode kombinuju skup metoda za obradu kvantitativnih informacija o objektu prognoze prema principu identifikacije matematičkih obrazaca razvoja i matematičkih odnosa karakteristika sadržanih u njemu kako bi se dobili modeli prognoze. Metode analogije imaju za cilj da identifikuju sličnosti u obrascima razvoja različitih procesa i na osnovu toga daju prognoze. Vodeći metode predviđanja zasnivaju se na određenim principima posebne obrade naučnih i tehničkih informacija, ostvarujući u prognozi svoje svojstvo da nadmašuje razvoj naučno-tehničkog progresa.

Ekspertske metode su podijeljene u dvije podklase. Neposredne stručne ocjene zasnivaju se na principu pribavljanja i obrade nezavisnog generalizovanog mišljenja tima stručnjaka (ili jednog od njih) bez uticaja na mišljenje svakog stručnjaka mišljenjem drugog stručnjaka i mišljenjem tima. Stručne ocjene sa povratnom informacijom u ovom ili onom obliku utjelovljuju princip povratne informacije tako što utiču na ocjenu ekspertske grupe (jednog stručnjaka) mišljenjem koje je ranije dobijeno od ove grupe ili nekog od njenih stručnjaka.

Treći nivo klasifikacije dijeli metode predviđanja na tipove prema kriteriju klasifikacije "metodski aparat". Svaki tip u svom sastavu objedinjuje metode zasnovane na istom aparatu za njihovu implementaciju. Dakle, statističke metode se dijele na tipove ekstrapolacije i interpolacije; metode pomoću aparata regresivne i korelacione analize; metode koje koriste faktorsku analizu.

Klasa analognih metoda se deli na metode matematičkih i istorijskih analogija. Prvi koriste objekte drugačije fizičke prirode, drugu oblast nauke, granu tehnologije kao analogni objektu predviđanja, ali imaju matematički opis procesa razvoja koji se poklapa sa objektom predviđanja. Potonji, kao analog, koriste procese iste fizičke prirode, koji su ispred razvoja predviđenog objekta u vremenu.

Napredne metode predviđanja mogu se podijeliti na metode za proučavanje dinamike naučnih i tehničkih informacija; istraživačke metode i procjenu stanja tehnike. U prvom slučaju se uglavnom koristi konstrukcija kvantitativnih i kvalitativnih vremenskih serija na osnovu različitih tipova STI i analize i predviđanja na osnovu njih odgovarajućeg objekta. Druga vrsta metoda koristi poseban aparat za analizu kvantitativnih i kvalitativnih informacija sadržanih u STI za određivanje karakteristika nivoa, kvaliteta postojeće i projektovane tehnologije.

Neposredne stručne ocjene na osnovu implementacionog aparata dijele se na vrste stručne ankete i stručna analiza... U prvom slučaju se koriste posebne procedure za formiranje pitanja, organizovanje prijema odgovora na njih, obradu dobijenih odgovora i formiranje konačnog rezultata. U drugom, glavni istraživački aparat je svrsishodna analiza objekta prognoze od strane stručnjaka ili tima stručnjaka koji sami postavljaju i rješavaju pitanja koja vode do postavljenog cilja.

Stručne procjene sa povratnom informacijom u svom aparatu imaju tri vrste metoda: stručna anketa; generiranje ideja; modeliranje igara. Prvi tip karakterišu procedure regulisanog beskontaktnog anketiranja stručnjaka sa povremenim povratnim informacijama u gore pomenutom smislu. Drugi je izgrađen na postupcima direktne komunikacije stručnjaka u procesu razmjene mišljenja o postavljenom problemu. Odlikuje se nedostatkom pitanja i odgovora i usmjerena je na međusobnu stimulaciju kreativna aktivnost eksperti. Treći tip koristi aparat teorije igara i njene primijenjene podjele. Po pravilu se implementira na kombinaciji dinamičke interakcije timova stručnjaka i kompjutera koji simulira objekt prognoze u mogućim budućim situacijama.

Konačno, posljednji, četvrti, nivo klasifikacije dijeli tipove metoda trećeg nivoa na zasebne metode i grupe metoda prema nekim skupovima klasifikacijskih karakteristika koje su lokalne za svaki tip, od kojih je nemoguće naznačiti jednu zajedničku za cijeli nivo u cjelini.

2.2 Ekstrapolacijske metode predviđanja

Metode ekstrapolacije trendova su možda najčešće i najrazvijenije među čitavim skupom metoda predviđanja. Upotreba ekstrapolacije u predviđanju zasniva se na pretpostavci da je razmatrani proces promjene varijable kombinacija dvije komponente - regularne i nasumične:

Smatra se da je redovna komponenta f(a, X) predstavlja glatka funkcija na argumentu (u većini slučajeva, vremenu), opisanom konačno-dimenzionalnim vektorom parametara a, koji zadržavaju svoje vrijednosti za period prognoze. Ova komponenta se također naziva trend, nivo, deterministička osnova procesa, tendencija. Ispod svih ovih pojmova krije se intuitivna ideja neke suštine analiziranog procesa, očišćena od prepreka. Intuitivno, jer za većinu ekonomskih, tehničkih, prirodnih procesa, nemoguće je nedvosmisleno odvojiti trend od slučajne komponente. Sve ovisi o tome kojoj svrsi ova podjela teži i s kojom preciznošću se provodi.

Slučajna komponenta n (X) se obično smatra nekoreliranim slučajnim procesom s nultim matematičkim očekivanjima. Njegove procjene su potrebne za dalje utvrđivanje preciznost karakteristike prognoze.

Ekstrapolacijske metode predviđanja fokusiraju se na identificiranje najboljeg, u određenom smislu, opisa trenda i na određivanje predviđenih vrijednosti ekstrapolacijom. Metode ekstrapolacije se u velikoj mjeri preklapaju s metodama predviđanja koje koriste regresijske modele. Ponekad se njihove razlike svode samo na razlike u terminologiji, oznakama ili pisanju formula. Ipak, sama prediktivna ekstrapolacija ima niz specifičnih karakteristika i tehnika koje omogućavaju da se klasifikuje kao određeni nezavisni tip metoda predviđanja.

Specifičnosti prediktivne ekstrapolacije mogu se nazvati metodama preliminarne obrade numeričke serije kako bi se ona transformisala u oblik pogodan za predviđanje, kao i analiza logike i fizike predviđenog procesa, koji ima značajan uticaj na izbor tipa funkcije ekstrapoliranja i određivanje granica mijenjanjem njenih parametara.

2.2.1 Preliminarna obrada početnih informacija u problemima prediktivne ekstrapolacije

Prethodna obrada originalnog brojevnog niza ima za cilj rješavanje sljedećih zadataka (svih ili dio njih): smanjiti utjecaj slučajne komponente u originalnom brojevnom nizu, odnosno približiti ga trendu; predstaviti informacije sadržane u brojevnim serijama na način da značajno umanji poteškoću matematičkog opisa trenda. Glavne metode za rješavanje ovih problema su procedure za izravnavanje i nivelisanje statističkih serija.

Procedura zaglađivanje ima za cilj minimiziranje slučajnih odstupanja tačaka serije od neke glatke krive pretpostavljenog trenda procesa. Najčešći način usrednjavanja nivoa preko skupa okolnih tačaka, a ova operacija se kreće duž niza tačaka, u vezi sa kojima se obično naziva pokretnim prosekom. U samom jednostavna verzija funkcija izglađivanja je linearna i grupa za izglađivanje se sastoji od prethodne i narednih tačaka, u složenijim - funkcija je nelinearna i koristi grupu proizvoljnog broja tačaka.

Zaglađivanje se izvodi pomoću polinoma koji aproksimiraju grupu eksperimentalnih tačaka metodom najmanjih kvadrata. Najbolji anti-aliasing se postiže za srednje tačke grupe, pa je preporučljivo odabrati neparan broj tačaka u grupi za anti-aliasing.

Izglađivanje, čak iu jednostavnoj linearnoj verziji, je u mnogim slučajevima vrlo efikasno sredstvo za detekciju trenda kada se superponira na empirijski numerički niz slučajnih šuma i grešaka mjerenja. Za redove sa značajnom amplitudom interferencije moguće je izvršiti višestruko izglađivanje originalnog broja. Broj uzastopnih ciklusa izglađivanja treba birati u zavisnosti od vrste početne serije, od stepena njene pretpostavljene zagađenosti bukom interferencijom i od cilja izglađivanja. Treba imati na umu da efikasnost ovog postupka brzo opada (u većini slučajeva), pa ga je preporučljivo ponoviti od jedan do tri puta.

Linearno izglađivanje je prilično gruba procedura koja otkriva opšti približni oblik trenda. Za preciznije određivanje oblika izglađene krive, može se koristiti operacija nelinearnog izglađivanja ili ponderiranih pokretnih prosjeka. U ovom slučaju, ordinatama tačaka uključenih u kliznu grupu dodeljuju se različite težine u zavisnosti od njihove udaljenosti od sredine intervala zaglađivanja.

Ako je izglađivanje usmjereno na primarnu obradu niza brojeva kako bi se isključile slučajne fluktuacije i identificirao trend, tada poravnanje služi svrsi pogodnijeg predstavljanja originalne serije, ostavljajući njene vrijednosti nepromijenjene.

Najčešće tehnike poravnanja su logaritam i zamjena varijabli.

Ako empirijska formula treba da sadrži tri parametra ili je poznato da je funkcija troparametarska, ponekad je moguće nekim transformacijama isključiti jedan od parametara, a preostala dva dovesti u jednu od formula za poravnanje.

Usklađivanje se može smatrati ne samo metodom predstavljanja početnih podataka, već i metodom direktnog aproksimativnog određivanja parametara funkcije koja aproksimira originalni numerički niz. Često se upravo na ovaj način ova metoda koristi u nekim ekstrapolacijskim prognozama. Imajte na umu da je mogućnost njene direktne upotrebe za određivanje parametara aproksimirajuće funkcije uglavnom određena tipom početnog numeričkog niza i stepenom našeg znanja, našeg povjerenja u tip funkcije koja opisuje proces koji se proučava.

U slučaju da nam je oblik funkcije nepoznat, poravnanje treba smatrati preliminarnim postupkom, tokom kojeg se primjenom različitih formula i tehnika najviše pogodan pogled funkcije koje opisuju empirijske serije.

Jedna od varijanti metode poravnanja je proučavanje empirijskog niza kako bi se otkrila neka svojstva funkcije koja ga opisuje. U ovom slučaju, transformacije ne vode nužno do linearnih oblika. Međutim, njihovi rezultati ih pripremaju i olakšavaju proces izbora aproksimativne funkcije u problemima prediktivne ekstrapolacije. U najjednostavnijem slučaju, predlaže se korištenje sljedeće tri vrste diferencijalnih funkcija rasta:

1) Prvi izvod ili apsolutna diferencijalna funkcija rasta.

2) Relativni diferencijalni koeficijent, ili logaritamski izvod,

3) Funkcija elastičnosti

2.3 Statističke metode

Prije nego što nastavite s analizom metoda statističkog predviđanja, razmotrite neke opšti koncepti i definicije koje se odnose na modele korelacije i regresije. Dvije slučajne varijable su u korelaciji ako očekivana vrijednost jedan od njih se menja u zavisnosti od promene u drugom.

Aplikacija korelacione analize pretpostavlja ispunjenje sljedećih preduslova:

a) Slučajne varijable y(y 1 , at 2 , ..., U n) i x(x 1 , x 2 , ..., X n) može se smatrati uzorkom iz dvodimenzionalne opšte populacije sa normalan zakon distribucija.

b) Očekivana vrijednost greške i je nula

c) Pojedinačna zapažanja su stohastički nezavisna, to jest, vrijednost datog zapažanja ne bi trebala ovisiti o vrijednosti prethodnih i kasnijih zapažanja.

d) Kovarijansa između greške povezane s jednom vrijednošću zavisne varijable y, a greška povezana s bilo kojom drugom vrijednošću y je nula.

e) Varijanca greške povezana s jednom vrijednošću y, jednaka varijansi greške povezane s bilo kojom drugom vrijednošću.

f) Kovarijansa između greške i svake od nezavisnih varijabli je nula.

g) Neposredna primjenljivost ove metode ograničena je na slučajeve kada je jednadžba krive linearna u odnosu na svoje parametre bo, bi, ..., bk. Ovo, međutim, ne znači da je jednadžba krive u odnosu na promenljive treba da budu linearne. Ako empirijske jednadžbe promatranja nisu linearne, onda se u mnogim slučajevima ispostavlja da ih je moguće svesti na linearni oblik i već . zatim primijeniti metodu najmanjih kvadrata.

h) Zapažanja nezavisnih varijabli vrše se bez greške.

Prije početka korelacijske analize potrebno je provjeriti ispunjenost ovih preduslova.

Odnos između slučajnih i neslučajnih veličina se naziva regresija, a metoda za analizu takvih veza je regresiona analiza. Upotreba regresione analize pretpostavlja obavezno ispunjenje premisa (b-d) korelacione analize. Samo ako su ispunjeni gore navedeni preduslovi, procjene koeficijenata korelacije i regresije dobijene primjenom metode najmanjih kvadrata bit će nepristrasne i imati minimalnu varijansu.

Regresiona analiza je usko povezana sa korelacionom analizom. Kada su ispunjeni preduslovi korelacione analize, ispunjeni su i preduslovi regresione analize. Istovremeno, regresiona analiza nameće manje stroge zahtjeve za početne informacije." Tako je, na primjer, moguća regresiona analiza čak i ako se distribucija slučajne varijable razlikuje od normalne, kao što je često slučaj za tehničke i ekonomske veličine. Slučajna varijabla se koristi kao zavisna varijabla u regresionoj analizi, a neslučajna varijabla se koristi kao nezavisna varijabla.

Prema stepenu složenosti, statističke studije se mogu podijeliti na dvodimenzionalne i višedimenzionalne. Prvi se odnose na razmatranje uparenih odnosa između varijabli (uparene korelacije i regresije) i imaju za cilj u prediktivnim studijama rješavanje problema kao što je uspostavljanje kvantitativne mjere bliskosti odnosa između dvije slučajne varijable, utvrđivanje blizine ovog odnosa. na linearnu, procjenjujući pouzdanost i tačnost predviđanja dobijenih ekstrapolacijom zavisnosti regresije. Multidimenzionalne metode statističke analize uglavnom su usmjerene na rješavanje problema sistemske analize višedimenzionalnih stohastičkih objekata prognoze. Svrha takve analize je, po pravilu, da se razjasne unutrašnji odnosi između varijabli kompleksa, da se konstruišu višedimenzionalne komunikacijske funkcije varijabli, da se identifikuje minimalni broj karakteristika koje opisuju objekat sa dovoljnim stepenom tačnosti. Jedan od glavnih zadataka ovdje je smanjenje dimenzije opisa objekta predviđanja.

Dakle, statističke metode se uglavnom koriste za pripremu podataka, dovodeći ih u oblik pogodan za izradu prognoze. U pravilu se nakon njihove primjene koristi jedna od metoda ekstrapolacije ili interpolacije za dobivanje direktnog rezultata prognoze.

2.4 Ekspertske metode

2.4.1 Obim ekspertskih metoda

Metode stručnih procjena u predviđanju i dugoročnom planiranju naučno-tehnološkog napretka koriste se u sljedećim slučajevima:

a) u nedostatku dovoljno reprezentativne i pouzdane statistike, karakteristike objekta (na primjer, laseri, holografski uređaji za skladištenje, racionalno korištenje vodnih resursa u preduzećima);

b) u uslovima velike neizvesnosti u okruženju funkcionisanja objekta (na primer, prognoze sistema čovek-mašina u svemiru ili uzimajući u obzir međusobni uticaj oblasti nauke i tehnologije);

c) u srednjoročnom i dugoročnom predviđanju objekata novih industrija, podložnih snažnom uticaju novih otkrića u fundamentalnim naukama (na primjer, mikrobiološka industrija, kvantna elektronika, nuklearno inženjerstvo);

d) u uslovima vremenskog pritiska ili ekstremnih situacija.

Stručna prosudba je neophodna kada ne postoji odgovarajuća teorijska osnova za razvoj objekta. Stepen pouzdanosti pregleda utvrđuje se apsolutnom učestalošću kojom se ocjena vještaka na kraju potvrđuje naknadnim događajima. Postoje dvije kategorije stručnjaka - uski specijalisti i generalisti, koji daju formulaciju velikih problema i konstrukciju modela. Odabir stručnjaka za prognozu vrši se na osnovu njihovog ugleda među određenom kategorijom specijalista. Međutim, ne treba zaboraviti činjenicu da prvoklasni specijalista nije uvijek u stanju da dovoljno kompetentno razmotri i razumije opća, globalna pitanja. U tu svrhu potrebno je uključiti stručnjake, iako ne usko informisani, ali posjeduju sposobnost odvažnosti i mašte.

“Expert” u doslovnom prijevodu s latinskog znači “iskusan”. Stoga, kako u formalizovanim tako i u neformalnim metodama definisanja eksperta, značajno mesto zauzimaju profesionalno iskustvo i intuicija razvijena na njegovoj osnovi. Uslovi za neophodnost i dovoljnost raspoređivanja specijaliste u kategoriju stručnjaka su predstavljeni u nastavku.

Važno je utvrditi ne apsolutni stepen pouzdanosti stručne procene, već stepen pouzdanosti u poređenju sa procenom prosečnog specijaliste, kao i korelaciju između verovatnoće njegove prediktivne procene i pouzdanosti klase stručnjaka. te hipoteze kojima ekspert rukovodi. Općenito, morate definirati šta je stručnjak. Nabrojimo neke od uslova koje stručnjak mora ispuniti:

1) procene veštaka moraju biti stabilne tokom vremena i prolazne; 2) prisustvo dodatnih informacija o predviđenim znacima samo poboljšava procenu veštaka; 3) stručnjak mora biti priznati specijalista u datoj oblasti znanja; 4) stručnjak mora imati određeno iskustvo uspješnog predviđanja u ovoj oblasti znanja.

Prilikom karakterizacije stručnjaka treba imati na umu da se kao rezultat izrade procjena mogu pojaviti greške dvije vrste. Greške prve vrste poznate su u mjernoj tehnici kao sistematske, greške druge vrste poznate su kao slučajne. Stručni savjetnik, sklon greškama prve vrste, proizvodi vrijednosti koje se stabilno razlikuju od prave u smjeru povećanja ili smanjenja. Vjeruje se da su greške ove vrste povezane sa načinom razmišljanja stručnjaka. Da biste ispravili sistematske greške, možete koristiti faktore korekcije ili koristiti posebno razvijene igre za obuku. Greške drugog tipa karakteriše veličina varijanse. Na osnovu analize glavnih vrsta grešaka u donošenju stručnih sudova, može se dodati još jedna na prethodno razmatranu listu zahtjeva za stručnjake. Njegovo značenje je da treba dati prednost stručnjaku čije procjene imaju nisku varijansu i sistematsko odstupanje prosječne greške od nule u odnosu na stručnjaka sa prosječnom greškom jednakom nuli, ali sa većom varijansom. Nažalost, nemoguće je a priori utvrditi sposobnost osobe za ispravne stručne procjene. Igre za posebne treninge su važno sredstvo za obuku stručnjaka.

Organizacija oblika rada stručnjaka može biti programirana i neprogramirana, a djelatnost stručnjaka može se obavljati usmeno (intervju) ili pismeno (odgovaranje na pitanja posebnih tabela stručnih ocjena ili slobodno izlaganje na zadatu temu).

Programiranje forme rada stručnog savjetnika podrazumijeva:

izrada grafičkog modela objekta na osnovu retrospektivne analize; utvrđivanje strukture tabela stručnih procjena (studija izvodljivosti) ili programa intervjua na osnovu grafičkog modela objekta i ciljeva ispitivanja; određivanje vrste i oblika pitanja u studiji izvodljivosti ili u intervjuu;

određivanje vrste skale za pitanja u studiji izvodljivosti; uzimanje u obzir psiholoških karakteristika ispitivanja prilikom određivanja redoslijeda pitanja u studiji izvodljivosti; razmatranje verifikacionih pitanja; razvoj logičkih tehnika za naknadnu sintezu prediktivnih procjena u složenim prognozama objekta.

Organizacija stimulacije rada stručnjaka sastoji se u razvoju:

heurističke tehnike i metode koje olakšavaju potragu za prediktivnim stručnim prosuđivanjem; zakonske norme koje garantuju stručnu registraciju prioriteta i autorstva, kao i neotkrivanje svih naučnih i tehničkih ideja koje on iznosi u postupku ispitivanja;

oblici moralnog, stručnog i materijalnog interesa stručnjaka za stručne ocjene; organizacioni oblici rada stručnjaka (uključivanje u plan rada i sl.).

Na osnovu predviđenog modela objekta dobijenog kao rezultat analize, određuju se naučno-tehničke oblasti za koje je potrebno angažovati stručnjaka, izdvajaju grupe eksperata prema pitanju koje pripada oblasti fundamentalnih, primenjenih nauka ili zajedničke naučne oblasti.

Prilikom rješavanja problema formiranja ekspertske grupe potrebno je identifikovati i stabilizovati radnu mrežu eksperata. Način stabilizacije ekspertske mreže je sljedeći. Na osnovu analize literature o predviđenom problemu, bira se svaki specijalista koji ima više publikacija iz ove oblasti. Od njega se traži da imenuje 10, po njegovom mišljenju, najkompetentnijih stručnjaka za ovaj problem. Zatim se istovremeno obraćaju svakom od deset imenovanih specijalista sa zahtjevom da navedu 10 svojih najvećih kolega naučnika. Sa pristigle liste specijalista briše se 10 početnih, a ostalima se šalju pisma koja sadrže gore navedeni zahtjev. Ovaj postupak se ponavlja sve dok niko od novoimenovanih specijalista ne doda nova imena na listu stručnjaka, odnosno dok se mreža stručnjaka ne stabilizuje. Rezultirajuća mreža stručnjaka može se smatrati opštom populacijom stručnjaka kompetentnih u oblasti predviđenog problema. Međutim, zbog brojnih praktičnih ograničenja, pokazalo se da nije prikladno uključiti sve specijaliste u pregled. Stoga je potrebno formirati reprezentativan uzorak iz opšte populacije stručnjaka.

Utvrđivanje specifičnosti postupaka za metode PEO klase (personalne stručne ocjene) vrši se na osnovu analize zahtjeva za stručnjake i njihovih procjena koje proizilaze iz suštine metoda:

a) analitičke napomene postavljati zahtjeve za strukturiranje eksperimentalnog problema, eksplikaciju i rangiranje ciljeva, analizu alternativnih načina za postizanje cilja, procjene troškova za svaku alternativu i preporuke za većinu efikasne načine rješenje problema;

b) uparena poređenja, Racioniranje i rangiranje zahtijevaju ujednačenost procijenjenih karakteristika, postojanje logički opravdanih kriterijuma i standarda, prisustvo nedvosmisleno definisanih procedura za rad sa kriterijumima, standardima i karakteristikama;

c) intervju postaviti posebne zahtjeve i za stručnjaka i za anketara;

d) morfološko strukturiranje zahtijeva jasnu definiciju funkcionalnih karakteristika objekta ili problema koji treba poboljšati, klasifikaciju naučnih principa na osnovu kojih je moguće poboljšati karakteristike; analiza svih mogućih kombinacija ovih principa i eliminacija očigledno apsurdnog; ocjenjivanje kombinacija u smislu njihove izvodljivosti i troškova njihove implementacije; poređenje kombinacija prema kompleksnom kriterijumu „trošak – efikasnost – vreme“.

2.4.2 Metoda heurističkog predviđanja (PEP)

Glavni izazov s kojim se suočavaju stručnjaci za analizu i dizajn veliki sistemi, u opštem slučaju, po pravilu se sastoji u pronalaženju najoptimalnijih načina za stvaranje efikasnijih sistema – bilo novoprojektovanih ili modernizovanih. Poteškoća u rješavanju ovog problema prije svega leži u činjenici da ovdje obično nema mogućnosti da se rješenje pronađe čisto matematičkim metodama, jer po pravilu nije moguće precizno odrediti veličine (funkcionale) koje podliježu optimizaciji (ekstremalizaciji). ) u matematičkom smislu. To nije samo zbog složenosti opisivanja funkcionisanja velikih sistema, već i zbog takvih fundamentalnih tipova kao što su, na primjer, specifičnosti ciljeva za koje je sistem namijenjen da se postigne. Prvo, sistem može imati ne jedan cilj, već skup njih, što odmah dovodi do problema vektorske optimizacije. Drugo, skup ciljeva postavljenih za sistem može sadržavati čisto kvalitativne ciljeve koji ne podliježu praktično ostvarivim kvantitativnim mjerenjima. To dovodi, s jedne strane, do problema procjene stepena ostvarenosti kvalitativnog cilja, as druge, do problema poređenja važnosti kvalitativnih i kvantitativnih ciljeva i stepena njihovog ostvarenja.

Slična situacija se javlja i pri procjeni posljedica namjeravanog načina postizanja cilja. Istaknimo, na primjer, da ove posljedice mogu istovremeno biti ekonomskog, političkog, socijalnog ili nekog drugog karaktera.

U tim uslovima, rešenje sistemskog problema se pronalazi heurističkim metodama koje koriste veoma složen matematički aparat, a sastoji se u izdavanju dobro utemeljenih preporuka dovoljnih za razvoj rešenja.

Metoda heurističkog predviđanja je metoda dobijanja i specijalizirane obrade prediktivnih procjena objekta sistematskim ispitivanjem visokokvalifikovanih stručnjaka (stručnjaka) u uskoj oblasti nauke, tehnologije ili proizvodnje. Prediktivne stručne procjene odražavaju individualnu prosudbu specijaliste o izgledima za razvoj njegovog područja i zasnivaju se na mobilizaciji profesionalnog iskustva i intuicije.

Metoda heurističkog predviđanja je slična delfskoj tehnici, kolektivnoj generaciji ideja i metodi kolektivne ekspertske procjene u smislu da je jedan od njenih elemenata prikupljanje i obrada stručnih sudova izraženih na osnovu profesionalnog iskustva i intuicije. Međutim, razlikuje se od ovih metoda po većoj jasnoći. teorijske osnove, metode formiranja upitnika i tabela, postupak rada sa stručnjacima i algoritam za obradu primljenih informacija. Ova metoda se naziva heurističkom u vezi sa homogenošću oblika mentalne aktivnosti stručnjaka pri rješavanju naučnog problema i pri procjeni perspektiva razvoja predviđenog objekta, kao i u vezi sa upotrebom specifičnih tehnika od strane stručnjaka koji dovesti do vjerodostojnih zaključaka.

Svrha metode heurističkog predviđanja je da se na osnovu sistematske obrade prediktivnih procjena reprezentativne grupe stručnjaka identificira objektivna ideja o perspektivama razvoja užeg područja nauke i tehnologije.

Područje primjene MEP-a su naučno-tehnički objekti i problemi, čiji razvoj u potpunosti ili djelimično ne podliježe formalizaciji, odnosno za koje je teško razviti adekvatan model. Na primjer, elementarna i tehnološka osnova elektronskih računara.

Metoda se zasniva na tri teorijske pretpostavke: 1) postojanje psihološkog stava stručnjaka za budućnost, formulisanog na osnovu profesionalnog iskustva i intuicije, i mogućnosti njegove eksteriorizacije; 2) istovetnost procesa heurističkog predviđanja i procesa rešavanja naučnog problema sa istom vrstom znanja dobijenog u vidu heurističkih verodostojnih zaključaka koji zahtevaju proveru;

3) mogućnost adekvatnog prikaza trenda razvoja objekta prognoze u vidu sistema prediktivnih modela sintetizovanih iz prediktivnih stručnih procena.

Ove pretpostavke implementirane su u metodu heurističkog predviđanja kroz sistem tehnika rada sa stručnjacima, metode procjene i sinteze prediktivnih modela.

Početni dokumenti pri radu sa metodom heurističkog predviđanja su: opis metode; uputstva za formulisanje pitanja; uputstva za sastavljanje upitnika i tabela stručnih procjena; postupak rada sa stručnjacima; skup heurističkih tehnika za stručnjake; uputstva za stručnjake za popunjavanje upitnika i tabela; uputstva za obradu stručnih upitnika i tabela na računaru; Algoritmi i programi za obradu podataka na računalu; upitnici i tabele koje popunjavaju stručnjaci; uputstva za ocjenu stručnosti stručnjaka; upute za sintezu prediktivnih modela; skup metoda za provjeru prognoza.

Prisustvo potpuno formulisanog informacionog niza daje punu osnovu za kvalitetan rad sa MEP.

Formiranje upitnika i tabela stručnih procjena. Informacijski niz za izradu prognoza metodom heurističkog predviđanja je skup tabela i upitnika koje popunjavaju stručnjaci. Tabele sadrže listu strogo formuliranih pitanja. Na pitanja u upitnicima postavljaju se sledeći zahtevi: 1) moraju biti formulisana u opšteprihvaćenim terminima; 2) njihova formulacija treba da isključi svaku semantičku dvosmislenost; 3) sva pitanja moraju logički odgovarati strukturi objekta prognoze; 4) moraju se pripisati jednom od tri tipa navedena u nastavku. U zavisnosti od vrste pitanja, primenjuje se određena procedura za njegovo formulisanje i sastavljanje upitnika.

TO prvi tip uključuje pitanja, čiji odgovori sadrže kvantitativnu procjenu: pitanja o vremenu događaja; ankete o kvantitativnoj vrijednosti predviđenog parametra; pitanja o vjerovatnoći da će se neki događaj dogoditi; pitanja o proceni relativnog uticaja faktora jednih na druge na određenoj skali. Za ovu vrstu pitanja koristi se najjednostavniji postupak sastavljanja upitnika. U ovom slučaju, sam prognostičar, koji poznaje objekt prognoze, formulira listu vrijednosti procijenjenih parametara, vjerojatnosti i vremenskih intervala. Prilikom određivanja skale vrijednosti kvantitativnih parametara (vrijeme, karakteristika itd.), preporučljivo je koristiti neujednačenu skalu. Specifična vrijednost neujednačenosti određena je prirodom zavisnosti greške prognoze o vremenu isporuke.

To drugi um uključuje smislena pitanja koja zahtijevaju minimiziran odgovor ne u kvantitativnom obliku. Pitanja koja zahtijevaju odgovor u sažetom obliku mogu biti tri tipa: disjunktivna; konjunktiv; implikacija.

Pitanja na koja je potreban sadržajan odgovor u skraćenom obliku karakteriše najsloženiji postupak njihovog formiranja u upitnik. Konačni oblik se dobija kao rezultat iteracije u tri faze. U prvoj fazi, prognostičar pažljivo ispituje rezultat rada (izvještaja) grupe stručnjaka (metoda komisija) na određenom sistemu. Rezultat studije je formulisanje prve verzije upitnika, koji se u drugoj fazi šalje predsednicima odgovarajućih komisija na ispravku i pojašnjenje. Rezultat je druga verzija upitnika. U trećem koraku, pitanja se grupišu po temama i određenim redoslijedom unutar tema. Konačna verzija upitnika je u obliku tabela stručnih procjena.

Slični dokumenti

Metode za predviđanje i programiranje društvene sfere. Funkcije i prioriteti socijalne politike Evropske unije, pravci i principi njene reforme u sjevernoj Evropi. Značajka i karakteristike resursna politika Norveške.

seminarski rad, dodan 16.11.2009


Proučavanje teorijskih osnova određivanja cijena na svjetskom tržištu. Razmatranje suštine i vrste cijena sa stanovišta strano iskustvo... Analiza i predviđanje ove oblasti u Republici Bjelorusiji; izrada preporuka za njihovo unapređenje.

seminarski rad, dodan 24.09.2014


Postupak izgradnje ekonomskih modela i njihova dalja praktična primjena. Metode za predviđanje deviznih kurseva u sadašnjoj fazi. Suština teorije određivanja cijena opcija, njena premija. Odabir najboljeg načina plaćanja u međunarodnoj praksi.

test, dodano 16.10.2010


Državno ekonomsko planiranje u razvijenim zemljama: metode predviđanja, planiranja i oporezivanja. Razvoj agroindustrijskog kompleksa Republike Kazahstan. Metode za procjenu efikasnosti upravljanja državnim paketima dionica.

test, dodano 10.06.2012


Ciklični razvoj privrede. Ekonomski ciklusi, njihove vrste i uzroci. Velika depresija 1929-1933 Finansijska kriza u Rusiji 1998: uzroci i posljedice. Svjetska finansijska kriza 2008. Metode predviđanja bankrota.

seminarski rad, dodan 20.04.2015


Opravdanost potrebe predviđanja tržišta pri donošenju menadžerskih odluka u sistemu upravljanja proizvodno-privrednim aktivnostima. Izgradnja modela globalne ponude i globalne potražnje u kratkom i dugoročnom periodu.

laboratorijski rad, dodano 10.10.2016


Karakteristike pojedinačnih zemalja G7 i E7. Dinamika makroekonomskih pokazatelja. Prognoza promjena ekonomske snage. Odabir modela prognoze. Indikatori prognoze G7, E7 i svjetske ekonomije. Analiza ekonomske snage G7 i E7 u 2020.

seminarski rad dodan 28.05.2014


Razvoj trgovinskih odnosa između Rusije i inostranstva, unapređenje njihovog pravnog okvira. Dinamika obima i tehnološke strukture spoljnotrgovinske razmene države, mogućnost predviđanja korišćenjem makroekonomskih pokazatelja.

seminarski rad, dodan 30.05.2015


Metode državna regulativa spoljnoekonomske aktivnosti i njihova klasifikacija. Ciljevi i zadaci uvođenja necarinskih mjera. Direktne mjere ograničenja, kvote, licenciranje, carinske i administrativne formalnosti, druge necarinske metode.

prezentacija dodata 18.05.2010


Karakteristično međunarodnog poslovanja u sistemu međunarodnih ekonomskih odnosa. Poslovne i međukulturalne metode međunarodnog poslovanja. Oblici i metode međunarodnog poslovanja kompanija "Hewlett-Packard" i "British Petroleum": komparativna analiza.

Povratak