W procesie prognozowania finansowego stosuje się określone metody obliczania wskaźników finansowych, takie jak: modelowanie matematyczne, prognozowanie ekonometryczne, oceny eksperckie, trendy i scenariusze, metody stochastyczne.

Modelowanie matematyczne pozwala na uwzględnienie wielu powiązanych ze sobą czynników, które wpływają na wskaźniki prognozy finansowej, wybór spośród kilku wariantów projektu prognozy najbardziej adekwatnej dla przyjętej koncepcji produkcji, rozwoju społeczno-gospodarczego oraz celów polityki finansowej.

prognozowanie ekonometryczne w oparciu o zasady teorii ekonomii i statystyki: obliczanie wskaźników prognostycznych odbywa się na podstawie statystycznie oszacowanych współczynników z jedną lub kilkoma zmiennymi ekonomicznymi działającymi jako czynniki prognozy; pozwala na uwzględnienie jednoczesnej zmiany kilku zmiennych, które wpływają na wykonanie prognozy finansowej. Modele ekonometryczne opisują z pewnym prawdopodobieństwem dynamikę wskaźników w zależności od zmian czynników wpływających na procesy finansowe. Przy konstruowaniu modeli ekonometrycznych wykorzystuje się aparat matematyczny analizy regresji, który daje ilościowe szacunki średnich relacji i proporcji, jakie wykształciły się w gospodarce w okresie bazowym. Aby uzyskać najbardziej wiarygodne wyniki, metody ekonomiczne i matematyczne uzupełniane są ocenami eksperckimi.

metoda ekspertyzy polega na uogólnianiu i matematycznym przetwarzaniu ocen ekspertów-specjalistów na dany temat. Skuteczność tej metody zależy od profesjonalizmu i kompetencji ekspertów. Takie prognozy mogą być dość dokładne, jednak oceny ekspertów są subiektywne, zależą od „odczuć” eksperta i nie zawsze dają się racjonalnie wytłumaczyć.

metoda trendu, który zakłada zależność niektórych grup dochodów i wydatków tylko od czynnika czasu, wynika ze stałych tempa zmian (trend stałych temp wzrostu) lub stałych zmian bezwzględnych (liniowy trend czasowy). Wadą tej metody jest ignorowanie czynników ekonomicznych, demograficznych i innych.

Rozwój scenariusza nie zawsze wypływa z naukowego i obiektywnego, zawsze odczuwają wpływ preferencji politycznych, preferencji poszczególnych urzędników, inwestorów, właścicieli, ale to pozwala nam ocenić konsekwencje realizacji pewnych politycznych obietnic.

Metody stochastyczne założyć probabilistyczny charakter zarówno prognozy, jak i związek między wykorzystanymi danymi a prognozowanymi wskaźnikami finansowymi. Prawdopodobieństwo obliczenia dokładnej prognozy finansowej jest określone przez ilość danych empirycznych wykorzystanych do prognozowania.

Zatem metody prognozowania finansowego różnią się pod względem kosztów i ilości dostarczanych informacji wynikowych: im bardziej złożona metoda prognozowania, tym większe koszty z nią związane i ilość informacji uzyskiwanych za jej pomocą.

Dokładność prognozy

Głównymi kryteriami oceny skuteczności modelu wykorzystywanego w prognozowaniu są trafność prognozy oraz kompletność odwzorowania przyszłości. kondycja finansowa przewidywany obiekt. Kwestia dokładności prognoz jest nieco bardziej złożona i wymaga bliższej uwagi. Dokładność lub błąd prognozy to różnica między wartościami przewidywanymi i rzeczywistymi. W każdym konkretnym modelu wartość ta zależy od wielu czynników.

Niezwykle ważna rola odtworzyć dane historyczne wykorzystane do opracowania modelu prognostycznego. Najlepiej byłoby mieć duża liczba dane przez znaczny okres czasu. Ponadto wykorzystywane dane powinny być „typowe” z punktu widzenia sytuacji. Stochastyczne metody prognozowania, wykorzystujące aparat statystyki matematycznej, nakładają na dane historyczne bardzo specyficzne wymagania, w przypadku których nie można zagwarantować dokładności prognozy. Dane muszą być wiarygodne, porównywalne, wystarczająco reprezentatywne dla przejawów wzorców, jednorodne i stabilne.

Dokładność prognozy wyraźnie zależy od właściwego wyboru metody prognozowania w konkretnym przypadku. Nie oznacza to jednak, że w każdym przypadku ma zastosowanie tylko jeden model. Jest całkiem możliwe, że w niektórych przypadkach kilka różnych modeli da stosunkowo wiarygodne szacunki. Głównym elementem każdego modelu prognostycznego jest trend lub linia głównego trendu szeregu. Większość modeli zakłada, że trend jest liniowy, ale założenie to nie zawsze jest uzasadnione i może niekorzystnie wpłynąć na dokładność prognozy. Na trafność prognozy wpływa również metoda oddzielenia wahań sezonowych od trendu - dodawanie lub mnożenie. Przy stosowaniu metod regresji niezwykle ważne jest prawidłowe zidentyfikowanie związków przyczynowo-skutkowych między różnymi czynnikami i umieszczenie tych relacji w modelu.

Zanim model będzie mógł zostać użyty do tworzenia realistycznych prognoz, musi zostać przetestowany pod kątem obiektywności, aby zapewnić dokładność prognoz. Można to osiągnąć na dwa różne sposoby:

Wyniki uzyskane przez model są porównywane z rzeczywistymi wartościami po pewnym czasie, kiedy się pojawiają. Wadą tego podejścia jest to, że testowanie „bezstronności” modelu może zająć dużo czasu, ponieważ model może być naprawdę testowany tylko przez długi okres czasu.

Model jest zbudowany z okrojonego zestawu dostępnych danych historycznych. Pozostałe dane można wykorzystać do porównania z przewidywanymi liczbami uzyskanymi przy użyciu tego modelu. Ten rodzaj weryfikacji jest bardziej realistyczny, ponieważ faktycznie modeluje przewidywaną sytuację. Wadą tej metody jest to, że najnowsze, a więc najistotniejsze wskaźniki są wyłączone z procesu generowania oryginalnego modelu.

W świetle powyższego dotyczącego walidacji modelu staje się jasne, że w celu ograniczenia oczekiwanych błędów konieczne jest wprowadzenie zmian w już istniejącym modelu. Zmiany takie dokonywane są przez cały okres stosowania modelu w prawdziwe życie. Możliwe są ciągłe zmiany pod względem trendu, wahań sezonowych i cyklicznych, a także dowolnego zastosowanego związku przyczynowego. Zmiany te są następnie weryfikowane przy użyciu opisanych już metod. Tak więc proces projektowania modelu obejmuje kilka etapów: zbieranie danych, opracowanie modelu wyjściowego, weryfikacja, udoskonalenie – i znowu w oparciu o ciągłe gromadzenie dodatkowych danych w celu zapewnienia niezawodności modelu.

Rodzaje prognoz

Wyróżnia się trzy główne typy prognoz: technologiczne, ekonomiczne i prognozy sprzedaży (popytu).

1. Prognozy technologii obejmują poziom rozwoju postępu naukowo-technicznego lub technologicznego w dziedzinach bezpośrednio wpływających na produkcję, w której sporządzana jest prognoza. Na przykład firma produkująca komputery jest zainteresowana perspektywami zwiększenia ilości pamięci na dyskietkach, ponieważ. są to produkty dodatkowe do wykorzystania komputerów, a przedsiębiorstwo używające do jego produkcji szkodliwych, toksycznych substancji jest zainteresowane opracowaniem technologii przetwarzania i unieszkodliwiania odpadów.

Rozwój postępu naukowo-technicznego prowadzi do powstawania nowych towarów i usług, a te z kolei poważnie konkurują z istniejącymi przedsiębiorstwami. Dobrze wykonana prognoza pozwoli zaoszczędzić środki finansowe, przewidzieć rozwój nowych technologii, nawet jeśli zmiany naukowe i technologiczne nie wpłynęły na wytwarzanie produktów.

2. Prognoza gospodarcza pozwala przewidzieć przyszły stan gospodarki, stopy procentowe i inne czynniki wpływające na rozwój każdego przedsiębiorstwa. Decyzje takie uzależnione są od wyników prognozy gospodarczej, takich jak: rozbudowa lub zmniejszenie mocy produkcyjnych; zawarcie nowych umów; zwolnienie lub zatrudnienie pracowników itp.

3. Zrozumienie rzeczywistego poziomu popytu dla produktów firmy na określony okres w przyszłości daje prognozę sprzedaży. Taka prognoza jest podstawą planowania i prowadzenia kalkulacji ekonomicznych. Na popyt ma wpływ wiele czynników, które można uwzględnić dokonując prognozy wielkości sprzedaży (popytu). Jako podstawę do przyszłej prognozy wykorzystuje się takie wskaźniki jak poziom popytu w poprzednim okresie, zmiany demograficzne, zmiany udziałów rynkowych organizacji branżowych, dynamika sytuacji politycznej, intensywność reklamy, konkurencja itp. .

W praktyce światowej stosuje się ponad dwieście metod prognozowania, podczas gdy w nauce krajowej - nie więcej niż dwadzieścia. We wstępie wskazano, że zostaną rozważone metody prognozowania finansowego, które są szeroko stosowane w rozwiniętych krajach zagranicznych.

Tak więc, w zależności od rodzaju zastosowanego modelu, wszystkie metody prognozowania można podzielić na trzy duże grupy (patrz rysunek 1):

Metody ocen eksperckich, które przewidują wieloetapowe badanie ekspertów według specjalnych schematów i przetwarzanie uzyskanych wyników za pomocą narzędzi statystyki ekonomicznej. Są to najprostsze i najpopularniejsze metody, których historia sięga ponad tysiąclecia. Zastosowanie tych metod w praktyce najczęściej polega na wykorzystaniu doświadczenia i wiedzy kierowników handlowych, finansowych, produkcyjnych przedsiębiorstwa lub agencji rządowej. Z reguły zapewnia to podjęcie decyzji w najprostszy i najszybszy sposób. Wadą jest zmniejszenie lub całkowity brak osobistej odpowiedzialności za przygotowaną prognozę. Oceny eksperckie służą nie tylko do przewidywania wartości wskaźników, ale także w pracach analitycznych, np. do opracowania współczynników wagowych, wartości progowych dla kontrolowanych wskaźników itp.

Metody stochastyczne, sugerując probabilistyczny charakter zarówno prognozy, jak i relacji między badanymi wskaźnikami. Prawdopodobieństwo uzyskania trafnej prognozy wzrasta wraz ze wzrostem ilości danych empirycznych. Metody te zajmują czołowe miejsce pod względem sformalizowanego prognozowania i różnią się znacznie złożonością stosowanych algorytmów. Najprostszym przykładem jest badanie trendów sprzedaży poprzez analizę tempa wzrostu wskaźników sprzedaży. Wyniki prognozowania uzyskane metodami statystycznymi podlegają losowym fluktuacjom danych, co czasami może prowadzić do poważnych błędnych obliczeń.

Metody stochastyczne można podzielić na trzy typowe grupy, które zostaną wymienione poniżej. Wybór metody prognozowania tej lub innej grupy zależy od wielu czynników, w tym od dostępnych danych wyjściowych.

Pierwsza sytuacja- obecność szeregu czasowego - występuje najczęściej w praktyce: menedżer finansowy lub analityk ma do dyspozycji dane o dynamice wskaźnika, na podstawie których wymagane jest zbudowanie akceptowalnej prognozy. Innymi słowy, mówimy o podkreśleniu trendu. Można to zrobić na różne sposoby, z których główne to prosta analiza dynamiczna i analiza z wykorzystaniem zależności autoregresyjnych.

Druga sytuacja- obecność agregatu przestrzennego - ma miejsce, gdy z jakiegoś powodu nie ma danych statystycznych o wskaźniku lub istnieje powód, by sądzić, że o jego wartości decyduje wpływ pewnych czynników. W takim przypadku można zastosować wielowymiarową analizę regresji, która jest rozszerzeniem prostej analizy dynamicznej na przypadek wielowymiarowy.

Ryż. 1. Klasyfikacja metod prognozowania kondycji finansowej przedsiębiorstwa

Trzecia sytuacja- obecność zbioru czasoprzestrzennego - ma miejsce, gdy: a) szeregi dynamiki są niewystarczające do zbudowania statystycznie istotnych prognoz; b) analityk zamierza uwzględnić w prognozie wpływ czynników różniących się charakterem gospodarczym i ich dynamiką. Dane początkowe to macierze wskaźników, z których każdy reprezentuje wartości tych samych wskaźników dla różnych okresów lub dla różnych kolejnych dat.

Metody deterministyczne, co sugeruje obecność funkcjonalnych lub sztywno określonych zależności, gdy każda wartość atrybutu czynnika odpowiada dobrze zdefiniowanej nielosowej wartości atrybutu wynikowego. Jako przykład możemy przytoczyć zależności zaimplementowane w ramach znanego modelu Analiza czynników Firma DuPont. Korzystanie z tego modelu i podstawianie do niego wartości predykcyjnych różne czynniki, na przykład wpływy ze sprzedaży, obrót aktywami, stopień uzależnienia finansowego i inne, możesz obliczyć przewidywaną wartość jednego z głównych wskaźników wydajności - wskaźnika zwrotu z kapitału własnego.

Inni są bardzo dobry przykład stosowana jest forma rachunku zysków i strat, która jest tabelaryczną implementacją sztywno określonego modelu czynnikowego, łączącego efektywny atrybut (zysk) z czynnikami (przychód ze sprzedaży, poziom kosztów, poziom stawki podatkowej itp.). A na poziomie prognozowania finansów państwa modelem czynnikowym jest relacja między wielkością dochodów państwa a podstawą opodatkowania lub stopami procentowymi.

W tym miejscu nie sposób nie wspomnieć o innej grupie metod prognozowania finansowego na poziomie mikro, opartych na konstrukcji dynamicznych modeli symulacyjnych przedsiębiorstwa. Modele takie obejmują dane dotyczące planowanych zakupów materiałów i komponentów, wielkości produkcji i sprzedaży, struktury kosztów, działalności inwestycyjnej przedsiębiorstwa, otoczenia podatkowego itp. Przetwarzanie tych informacji w ramach jednego modelu finansowego pozwala z bardzo dużą dokładnością ocenić prognozowaną kondycję finansową firmy. W rzeczywistości takie modele można zbudować tylko przy użyciu komputerów osobistych, które umożliwiają szybkie wykonanie ogromnej ilości niezbędnych obliczeń.

Przegląd podstawowych metod prognozowania

Metody modelowania oraz metody ekonomiczne i matematyczne

Modelowanie polega na zbudowaniu modelu w oparciu o wstępne badanie obiektu lub procesu, podkreślając jego zasadnicze cechy lub cechy. Prognozowanie procesów gospodarczych i społecznych za pomocą modeli obejmuje opracowanie modelu, jego analiza eksperymentalna, porównanie wyników obliczeń predykcyjnych na podstawie modelu z rzeczywistymi danymi stanu obiektu lub procesu, korekta i doprecyzowanie modelu.

Metody modelowania ekonomicznego i matematycznego obejmują następujące metody:

modele macierzowe (statystyczne i dynamiczne),
modele optymalnego planowania,
ekonomiczne i statystyczne,
· działka modele czynnikowe,
modele ekonometryczne,
modele symulacyjne,
modele podejmowanie decyzji,
Modele planowania sieci
metoda równowagi międzysektorowej,
· metody optymalizacji,
Modele korelacji i regresji.

metoda analiza ekonomiczna

Analiza ekonomiczna jest integralną częścią i jednym z głównych elementów logiki prognozowania i planowania. Powinna być prowadzona zarówno na poziomie makro, jak i mezo- i mikro.

Istota metody analizy ekonomicznej polega na tym, że proces lub zjawisko gospodarcze dzieli się na jego części składowe oraz ujawnia się wzajemne powiązanie i wpływ tych części na siebie oraz na przebieg rozwoju całego procesu. Analiza pozwala na ujawnienie istoty procesu, określenie wzorców jego zmiany w okresie prognozy (planowanym), kompleksową ocenę możliwości i sposobów realizacji celów.

W procesie analizy ekonomicznej wykorzystuje się takie techniki jak porównanie, grupowanie, metodę indeksową, przeprowadza się obliczenia bilansowe, stosuje się metody normatywne i ekonomiczno-matematyczne.

metoda bilansowa

Metoda bilansowa polega na opracowaniu bilansów, które są systemem wskaźników, w których jedna część charakteryzująca zasoby według źródła dochodu jest równa drugiej części, pokazując rozkład (wykorzystanie) we wszystkich kierunkach ich wydatków.

W okresie przejściowym do relacji rynkowych wzrasta rola sald predykcyjnych wypracowanych na poziomie makro: bilansu płatniczego, bilansu dochodów i wydatków państwa, bilansu dochodów i wydatków pieniężnych ludności, skonsolidowanego bilansu zasoby pracy, bilanse podaży i popytu. Wyniki obliczeń bilansowych stanowią podstawę kształtowania polityki strukturalnej, społecznej, finansowo-budżetowej i pieniężnej, a także polityki zatrudnienia i zagranicznej działalności gospodarczej. Salda służą również do identyfikacji nierównowag w bieżącym okresie, otwarcia niewykorzystanych rezerw i uzasadnienia nowych proporcji.

Metoda normatywna

Metoda normatywna jest jedną z głównych metod prognozowania i planowania. W nowoczesnych warunkach zaczęto nadawać jej szczególnego znaczenia w związku ze stosowaniem szeregu norm i standardów jako regulatorów gospodarki. Istota metody normatywnej tkwi w studium wykonalności prognoz, planów, programów z wykorzystaniem norm i standardów. Przy ich pomocy urzeczywistniane są najważniejsze proporcje, rozwój produkcji materialnej i sfery pozaprodukcyjnej, a gospodarka jest regulowana.

Dokładność prognozy

Głównymi kryteriami oceny efektywności modelu wykorzystywanego do prognozowania są trafność prognozy oraz kompletność przedstawienia przyszłej kondycji finansowej prognozowanego obiektu. Kwestia dokładności prognoz jest nieco bardziej złożona i wymaga bliższej uwagi. Dokładność lub błąd prognozy to różnica między wartościami przewidywanymi i rzeczywistymi. W każdym konkretnym modelu wartość ta zależy od wielu czynników.

Niezwykle ważną rolę odgrywają dane historyczne wykorzystywane przy tworzeniu modelu prognostycznego. W idealnej sytuacji pożądane jest posiadanie dużej ilości danych przez dłuższy czas. Ponadto wykorzystywane dane powinny być „typowe” z punktu widzenia sytuacji. Stochastyczne metody prognozowania, wykorzystujące aparat statystyki matematycznej, nakładają na dane historyczne bardzo specyficzne wymagania, w przypadku których nie można zagwarantować dokładności prognozy. Dane muszą być wiarygodne, porównywalne, wystarczająco reprezentatywne dla przejawów wzorców, jednorodne i stabilne.

W świetle powyższego dotyczącego walidacji modelu staje się jasne, że w celu ograniczenia oczekiwanych błędów konieczne jest wprowadzenie zmian w już istniejącym modelu. Takie zmiany są dokonywane przez cały okres stosowania modelu w prawdziwym życiu. Możliwe są ciągłe zmiany pod względem trendu, wahań sezonowych i cyklicznych, a także dowolnego zastosowanego związku przyczynowego.

Zmiany te są następnie weryfikowane przy użyciu opisanych już metod. Tak więc proces projektowania modelu obejmuje kilka etapów: zbieranie danych, opracowanie modelu wyjściowego, weryfikacja, udoskonalenie – i znowu w oparciu o ciągłe gromadzenie dodatkowych danych w celu zapewnienia niezawodności modelu.

Na poziomie mikro- na poziomie przedsiębiorstwa, organizacji (firmy), przedmiotami prognozowania i planowania są: popyt, produkcja wyrobów (wykonywanie usług), zapotrzebowanie na zasoby materiałowe i pracy, koszty produkcji i sprzedaży, ceny, dochody przedsiębiorstwo, jego rozwój techniczny. Wyniki prognoz są podstawą do podejmowania decyzji zarządczych.

Przedmioty prognozowania i planowania- organy planistyczne i finansowe przedsiębiorstwa, działy marketingowe i techniczne.

Plany prognostyczne opracowywane są zarówno dla przedsiębiorstwa jako całości, jak i dla jego działów strukturalnych: warsztaty, sekcje, usługi.

Firma wyróżnia następujące typy plany:

Plany strategiczne- ogólne plany rozwoju biznesu. W aspekcie finansowym plany te określają najważniejsze wskaźniki finansowe i proporcje reprodukcji, charakteryzują strategie inwestycyjne oraz możliwości reinwestycji i akumulacji. Plany strategiczne określają wielkość i strukturę zasobów finansowych potrzebnych do funkcjonowania przedsiębiorstwa.

Aktualne plany są opracowywane na podstawie strategicznych przez ich uszczegółowienie. Jeżeli plan strategiczny podaje przybliżoną listę środków finansowych, ich wielkość i kierunki wykorzystania, to w ramach bieżącego planowania każdy rodzaj inwestycji jest wspólnie uzgadniany ze źródłami ich finansowania, efektywnością każdego możliwego źródła finansowania jest studiowany i ocena finansowa główne działania przedsiębiorstwa i sposoby generowania dochodu.

Plany operacyjne- są to krótkoterminowe plany taktyczne bezpośrednio związane z realizacją celów firmy (plan produkcji, plan zakupu surowców i materiałów itp.).

Prognozowanie przyszłego rozwoju przedsiębiorstwa jest najważniejszym i najtrudniejszym etapem w przygotowaniu biznesplanu, ponieważ na podstawie wyników predykcyjnych obliczeń przyszłych zmian rynkowych ustalane są koszty, ceny, zyski, zakres projektu i wymagane zasoby .

Przy prognozowaniu wskaźników finansowych wskazane jest zastosowanie systemu metod: ocen eksperckich, metod ekstrapolacji, modeli czynnikowych, metod optymalizacji, metody normatywnej.

Tak więc, w zależności od rodzaju zastosowanego modelu, wszystkie metody prognozowania można podzielić na trzy duże grupy (patrz rysunek 1):

Metody ocen eksperckich, które przewidują wieloetapowe badanie ekspertów według specjalnych schematów i przetwarzanie uzyskanych wyników za pomocą narzędzi statystyki ekonomicznej. Są to najprostsze i najpopularniejsze metody, których historia sięga ponad tysiąclecia. Zastosowanie tych metod w praktyce zwykle polega na wykorzystaniu doświadczenia i wiedzy kierowników handlowych, finansowych, produkcyjnych przedsiębiorstwa lub agencji rządowej. Z reguły zapewnia to podjęcie decyzji w najprostszy i najszybszy sposób. Wadą jest zmniejszenie lub całkowity brak osobistej odpowiedzialności za przygotowaną prognozę. Oceny eksperckie służą nie tylko do przewidywania wartości wskaźników, ale także w pracach analitycznych, np. do opracowania współczynników wagowych, wartości progowych dla kontrolowanych wskaźników itp.

Ryż. jeden . Klasyfikacja metod przewidywania kondycji finansowej przedsiębiorstwa

Metody deterministyczne, co sugeruje obecność funkcjonalnych lub sztywno określonych zależności, gdy każda wartość atrybutu czynnika odpowiada dobrze zdefiniowanej nielosowej wartości atrybutu wynikowego. Jako przykład możemy przytoczyć zależności zaimplementowane w ramach znanego modelu analizy czynnikowej DuPont. Wykorzystując ten model i zastępując w nim prognozowane wartości różnych czynników, takich jak przychody ze sprzedaży, obrót aktywami, stopień uzależnienia finansowego i inne, można obliczyć prognozowaną wartość jednego z głównych wskaźników efektywności – wskaźnik zwrotu z kapitału własnego.

Innym bardzo obrazowym przykładem jest formularz rachunku zysków i strat, który jest tabelaryczną implementacją sztywno określonego modelu czynnikowego, który łączy efektywny atrybut (zysk) z czynnikami (przychód ze sprzedaży, poziom kosztów, poziom stawki podatkowej itp.). A na poziomie prognozowania finansów państwa modelem czynnikowym jest relacja między wielkością dochodów państwa a podstawą opodatkowania lub stopami procentowymi.

Wysyłanie dobrej pracy do bazy wiedzy jest proste. Skorzystaj z poniższego formularza

Studenci, doktoranci, młodzi naukowcy korzystający z bazy wiedzy w swoich studiach i pracy będą Ci bardzo wdzięczni.

MINISTERSTWO EDUKACJI UKRAINY

PAŃSTWOWA POLITECHNIKA ZAPORIZHIA

KATEDRA MIĘDZYNARODOWYCH STOSUNKÓW GOSPODARCZYCH

NOTATKA WYJAŚNIAJĄCA

DO KURSU PRACA NAD DYSCYPLINĄ „Informacja międzynarodowa”

Analiza metod prognozowania

Zaprojektowany przez:

Kierownik:

abstrakcyjny

Notatka wyjaśniająca: 28 stron, 7 rysunków, 1 formuła, 9 źródeł

Przedmiot studiów: metody prognozowania.

Cel: badać metody prognozowania i je analizować

Metody badawcze: odliczenie, systemowo-strukturalne

Winiki wyszukiwania: w trakcie pracy przeprowadzono analizę metod prognozowania, niektóre aspekty teoretyczne niektóre metody, zakres metod prognozowania, oraz konkretny przykład Przedstawiono metodę ekstrapolacji i trendy.

Słowa kluczowe Słowa kluczowe: prognozowanie, ekstrapolacja, metody eksperckie, heurystyki, informacja, technologia, przetwarzanie informacji

Wstęp………………………………………………………………………………….6

1. Zadania i zasady prognozowania………………………………………………7

2. Metody prognozowania naukowo-technicznego …………………………11

2.1 Klasyfikacja metod prognozowania………..……………………….11

2.2 Ekstrapolacyjne metody prognozowania……………………….13

2.3 Metody statystyczne………………………………………………………………16

2.4 Metody eksperckie………………………………………………………………… 17

2.4.1 Zakres metod eksperckich………………………………………17

2.4.2 Heurystyczna metoda prognozowania (IEP)………………………..19

3. Klasyfikacja prognoz gospodarczych…………………………………..23

Wniosek……………………………………………………………………………………….28

Lista linków………………………………………………………………………………29

Lista skrótów

Studium wykonalności - tabela ocen eksperckich

PEO - osobista ocena ekspercka

MEP - heurystyczna metoda prognozowania

KOMPUTER - komputer elektroniczny

ECVM - elektroniczny komputer centralny

MHD - instalacje magnetodynamiczne

NTI - informacje naukowo-techniczne

WPROWADZANIE

Proces prognozowania jest obecnie dość istotny. Zakres jego zastosowania jest szeroki. Prognozowanie jest szeroko stosowane w ekonomii, czyli w zarządzaniu. W zarządzaniu pojęcia „planowania” i „prognozowania” są ze sobą ściśle powiązane. Nie są identyczne i nie zastępują się wzajemnie. Plany i prognozy różnią się od siebie terminami, stopniem szczegółowości zawartych w nich wskaźników, stopniem dokładności i prawdopodobieństwem ich realizacji, ukierunkowaniem i wreszcie podstawą prawną. Prognozy z reguły mają charakter orientacyjny, a plany mają moc dyrektyw. Nie substytucja i przeciwstawienie planu i prognozy, ale ich prawidłowe połączenie - to sposób na systematyczne regulowanie gospodarki w gospodarce rynkowej i przejście do niej.

W przemyśle metody prognozowania również odgrywają nadrzędną rolę. Wykorzystując ekstrapolację i trend można wyciągnąć wstępne wnioski dotyczące różnych procesów, zjawisk, reakcji, operacji.

Prognozowanie zajmuje również pewną niszę w dyscyplinach wojskowych. Za pomocą metod prognostycznych można określić (oszacować) sytuację radioaktywną terenu itp.

Istnieje wiele metod prognozowania. Różnicowanie ich Łączna, konieczne jest wybranie najlepszego do zastosowania w każdej konkretnej sytuacji.

Analiza metod prognostycznych, badanie tych metod, ich zastosowanie w różne obszary działalność jest działaniem o charakterze racjonalizacyjnym. Stopień rzetelności prognoz można następnie porównać z realnie rzeczywistymi wskaźnikami i po wyciągnięciu wniosków przejść do kolejnej prognozy z istniejącymi danymi, tj. istniejący trend. Na podstawie uzyskanych danych można przejść na wyższy poziom w aspekcie czasowym itp.

1. Zadania i zasady prognozowania

Prognoza - konkretna prognoza, osąd o stanie zjawiska w przyszłości na podstawie specjalnego opracowania naukowego. Klasyfikacja prognoz odbywa się z reguły według dwóch kryteriów - czasowego i funkcjonalnego. Na podstawie czasu rozróżnia się prognozy: krótkoterminowe, średnioterminowe, długoterminowe i extradługoterminowe. Klasyfikacja funkcjonalna prognoz polega na ich podziale na badania, program i zasoby.

Prognozowanie to proces opracowywania prognoz. W zależności od rodzaju prognozy są normatywne, wyszukiwania, operacyjne.

Model predykcyjny - model obiektu prognozowania, którego badanie pozwala na uzyskanie informacji o możliwych stanach obiektów w przyszłości oraz (lub) sposobach i terminach ich realizacji

Aby uzyskać informacje o przyszłości, należy przestudiować prawa rozwoju gospodarki narodowej, określić przyczyny, siły napędowe jej rozwoju - to główne zadanie planowania i prognozowania. Głównymi siłami napędowymi rozwoju produkcji są potrzeby społeczne, możliwości techniczne i opłacalność ekonomiczna. W związku z tym można wskazać trzy główne zadania planowania i prognozowania: wyznaczanie celów dla rozwoju gospodarki; znalezienie najlepszych sposobów i środków do ich osiągnięcia; określenie zasobów niezbędnych do osiągnięcia wyznaczonych celów.

Wybór celów jest wynikiem analizy zadań społeczno-politycznych, które muszą być rozwiązane w społeczeństwie i które odzwierciedlają obiektywny charakter działania praw ekonomicznych.

Wybór celów poprzedzony jest opracowaniem alternatywnych celów, budową systemu hierarchicznego lub „drzewa celów”, rankingiem celów i wyborem wiodących ogniw. Wstępnymi przesłankami wyboru celów są z jednej strony realna możliwość rozwiązania tej alternatywy, az drugiej jej optymalność według kryterium efektywności.

Sposoby i środki do osiągnięcia celów ustalane są na podstawie analizy rozwoju gospodarki narodowej oraz postępu naukowo-technicznego. W tym samym czasie w w procesie prognozowania obszar jest ograniczony alternatywne opcje sposoby i środki do osiągnięcia wyznaczonych celów, czyli określany jest obszar optymalnych rozwiązań. W procesie opracowywania planu (podejmowania decyzji) ustalane jest jedno rozwiązanie, optymalne zgodnie z przyjętym wektorem kryteriów.

W zależności od tego, jakie zadanie zostanie rozwiązane w pierwszej kolejności, wyróżnia się dwa rodzaje prognozowania: badawcze (lub poszukiwawcze) i normatywne. Tworzenie prognozy obiektywnie istniejących trendów rozwojowych na podstawie analizy trendów historycznych nazywa się Badania lub Szukaj prognozowanie. Ten rodzaj prognozowania opiera się na wykorzystaniu zasady inercji rozwoju, w której prognoza jest zorientowana w czasie według schematu „od teraźniejszości do przyszłości”. Prognoza badawcza to obraz stanu obiektu prognozy w pewnym momencie w przyszłości, uzyskany w wyniku rozpatrzenia procesu rozwoju jako ruchu bezwładności od chwili obecnej do horyzontu prognozy. Prognozowanie tendencji w rozwoju przedmiotu prognozy, które w danym momencie w przyszłości powinno zapewnić osiągnięcie określonych celów społeczno-politycznych, gospodarczych i obronnych, nazywa się normatywny. W takim przypadku orientacja prognozy w czasie następuje zgodnie ze schematem „od przyszłości do teraźniejszości”.

Rozbieżność między normatywnymi i badawczymi oszacowaniami przedmiotu prognozy w każdym momencie w przyszłości jest konsekwencją sprzeczności „potrzeby – możliwości”. Kompleksową prognozę buduje się na podstawie kompozycji prognoz badawczych i normatywnych.

Wybór celów i środków do ich osiągnięcia musi koniecznie być połączony z określenie zapotrzebowania na zasoby. Przy określaniu tej potrzeby należy wziąć pod uwagę planowane i prognozowane macierze zasobów (finansowych, pracy, materiałów i energii), a także macierze zdolności produkcyjnych i zasobów czasowych. Ocenie podlegają zarówno wymagane zasoby, jak i prawdopodobne ograniczenia ich wartości w zakresie realizacji planu lub prognozy. Prognozowane macierze zasobów są najważniejszymi danymi wyjściowymi w zestawieniu bilansów gospodarki narodowej w planowaniu długookresowym.

Siły napędowe rozwoju nie działają w izolacji, są ze sobą powiązane i współzależne i można je przedstawić jako połączony wykres trójkątny:

Rysunek 1.1 Związek sił napędowych rozwoju

Wierzchołki tego „trójkąta przyczynowego” identyfikują siły napędowe rozwoju produkcji, jego krawędzie są wzajemnymi powiązaniami między nimi. Dlatego zadań planowania i prognozowania nie można rozpatrywać w oderwaniu. W procesie prognozowania i opracowywania planu analiza interakcji celów, metod i środki techniczne ich osiągnięcia, zasoby niezbędne do ich realizacji oraz optymalne sposoby rozwoju gospodarki narodowej są określane zgodnie z przyjętymi kryteriami efektywności.

Pomimo wspólności zadań, ich formułowanie w prognozowaniu i planowaniu jest inne. Podczas planowania działa następujący schemat: „celem jest dyrektywa, sposoby i środki do jego osiągnięcia są deterministyczne, zasoby są ograniczone”. W przypadku prognozowania schemat jest inny: „cele są teoretycznie osiągalne, możliwe są sposoby i środki ich osiągnięcia, prawdopodobne są zasoby”. Zadania prognostyczne różnią się zakresem zasięgu. Prognozowanie problemów należy ocenić jako globalne. Należą do nich: analiza sytuacji, określenie poziomu wiarygodności informacji, określenie stopnia prawdopodobieństwa, opracowanie prognoz bieżących, średnio- i długookresowych. Zasady prognozowania: połączenie celów społeczno-politycznych i ekonomicznych; centralizm demokratyczny; konsystencja; ciągłość i informacje zwrotne; proporcjonalność i optymalność; rzeczywistość i obiektywizm; podświetlenie wiodącego linku itp.

Prognozowanie musi być systemowy postać. Potrzeba systematycznego podejścia do prognozowania wynika ze specyfiki rozwoju nauki i techniki gospodarki narodowej w okresie rewolucji naukowo-technicznej. Rewolucja naukowo-techniczna doprowadziła do zasadniczej zmiany właściwości, cech i struktury nowoczesnych technologii i gospodarki narodowej. Wzrost liczby elementów, obiektów o różnym charakterze, złożoność relacji między nimi oraz zachowanie obiektu w środowisku zewnętrznym doprowadziły do powstania dużych systemów technicznych i produkcyjnych (organizacyjno-ekonomicznych).

Nowoczesne maszyny mają dużą złożoność konstrukcyjną i funkcjonalną, są to kompleksy techniczne obejmujące ogromną liczbę części, zespołów, zespołów i produkt końcowy połączone skończoną integralnością funkcjonalną. Złożoność konstrukcyjna i funkcjonalna powoduje wysokie materiałochłonność, pracochłonność, energochłonność i koszt kompleksów technicznych. Rozwój technologii doprowadził do powstania złożonych hierarchicznych konstrukcji konstrukcyjnych - dużych systemów technicznych. Ta właściwość kompleksów technicznych wymagała systematycznego podejścia do jej tworzenia, projektowania systemu. W opracowanych zespołach technicznych projekty poszczególnych elementów wchodzących muszą być podporządkowane wspólnemu celowi, dla którego tworzony jest system, tj. należy zapewnić jedną strategię zachowania systemu technicznego.

Z kolei powstanie dużych systemów technicznych spowodowało powstanie dużych systemów organizacyjnych i ekonomicznych (produkcyjnych), obejmujących wiele przedsiębiorstw zjednoczonych uwolnieniem pewnego kompleksu technicznego. W strukturze zarządzania istnieje hierarchia przedsiębiorstwa produkcyjne. Stale rosnące tempo rozwoju nauki i techniki, tworzenie nowoczesnych systemów organizacyjnych i gospodarczych doprowadziły do lawinowego wzrostu informacji i wzrostu stopnia nieregularności jej odbioru. Wszystko to wymagało udoskonalenia metod planowania, stworzenia systemu planowania.

Najważniejszymi wymogami systematycznego podejścia są złożoność prognoz i planów oraz ciągły charakter procesu planowania.

Zintegrowane podejście przewiduje przygotowanie prognoz i planów w połączeniu zarówno w przestrzeni (w kontekście sektorowym i terytorialnym), jak iw czasie. Relacja w przestrzeni oznacza ustanowienie racjonalnych relacji między sektorami gospodarki narodowej, regionami gospodarczymi, ustalenie optymalnych relacji między tempem rozwoju nauki, techniki i produkcji przemysłowej, bilans potrzeb i zasobów na wszystkich poziomach hierarchii .

Relację prognoz i planów w czasie zapewnia realizacja zasady ciągłości planowania. Korekta planów i prognoz powinna mieć charakter dyskretny z wyprzedzeniem terminy(tryb funkcjonowania). Stosunkowo częsta zmiana planów, powodująca zmianę programów produkcyjnych, może prowadzić do dezorganizacji pracy branż i przedsiębiorstw ze względu na złożoność struktury stosunków produkcyjnych w gospodarce narodowej, dużą pracochłonność i materiałochłonność procesów przygotowania produkcji przemysłowej.

Wrażliwość prognozy i planów na zmiany zależy od poziomu hierarchii, czasu leadu i częstotliwości korekt. Im niższy poziom, tym wyższa czułość, tym krótsze powinny być okresy korekcji.

Najważniejszym punktem we wprowadzaniu i stosowaniu systemów ciągłego planowania jest określenie jakości takich systemów i na tej podstawie znalezienie tryb optymalny funkcjonowanie.

Ciągłość planowania jest zapewniona poprzez wdrożenie zasady sprzężenia zwrotnego. Korekta planów i prognoz odbywa się na podstawie informacji zwrotnej zawierającej dane o wynikach realizacji planów i prognoz, wyjaśnienia potrzeb, zmian w kierunku rozwoju obiektu i otoczenia zewnętrznego (społeczno-politycznego, naukowego , zaplecze techniczne i ekonomiczne).

Zróżnicowany stopień niepewności generowanych informacji o przyszłości wpływa na charakter stosowanych metod, metod i technik prognozowania i planowania. Jeżeli przy opracowywaniu planów preferowane są metody deterministyczne, to w prognozowaniu - stochastyczne. Przy sporządzaniu planów stosowane są głównie metody regularne, prognozowanie jest heurystyczne.

Specyfika etapów i etapów planowania wpływa również na liczbę i poziom agregacji wskaźników planowanych i prognozowanych, stopień ich determinizmu, stosunek wskaźników dyrektywnych i wyliczanych.

2 METODY PROGNOZOWANIA NAUKOWEGO I TECHNICZNEGO

2.1 Klasyfikacja metod prognozowania

Przede wszystkim podajmy definicję metody prognozowania jako metody działania teoretycznego i praktycznego zmierzającego do opracowania prognoz. Definicja ta jest dość ogólna i pozwala rozumieć pojęcie „metoda prognozowania” bardzo szeroko: od najprostszych obliczeń ekstrapolacyjnych do skomplikowanych procedur wieloetapowych ekspertyz.

Aby zbadać aparat metodologiczny prognozowania, wskazane jest uszczegółowienie tego szerokiego pojęcia od samego początku. Dalej będziemy rozróżniać proste metody prognozowania i złożone metody prognozowania. Jednocześnie przez prostą metodę prognozowania zrozumiemy metodę, której nie można rozłożyć na jeszcze prostsze metody prognozowania, a zatem przez złożoną metodę mamy na myśli metodę składającą się z połączonego zestawu kilku prostych.

Obecnie, wraz ze znaczną liczbą opublikowanych metod prognozowania, znanych jest wiele sposobów ich klasyfikacji. Niemniej jednak tej kwestii nie można uznać za zadowalająco rozwiązaną, ponieważ nie została jeszcze stworzona pojedyncza, użyteczna i kompletna klasyfikacja. Prawdopodobnie prognostyka, jako młoda nauka, nie osiągnęła jeszcze takiego poziomu rozwoju, kiedy możliwe jest stworzenie klasyfikacji spełniającej wszystkie te wymagania. Jakie są więc cele klasyfikacji metod prognozowania? Można wyróżnić dwa takie główne cele. Jest to po pierwsze zapewnienie procesu badania i analizy metod, a po drugie obsługa procesu wyboru metody przy opracowywaniu prognoz obiektowych. Na obecny etap trudno jest zaproponować jedną klasyfikację, która w równym stopniu spełnia oba te cele.

Istnieją dwa główne typy klasyfikacji: sekwencyjna i równoległa. spójny klasyfikacja zakłada oddzielenie woluminów prywatnych od bardziej ogólnych. Jest to proces identyczny z podziałem pojęcia generycznego na konkretne. W takim przypadku należy przestrzegać następujących podstawowych zasad: 1) podstawa podziału (atrybut) musi pozostać taka sama w tworzeniu jakiegokolwiek konkretnego pojęcia; 2) zakres poszczególnych pojęć musi się wzajemnie wykluczać (wymóg braku przecinania się klas); 3) zakres pojęć szczegółowych powinien wyczerpywać zakres pojęcia rodzajowego (wymóg pełnego ujęcia wszystkich przedmiotów klasyfikacji).

Klasyfikacja równoległa zakłada złożoną bazę informacyjną, składającą się nie z jednej, ale z wielu cech. Podstawową zasadą takiej klasyfikacji jest niezależność wybranych cech, z których każda jest istotna, wszystkie razem są jednocześnie wpisane w przedmiot, a dopiero ich połączenie daje wyczerpujące pojęcie o każdej klasie.

Klasyfikacja sekwencyjna ma wizualną interpretację w postaci drzewa genealogicznego, obejmuje całość rozważanego obszaru oraz określa miejsce i relacje poszczególnych klas w wspólny system. Dlatego jest bardziej akceptowalny dla celów studiów, pozwala metodycznie na bardziej harmonijną prezentację sklasyfikowanego obszaru wiedzy.

Każdy poziom klasyfikacji charakteryzuje się własną cechą klasyfikacyjną. Elementy każdego poziomu są nazwami podzbiorów elementów najbliższego niższego poziomu, które do nich należą, a podzbiory są rozłączne.

Elementami dolnego poziomu są nazwy wąskich grup określonych metod prognozowania (czasem z jednego elementu), które są modyfikacjami lub odmianami dowolnej, najbardziej ogólnej z nich.

Ogólnie klasyfikacja jest otwarta, ponieważ reprezentuje możliwość zwiększenia liczby elementów na poziomach i zwiększenia liczby poziomów ze względu na dalszą fragmentację i udoskonalenie elementów ostatniego poziomu.

Na pierwszym poziomie wszystkie metody są podzielone na trzy klasy zgodnie ze znakiem „informacyjna podstawa metody”. Faktyczny metody opierają się na aktualnie dostępnym materiale informacyjnym o przedmiocie prognozowania i jego przeszłym rozwoju. Metody eksperckie opierają się na informacjach dostarczanych przez ekspertów w procesie usystematyzowanych procedur identyfikacji i podsumowania tej opinii. Łączny metody są podzielone na osobną klasę, dzięki czemu można je sklasyfikować jako metody z mieszaną bazą informacji, w której informacje faktyczne i eksperckie są wykorzystywane jako informacje podstawowe. Na przykład podczas przeprowadzania ankiety eksperckiej uczestnikom przedstawiane są cyfrowe informacje o obiekcie lub prognozy faktyczne lub odwrotnie, podczas ekstrapolacji trendu wraz z rzeczywistymi danymi wykorzystywane są szacunki ekspertów.

Te metody prognozowania, w których stosuje się matematyczne metody przetwarzania początkowych informacji eksperckich lub oceniają oryginalne informacje faktyczne za pomocą eksperckich środków, nie powinny być klasyfikowane jako metody łączone. W większości przypadków dość dobrze pasują do pierwszej lub drugiej z powyższych klas.

Klasy te są dalej podzielone na podklasy zgodnie z zasadami przetwarzania informacji. Statystyczny metody łączą zestaw metod przetwarzania informacji ilościowych o przedmiocie prognozowania zgodnie z zasadą identyfikacji zawartych w nim matematycznych wzorców rozwoju oraz matematycznych zależności cech w celu uzyskania modeli predykcyjnych. Metody analogii mają na celu zidentyfikowanie podobieństw we wzorcach rozwoju różnych procesów i na tej podstawie dokonywanie prognoz. Prowadzący metody prognozowania opierają się na określonych zasadach specjalnego przetwarzania informacji naukowo-technicznych, realizując w prognozie jej właściwość przewyższającą rozwój postępu naukowo-technicznego.

Metody eksperckie dzielą się na dwie podklasy. Bezpośrednie oceny eksperckie opierają się na zasadzie uzyskiwania i przetwarzania niezależnej uogólnionej opinii grupy ekspertów (lub jednego z nich) przy braku wpływu na opinię każdego eksperta opinii innego eksperta oraz opinii grupy . Oceny eksperckie z informacją zwrotną w takiej czy innej formie ucieleśniają zasadę informacji zwrotnej, wpływając na ocenę grupy eksperckiej (jednego eksperta) opinią otrzymaną uprzednio od tej grupy lub od jednego z jej ekspertów.

Trzeci poziom klasyfikacji dzieli metody prognozowania na typy zgodnie z cechą klasyfikacyjną „aparat metod”. Każdy typ łączy w swoim składzie metody, które jako podstawę mają ten sam aparat do ich realizacji. Tak więc metody statystyczne według typu są podzielone na metody ekstrapolacji i interpolacji; metody wykorzystujące aparat analizy regresji i korelacji; metody wykorzystujące analizę czynnikową.

Klasa metod analogii dzieli się na metody analogii matematycznych i historycznych. Ci pierwsi używają obiektów o innej naturze fizycznej, innej dziedziny nauki, gałęzi techniki, jako odpowiednika obiektu prognostycznego, ale posiadającego matematyczny opis procesu rozwoju, który pokrywa się z obiektem prognostycznym. Te ostatnie wykorzystują procesy o tym samym fizycznym charakterze, co analog, wyprzedzające rozwój przedmiotu prognozowania w czasie.

Wiodące metody prognozowania można podzielić na metody badania dynamiki informacji naukowej i technicznej; metody badań i oceny poziomu technologii. W pierwszym przypadku stosuje się głównie konstruowanie ilościowych i jakościowych szeregów dynamicznych na podstawie różnych typów NTI oraz na ich podstawie analizę i prognozowanie odpowiedniego obiektu. Drugi rodzaj metod wykorzystuje specjalną aparaturę do analizy informacji ilościowych i jakościowych zawartych w NTI w celu określenia charakterystyki poziomu i jakości istniejącego i projektowanego sprzętu.

Ekspertyzy bezpośrednie na podstawie aparatury wdrożeniowej dzielą się na rodzaje ekspertyz oraz analiza ekspercka. W pierwszym przypadku stosuje się specjalne procedury do formułowania pytań, organizowania otrzymywania na nie odpowiedzi, przetwarzania otrzymanych odpowiedzi i kształtowania końcowego wyniku. W drugim głównym aparatem badawczym jest celowa analiza przedmiotu prognozy przez eksperta lub zespół ekspertów, którzy sami stawiają i rozwiązują pytania prowadzące do celu.

Oceny eksperckie z informacją zwrotną w ich aparacie mają trzy rodzaje metod: ankieta ekspercka; generowanie pomysłów; symulacja gry. Pierwszy typ charakteryzuje się procedurami regulowanej bezkontaktowej ankiety ekspertów z przerywaną informacją zwrotną w rozważanym powyżej sensie. Druga opiera się na procedurach bezpośredniej komunikacji pomiędzy ekspertami w procesie wymiany poglądów na postawiony problem. Charakteryzuje się brakiem pytań i odpowiedzi i ma na celu wzajemną stymulację działalność twórcza ekspertów. Trzeci typ wykorzystuje aparat teorii gier i jego stosowane sekcje. Z reguły jest on realizowany w oparciu o połączenie dynamicznej interakcji między zespołami ekspertów oraz komputerem symulującym obiekt prognostyczny w możliwych przyszłych sytuacjach.

Wreszcie ostatni, czwarty poziom klasyfikacji dzieli typy metod trzeciego poziomu na odrębne metody i grupy metod zgodnie z pewnymi lokalnymi zestawami cech klasyfikacyjnych dla każdego typu, z których nie sposób wskazać jednej wspólnej dla całego poziom jako całość.

2.2 Ekstrapolacyjne metody prognozowania

Metody ekstrapolacji trendów są prawdopodobnie najpowszechniejszymi i najbardziej rozwiniętymi spośród całego zestawu metod prognozowania. Zastosowanie ekstrapolacji w prognozowaniu opiera się na założeniu, że proces zmiany rozważanej zmiennej jest kombinacją dwóch składowych – regularnego i losowego:

Uważa się, że regularny składnik F(a, X) reprezentuje płynna funkcja na argumencie (najczęściej czasie), opisanym przez skończenie wymiarowy wektor parametrów a, które zachowują swoje wartości w prognozowanym okresie realizacji. Ten składnik jest również nazywany trend, poziom, określona podstawa procesu, trend. Pod wszystkimi tymi pojęciami kryje się oczyszczona z ingerencji intuicyjna idea pewnego rodzaju istoty analizowanego procesu. Intuicyjny, bo dla większości procesów ekonomicznych, technicznych, naturalnych nie da się jednoznacznie oddzielić trendu od składowej losowej. Wszystko zależy od tego, do jakiego celu ten podział ma i z jaką dokładnością jest realizowany.

Składnik losowy n (X) jest zwykle uważany za nieskorelowany proces losowy z zerowym oczekiwaniem. Jego szacunki są niezbędne do dalszych ustaleń precyzja cechy prognozy.

Metody prognozowania ekstrapolacyjnego skupiają się na wydobyciu w pewnym sensie najlepszego opisu trendu i określeniu prognozowanych wartości poprzez jego ekstrapolację. Metody ekstrapolacji w dużej mierze przecinają się z metodami prognozowania opartymi na modelach regresji. Czasami ich różnice sprowadzają się tylko do różnic w terminologii, notacji lub pisaniu formuł. Niemniej jednak sama ekstrapolacja predykcyjna ma szereg specyficznych cech i technik, które pozwalają zaklasyfikować ją jako pewien niezależny rodzaj metod prognozowania.

Specyficzne cechy ekstrapolacji predykcyjnej obejmują metody wstępnego przetwarzania szeregu liczb w celu przekształcenia go do postaci wygodnej do prognozowania, a także analizę logiki i fizyki przewidywanego procesu, co ma istotny wpływ zarówno na wybór rodzaj funkcji ekstrapolującej oraz wyznaczanie granic zmieniając jej ustawienia.

2.2.1 Wstępne przetwarzanie informacji początkowych w problemach z predykcyjną ekstrapolacją

Wstępne przetwarzanie oryginalnego szeregu liczbowego ma na celu rozwiązanie następujących zadań (w całości lub w części): zmniejszenie wpływu składnika losowego w oryginalnym szeregu liczbowym, tj. przybliżenie go do trendu; prezentować informacje zawarte w szeregach liczbowych w taki sposób, aby znacznie zmniejszyć trudność matematycznego opisu trendu. Głównymi metodami rozwiązywania tych problemów są procedury wygładzania i wyrównywania szeregów statystycznych.

Procedura wygładzanie ma na celu zminimalizowanie przypadkowych odchyleń punktów szeregu od jakiejś gładkiej krzywej założonego trendu procesu. Najpopularniejsza metoda uśredniania poziomu w pewnym zbiorze otaczających punktów, a operacja ta przesuwa się po wielu punktach, w związku z czym nazywa się ją zwykle średnią ruchomą. W samym prosta wersja funkcja wygładzania jest liniowa, a grupa wygładzania składa się z poprzedniego i kolejnego punktu, w bardziej złożonych funkcja jest nieliniowa i wykorzystuje grupę o dowolnej liczbie punktów.

Wygładzanie odbywa się za pomocą wielomianów przybliżających grupy punktów doświadczalnych metodą najmniejszych kwadratów. Najlepsze wygładzenie uzyskuje się dla środkowych punktów grupy, dlatego wskazane jest wybranie nieparzystej liczby punktów w grupie do wygładzenia.

Wygładzanie, nawet w prostej wersji liniowej, jest w wielu przypadkach bardzo skutecznym sposobem identyfikacji trendu, gdy nałoży się na empiryczną serię liczbową losowych szumów i błędów pomiarowych. Dla szeregów o znacznej amplitudzie szumów możliwe jest wielokrotne wygładzanie oryginalnego szeregu liczbowego. Liczbę kolejnych cykli wygładzania należy dobierać w zależności od rodzaju oryginalnej serii, stopnia jej przypuszczalnej zawartości szumów z zakłóceniami oraz celu, do którego dąży wygładzanie. Należy pamiętać, że skuteczność tego zabiegu szybko spada (w większości przypadków), dlatego wskazane jest powtórzenie go od jednego do trzech razy.

Wygładzanie liniowe to dość prymitywna procedura, która ujawnia ogólną przybliżoną postać trendu. Aby dokładniej określić kształt wygładzonej krzywej, można zastosować nieliniową operację wygładzania lub ważone średnie kroczące. W tym przypadku rzędnym punktów wchodzących w skład grupy przesuwnej przypisuje się różne wagi w zależności od ich odległości od środka przedziału wygładzania.

Jeśli wygładzanie ma na celu pierwotne przetwarzanie szeregu liczb w celu wyeliminowania losowych fluktuacji i zidentyfikowania trendu, wówczas wyrównanie służy do wygodniejszego odwzorowania oryginalnej serii, pozostawiając jej walory niezmienione.

Najpopularniejszymi technikami niwelacji są logarytm i zmiana zmiennych.

Jeżeli wzór empiryczny ma zawierać trzy parametry lub wiadomo, że funkcja jest trzyparametrowa, to czasami można wykluczyć jeden z parametrów przez jakieś przekształcenia, a pozostałe dwa prowadzą do jednego ze wzorów wyrównania.

Wyrównanie można traktować nie tylko jako metodę reprezentacji danych początkowych, ale także jako metodę bezpośredniego przybliżonego wyznaczania parametrów funkcji aproksymującej pierwotny szereg liczbowy. W ten sposób często stosuje się tę metodę w niektórych prognozach ekstrapolacji. Zauważmy, że możliwość jej bezpośredniego wykorzystania do wyznaczenia parametrów funkcji aproksymującej jest determinowana głównie przez rodzaj pierwotnego szeregu liczbowego oraz stopień naszej wiedzy, naszą pewność co do rodzaju funkcji opisującej badany proces.

W przypadku, gdy rodzaj funkcji nie jest nam znany, wyrównanie należy traktować jako procedurę wstępną, podczas której, stosując różne formuły i techniki, najbardziej odpowiedni wygląd funkcja opisująca szereg empiryczny.

Jedną z odmian metody wyrównania jest badanie szeregu empirycznego w celu wyjaśnienia niektórych właściwości funkcji, która go opisuje. W tym przypadku przekształcenia niekoniecznie prowadzą do form liniowych. Jednak wyniki przygotowują je i ułatwiają proces wyboru funkcji aproksymującej w prognostycznych problemach ekstrapolacji. W najprostszym przypadku proponuje się wykorzystanie trzech typów różniczkowych funkcji wzrostu:

1) Pierwsza pochodna lub bezwzględna różniczkowa funkcja wzrostu.

2) Względny współczynnik różniczkowy lub pochodna logarytmiczna,

3) Elastyczność funkcji

2.3 Metody statystyczne

Przed przystąpieniem do analizy metod prognozowania statystycznego rozważymy niektóre Pojęcia ogólne oraz definicje związane z modelami korelacji i regresji. Dwie zmienne losowe są skorelowane, jeśli wartość oczekiwana jeden z nich zmienia się w zależności od zmiany drugiego.

Podanie analiza korelacji wiąże się ze spełnieniem następujących warunków wstępnych:

a) Zmienne losowe tak(tak 1 , tak 2 , ..., U n) oraz x(x 1 , x 2 , ..., X n) można uznać za próbkę z dwuwymiarowej populacji z normalne prawo dystrybucja.

b) Oczekiwany błąd oraz zero

c) Poszczególne obserwacje są stochastycznie niezależne, tzn. wartość danej obserwacji nie powinna zależeć od wartości obserwacji poprzedniej i kolejnych.

d) Kowariancja między błędem związanym z jedną wartością zmiennej zależnej tak, a błąd związany z każdą inną wartością y wynosi zero.

e) Wariancja błędu związana z pojedynczą wartością tak, równa się wariancji błędu związanego z dowolną inną wartością.

f) Kowariancja między błędem a każdą ze zmiennych niezależnych wynosi zero.

g) Bezpośrednia stosowalność tej metody jest ograniczona do przypadków, w których równanie krzywej jest liniowe względem swoich parametrów bo , bi , ...,bk Nie oznacza to jednak, że równanie samej krzywej względem do zmiennych musi być liniowy. Jeżeli empiryczne równania obserwacji nie są liniowe, to w wielu przypadkach można je sprowadzić do postaci liniowej i już . następnie zastosuj metodę najmniejszych kwadratów.

h) Obserwacje zmiennych niezależnych dokonywane są bezbłędnie.

Przed przystąpieniem do analizy korelacji należy sprawdzić spełnienie tych przesłanek.

Związek między zmiennymi losowymi i nielosowymi nazywa się regresja, a metodą analizy takich relacji jest: Analiza regresji. Zastosowanie analizy regresji zakłada obowiązkowe spełnienie przesłanek (b-d) analizy korelacji. Tylko jeśli powyższe warunki zostaną spełnione, oszacowania współczynników korelacji i regresji uzyskane metodą najmniejszych kwadratów będą bezstronne i będą miały minimalną wariancję.

Analiza regresji jest ściśle związana z analizą korelacji. Gdy wymagania wstępne analizy korelacji są spełnione, wymagania wstępne analizy regresji są spełnione. Jednocześnie analiza regresji nakłada mniej rygorystyczne wymagania na początkowe informacje”. Na przykład analiza regresji jest możliwa nawet wtedy, gdy rozkład zmiennej losowej różni się od normalnego, jak to często ma miejsce w przypadku zmiennych technicznych i ekonomicznych. Zmienna losowa jest używana jako zmienna zależna w analizie regresji, a zmienna nielosowa jest używana jako zmienna niezależna.

W zależności od stopnia złożoności badania statystyczne można podzielić na dwuwymiarowe i wielowymiarowe. Pierwsze dotyczą rozważania sparowanych relacji między zmiennymi (sparowane korelacje i regresje) i mają na celu w badaniach predykcyjnych rozwiązanie takich problemów, jak ustalenie ilościowej miary ścisłości związku między dwiema zmiennymi losowymi, ustalenie bliskości tego związku do liniowy, oceniający wiarygodność i trafność prognoz otrzymanych przez ekstrapolację zależności regresji. Wielowymiarowe metody statystyczno – analityczne mają na celu głównie rozwiązanie problemu analizy systemowej wielowymiarowych obiektów prognozowania stochastycznego. Celem takiej analizy jest z reguły wyjaśnienie wewnętrznych relacji między zmiennymi kompleksu, konstrukcja wielowymiarowych funkcji związku zmiennych, wybór minimalnej liczby cech opisujących obiekt z wystarczającą stopień dokładności. Jednym z głównych zadań jest tu zmniejszenie wymiaru opisu obiektu prognostycznego.

Stąd też metody statystyczne są wykorzystywane głównie do przygotowania danych, sprowadzania ich do postaci odpowiedniej do wykonania prognozy. Z reguły po ich zastosowaniu jedna z metod ekstrapolacji lub interpolacji służy do uzyskania wyniku bezpośrednio predykcyjnego.

2.4 Metody eksperckie

2.4.1 Zakres metod eksperckich

Metody ocen eksperckich w prognozowaniu i długofalowym planowaniu postępu naukowo-technicznego stosowane są w następujących przypadkach:

a) w przypadku braku wystarczająco reprezentatywnych i wiarygodnych statystyk dotyczących cech obiektu (na przykład lasery, holograficzne urządzenia do przechowywania, racjonalne wykorzystanie zasobów wodnych w przedsiębiorstwach);

b) w warunkach dużej niepewności w środowisku pracy obiektu (np. prognozy układu człowiek-maszyna w kosmosie lub uwzględnienie wzajemnego oddziaływania dziedzin nauki i techniki);

c) w średnio- i długoterminowej prognozie obiektów nowych gałęzi przemysłu, na które duży wpływ mają nowe odkrycia nauk podstawowych (np. przemysł mikrobiologiczny, elektronika kwantowa, inżynieria jądrowa);

d) w warunkach braku czasu lub w sytuacjach ekstremalnych.

Ocena ekspercka jest konieczna, gdy nie ma odpowiednich podstaw teoretycznych do opracowania obiektu. Stopień rzetelności ekspertyzy określa bezwzględna częstotliwość, z jaką ocena biegłego jest ostatecznie potwierdzana kolejnymi zdarzeniami. Istnieją dwie kategorie ekspertów - są to wąscy specjaliści i generaliści, którzy zapewniają formułowanie dużych problemów i konstruowanie modeli. Wybór ekspertów do prognozy dokonywany jest na podstawie ich reputacji wśród określonej kategorii specjalistów. Nie należy jednak zapominać o tym, że wysokiej klasy specjalista nie zawsze może odpowiednio rozważyć i zrozumieć ogólne, globalne problemy. W tym celu konieczne jest zaangażowanie ekspertów, choć nie wąsko poinformowanych, ale posiadających zdolność do śmiałości i wyobraźni.

„Ekspert” w dosłownym tłumaczeniu z łaciny oznacza „doświadczony”. Dlatego zarówno w sformalizowanych, jak i niesformalizowanych metodach ustalania eksperta, rozwinięte na jego podstawie doświadczenie zawodowe i intuicja zajmują znaczące miejsce. Przesłanki konieczności i wystarczalności skierowania specjalisty do kategorii ekspertów są przedstawione w następujący sposób.

Ważne jest ustalenie nie bezwzględnego stopnia wiarygodności oceny eksperta, ale stopnia wiarygodności w porównaniu z oceną przeciętnego specjalisty, a także korelacji między prawdopodobieństwem jego oceny predykcyjnej a wiarygodnością klasy hipotezy, którymi posługuje się ekspert. Ogólnie rzecz biorąc, musisz zdefiniować, kim jest ekspert. Oto niektóre z wymagań, które musi spełnić ekspert:

1) szacunki ekspertów muszą być stabilne w czasie i przechodnie; 2) dostępność dodatkowych informacji o przewidywanych cechach tylko poprawia ocenę eksperta; 3) ekspert musi być uznanym specjalistą w tej dziedzinie wiedzy; 4) ekspert musi mieć pewne doświadczenie w skutecznych prognozach w danej dziedzinie wiedzy.

Charakteryzując ekspertów należy pamiętać, że w wyniku opracowywania szacunków mogą wystąpić dwa rodzaje błędów. Błędy pierwszego rodzaju znane są w technice pomiarowej jako systematyczne, drugiego rodzaju jako losowe. EA, który jest podatny na błędy pierwszego typu, wytwarza wartości, które stale różnią się od prawdziwych w kierunku rosnącym lub malejącym. Uważa się, że tego rodzaju błędy wynikają z mentalności ekspertów. Aby poprawić błędy systematyczne, możesz zastosować współczynniki korekcyjne lub skorzystać ze specjalnie zaprojektowanych gier treningowych. Błędy drugiego typu charakteryzują się wielkością dyspersji. Na podstawie analizy głównych rodzajów błędów w dokonywaniu ocen eksperckich można dodać jeszcze jedną rzecz do listy wymagań dla ekspertów rozważanych wcześniej. Oznacza to, że należy preferować eksperta, którego oszacowania mają małą wariancję i systematyczne odchylenie błędu średniego od zera, od eksperta o błędzie średnim równym zero, ale o większej wariancji. Niestety niemożliwe jest określenie a priori zdolności danej osoby do dokonywania prawidłowych ocen eksperckich. Ważnym sposobem przygotowania ekspertów są specjalne gry szkoleniowe.

Organizacja form pracy eksperta może być zaprogramowana lub nie zaprogramowana, a działania eksperta mogą być realizowane ustnie (wywiady) lub pisemnie (odpowiedź na pytania ze specjalnych tabel ocen eksperckich lub bezpłatna prezentacja na zadany temat).

Programowanie formy pracy Doradcy Eksperta polega na:

budowanie modelu grafowego obiektu na podstawie analizy retrospektywnej; ustalenie struktury tabel ocen eksperckich (studium wykonalności) lub programu wywiadu na podstawie modelu grafowego obiektu i celów badania; określenie rodzaju i formy pytań w studium wykonalności lub w rozmowie kwalifikacyjnej;

określenie rodzaju skali pytań w studium wykonalności; uwzględnienie psychologicznych cech egzaminu przy ustalaniu kolejności pytań w studium wykonalności; rozliczanie pytań weryfikacyjnych; opracowanie metod logicznych do późniejszej syntezy szacunków predykcyjnych w złożonych prognozach obiektu.

Organizacja stymulacji pracy eksperta polega na opracowaniu:

heurystyczne techniki i metody ułatwiające poszukiwanie predykcyjnej oceny eksperckiej; normy prawne gwarantujące ekspercką rejestrację pierwszeństwa i autorstwa oraz nieujawnianie wszelkich pomysłów naukowych i technicznych zgłaszanych przez niego w trakcie badania;

formy moralnego, zawodowego i materialnego zainteresowania eksperta ocenami eksperckimi; formy organizacyjne pracy eksperta (uwzględnienie w planie pracy itp.).

Na podstawie otrzymanego w wyniku analizy modelu obiektu prognostycznego określa się obszary naukowo-techniczne, w których konieczne jest zaangażowanie eksperta, wyodrębnia się grupy ekspertów ze względu na przynależność zagadnienia do dziedziny fundamentalnej, nauk stosowanych lub wspólnych dziedzin naukowych.

Rozwiązując problem tworzenia grupy eksperckiej, konieczne jest zidentyfikowanie i ustabilizowanie sprawnie działającej sieci ekspertów. Sposób ustabilizowania sieci eksperckiej jest następujący. Na podstawie analizy literatury dotyczącej przewidywanego problemu dobiera się dowolnego specjalistę posiadającego kilka publikacji z tego zakresu. Poproszono go o wymienienie 10 najbardziej kompetentnych, jego zdaniem, ekspertów w tej dziedzinie. Następnie zwracają się jednocześnie do każdego z dziesięciu wymienionych specjalistów z prośbą o wskazanie 10 najwybitniejszych z ich kolegów naukowców. Z otrzymanej listy specjalistów skreśla się 10 początkowych, a do pozostałych wysyłane są pisma zawierające powyższą prośbę. Procedura ta jest powtarzana do momentu, aż żaden z nowo mianowanych specjalistów nie doda nowych nazwisk do listy ekspertów, czyli do ustabilizowania się sieci ekspertów. Powstałą sieć ekspertów można uznać za ogólny zestaw specjalistów kompetentnych w zakresie przewidywanego problemu. Jednak ze względu na szereg ograniczeń praktycznych, niewłaściwe okazuje się angażowanie w badanie wszystkich specjalistów. Dlatego konieczne jest utworzenie reprezentatywnej próby z ogólnej populacji ekspertów.

Określenie specyfiki procedur dla metod klasy POG (osobiste oceny eksperckie) odbywa się na podstawie analizy wymagań stawianych ekspertom i ich ocen wynikających z istoty metod:

a) notatki analityczne wymagają ustrukturyzowania problemu eksperymentalnego, wyjaśnienia i uszeregowania celów, analizy alternatywnych sposobów osiągnięcia celu, oszacowania kosztów dla każdej alternatywy oraz zaleceń dla najbardziej skuteczne sposoby rozwiązanie problemu;

b) porównania parami, normalizacja i ranking wymagają jednorodności ocenianych cech, obecności uzasadnionych logicznie kryteriów i standardów, istnienia jednoznacznie określonych procedur operowania kryteriami, standardami i cechami;

c) wywiad nałożyć określone wymagania zarówno na eksperta, jak i na ankietera;

d) struktura morfologiczna wymaga jasnego zdefiniowania cech funkcjonalnych przedmiotu lub problemu, który wymaga poprawy, klasyfikacji zasad naukowych, na podstawie których można poprawić cechy; analiza wszystkich możliwych kombinacji tych zasad i eliminacja oczywiście absurdalnych; ocena kombinacji według stopnia wykonalności i kosztu ich realizacji; porównanie kombinacji według złożonego kryterium „koszty – efektywność – czas”.

2.4.2 Heurystyczna metoda prognozowania (HEP)

Główne zadanie stojące przed specjalistami w zakresie analiz i projektowania duże systemy, w ogólnym przypadku polega z reguły na znalezieniu najbardziej optymalnych sposobów tworzenia bardziej wydajnych systemów – nowoprojektowanych lub modernizowanych. Złożoność rozwiązania tego problemu polega przede wszystkim na tym, że zazwyczaj nie można tu znaleźć rozwiązania metodami czysto matematycznymi, gdyż z reguły nie jest możliwe dokładne wyznaczenie wielkości (funkcjonaliów) podlegających optymalizacji (ekstremalizacja) w sensie matematycznym. Wynika to nie tylko ze złożoności opisu funkcjonowania dużych systemów, ale także z tak podstawowych typów, jak np. konkretne cele, dla których system jest przeznaczony. Po pierwsze, system może mieć nie jeden cel, ale ich zbiór, co od razu prowadzi do problemu optymalizacji wektorowej. Po drugie, zestaw celów stawianych systemowi może zawierać cele czysto jakościowe, które nie podlegają praktycznym pomiarom ilościowym. Prowadzi to z jednej strony do problemu oceny stopnia osiągnięcia celu jakościowego, az drugiej do problemu pomiaru ważności celów jakościowych i ilościowych oraz stopnia ich osiągnięcia.

Podobna sytuacja ma miejsce przy ocenie konsekwencji proponowanego sposobu osiągnięcia celu. Zwróćmy na przykład uwagę, że konsekwencje te mogą mieć jednocześnie charakter ekonomiczny, polityczny, społeczny lub jakikolwiek inny.

W tych warunkach rozwiązanie problemu systemowego znajduje się za pomocą technik heurystycznych, które wykorzystują bardzo złożony aparat matematyczny i polega na wydawaniu rozsądnych zaleceń wystarczających do opracowania rozwiązania.

Metoda prognozowania heurystycznego to metoda uzyskiwania i specjalistycznego przetwarzania predykcyjnych szacunków obiektu poprzez systematyczne badanie wysoko wykwalifikowanych specjalistów (ekspertów) w wąskiej dziedzinie nauki, technologii lub produkcji. Prognozowane oceny eksperckie odzwierciedlają indywidualną ocenę specjalisty odnośnie perspektyw rozwoju swojej dziedziny i opierają się na mobilizacji doświadczenia zawodowego i intuicji.

Heurystyczna metoda prognozowania jest podobna do techniki Delphi, kolektywnego generowania pomysłów i kolektywnej metody recenzowania w tym sensie, że jednym z jej elementów jest zbieranie i przetwarzanie ocen eksperckich wyrażonych na podstawie doświadczenia zawodowego i intuicji. Różni się jednak od tych metod większą przejrzystością. podstawy teoretyczne, metody tworzenia kwestionariuszy i tabel, procedurę pracy z ekspertami oraz algorytm przetwarzania otrzymanych informacji. Metoda ta nazywana jest heurystyczną ze względu na jednorodność form aktywności umysłowej eksperta w rozwiązywaniu problemu naukowego oraz w ocenie perspektyw rozwoju przedmiotu prognozowania, a także w związku ze stosowaniem przez ekspertów określonych technik, które prowadzić do wiarygodnych wniosków.

Celem heurystycznej metody prognozowania jest identyfikacja zobiektywizowanej idei perspektyw rozwoju wąskiej dziedziny nauki i techniki w oparciu o systematyczne przetwarzanie szacunków prognoz z reprezentatywnej grupy ekspertów.

Zakres MEP obejmuje obiekty i problemy naukowo-techniczne, których rozwoju w całości lub w części nie da się sformalizować, czyli dla których trudno jest opracować adekwatny model. Na przykład podstawa technologiczna elementu komputera cyfrowego.

Metoda opiera się na trzech założeniach teoretycznych: 1) istnieniu psychologicznego nastawienia eksperta na przyszłość, formułowanego na podstawie doświadczenia zawodowego i intuicji oraz możliwości jego eksterioryzacji; 2) tożsamość procesu prognozowania heurystycznego i procesu rozwiązywania problemu naukowego z jednolitością wiedzy uzyskanej w postaci prawdopodobnych wniosków heurystycznych wymagających weryfikacji;

3) możliwość adekwatnego zobrazowania trendu rozwoju obiektu prognostycznego w postaci systemu modeli prognostycznych syntetyzowanych z prognostycznych ocen eksperckich.

Założenia te są realizowane w metodzie prognozowania heurystycznego poprzez system metod pracy z ekspertami, metody estymacji i syntezy modeli predykcyjnych.

Dokumentami źródłowymi podczas pracy nad metodą prognozowania heurystycznego są: opis metody; instrukcje dotyczące formułowania pytań; instrukcje sporządzania kwestionariuszy i tabel ocen eksperckich; procedura pracy z ekspertami; zestaw technik heurystycznych dla ekspertów; instrukcje dla ekspertów dotyczące wypełniania ankiet i tabel; instrukcja komputerowego przetwarzania kwestionariuszy i tabel eksperckich; algorytmy i programy do przetwarzania danych w komputerze; kwestionariusze i tabele wypełniane przez ekspertów; instrukcje dotyczące oceny kompetencji ekspertów; instrukcje syntezy modeli predykcyjnych; zestaw metod weryfikacji prognoz.

Obecność w pełni sformułowanej tablicy informacyjnej daje pełną podstawę do wysokiej jakości pracy z posłami do PE.

Tworzenie kwestionariuszy i tabel ocen eksperckich. Tablica informacyjna do tworzenia prognoz metodą prognozowania heurystycznego to zbiór tabel i kwestionariuszy wypełnianych przez ekspertów. Tabele zawierają listę ściśle sformułowanych pytań. Na pytania zawarte w kwestionariuszach stawiane są następujące wymagania: 1) muszą być sformułowane w sposób ogólnie przyjęty; 2) ich sformułowanie powinno wykluczać wszelkie niejasności semantyczne; 3) wszystkie pytania powinny logicznie odpowiadać strukturze przedmiotu prognozy; 4) muszą być przypisane do jednego z trzech wymienionych poniżej typów. W zależności od rodzaju pytania stosuje się określoną procedurę jego formułowania i kompilacji kwestionariuszy.

DO pierwszy typ zawiera pytania, na które odpowiedzi zawierają ocenę ilościową: pytania dotyczące czasu wystąpienia zdarzeń; ankiety dotyczące ilościowej wartości przewidywanego parametru; pytania dotyczące prawdopodobieństwa wystąpienia zdarzenia; pytania dotyczące oceny względnego wpływu czynników na siebie w określonej skali. W przypadku tego typu pytań stosuje się najprostszą procedurę tworzenia kwestionariuszy. W tym przypadku sam prognostyk, znając przedmiot prognozy, formułuje listę wartości szacowanych parametrów, prawdopodobieństw i przedziałów czasowych. Przy określaniu skali wartości parametrów ilościowych (czas, charakterystyka itp.) wskazane jest stosowanie skali nierównej. O konkretnej wartości nierówności decyduje charakter zależności błędu prognozy od czasu realizacji.

Współ. druga Typ zawiera pytania merytoryczne, które wymagają zwięzłej odpowiedzi nie w formie ilościowej. Pytania wymagające odpowiedzi w formie złożonej mogą mieć trzy typy: rozłączne; spojówka; implikacyjny.

Pytania wymagające sensownej odpowiedzi w formie złożonej charakteryzują się najbardziej skomplikowaną procedurą ich formowania w kwestionariusz. Kwestionariusz w swojej ostatecznej postaci uzyskuje się w wyniku trzystopniowej iteracji. W pierwszym etapie prognosta dokładnie bada wynik pracy (raport) grupy ekspertów (metody zleceń) nad konkretnym systemem. Efektem badania jest sformułowanie pierwszej wersji ankiety, która w drugim etapie jest wysyłana do przewodniczących właściwych komisji do korekty i doprecyzowania. Rezultatem jest druga wersja kwestionariusza. Na trzecim etapie pytania są pogrupowane tematycznie i w określonej kolejności w ramach tematów. Ostateczna wersja kwestionariusza ma postać tabel ocen eksperckich.

Podobne dokumenty

Metody prognozowania i programowania sfery społecznej. Funkcje i priorytety polityki społecznej Unii Europejskiej, kierunki i zasady jej reformy w Europie Północnej. Funkcja i funkcje polityka surowcowa Norwegii.

praca semestralna, dodana 16.11.2009

Badanie teoretycznych podstaw cen na rynku światowym. Rozpatrzenie istoty i rodzajów cen pod kątem doświadczenie zagraniczne. Prowadzenie analiz i prognozowania tej sfery w Republice Białorusi; opracowanie zaleceń dotyczących ich doskonalenia.

praca semestralna, dodano 24.09.2014

Procedura konstruowania modeli ekonomicznych i ich dalsze praktyczne zastosowanie. Metody prognozowania kursów walut na obecnym etapie. Istota teorii wyceny opcji, jej premia. Wybór najlepszej metody płatności w praktyce międzynarodowej.

prace kontrolne, dodano 16.10.2010

Planowanie gospodarcze państwa w krajach rozwiniętych: metody prognozowania, planowania i opodatkowania. Rozwój kompleksu rolno-przemysłowego Republiki Kazachstanu. Metody oceny efektywności zarządzania pakietami akcji państwowych.

test, dodano 10.06.2012

Cykliczny rozwój gospodarki. Cykle koniunkturalne, ich rodzaje i przyczyny. Wielki Kryzys 1929-1933 Kryzys finansowy 1998 r. w Rosji: przyczyny i konsekwencje. Światowy kryzys finansowy 2008 roku Metody prognozowania upadłości.

praca semestralna, dodana 20.04.2015 r.

Uzasadnienie potrzeby prognozowania rynku przy podejmowaniu decyzji zarządczych w systemie zarządzania działalnością produkcyjną i gospodarczą. Budowa modelu światowej podaży i światowego popytu w krótkim i długim okresie.

praca laboratoryjna, dodana 10.10.2016

Charakterystyka poszczególnych krajów G7 i E7. Dynamika wskaźników makroekonomicznych. Prognoza zmian siły ekonomicznej. Wybór modelu prognostycznego. Wskaźniki prognostyczne G7, E7 a gospodarka światowa. Analiza siły ekonomicznej G7 i E7 w 2020 roku.

praca semestralna, dodano 28.05.2014 r.

Rozwój stosunków handlowych Rosji z zagranicą, poprawa ich ram kontraktowych i prawnych. Dynamika wielkości i struktury technologicznej handlu zagranicznego państwa, możliwość prognozowania z wykorzystaniem wskaźników makroekonomicznych.

praca semestralna, dodana 30.05.2015

Metody państwowa regulacja zagraniczna działalność gospodarcza i ich klasyfikacja. Cele i zadania wprowadzenia środków pozataryfowych. Środki ograniczeń bezpośrednich, kontyngenty, licencje, formalności celne i administracyjne, inne metody pozataryfowe.

prezentacja, dodana 18.05.2010

Charakterystyka Międzynarodowy biznes w systemie międzynarodowych stosunków gospodarczych. Biznesowe i międzykulturowe metody prowadzenia biznesu międzynarodowego. Formy i metody międzynarodowego biznesu firm Hewlett-Packard i British Petroleum: analiza porównawcza.

Klasyfikacja i przegląd podstawowych metod prognozowania. Metody prognozowania finansowego

Rodzaje prognoz

Wysyłanie dobrej pracy do bazy wiedzy jest proste. Skorzystaj z poniższego formularza

WPROWADZANIE

Podobne dokumenty