Министерство образования Российской Федерации Тюменский государственный нефтегазовый университет

В.Г.НАНИВСКАЯ, И.В.АНДРОНОВА

ТЕОРИЯ ЭКОНОМИЧЕСКОГО ПРОГНОЗИРОВАНИЯ

Учебное пособие для студентов специальностей

06.08.00 «Экономика и управление на предприятиях» и 06.11.00

«Менеджмент»

Тюмень 2000

Нанивская В.Г., Андронова И.В. Теория экономического прогнози­рования: Учебное пособие. - Тюмень: ТюмГНГУ, 2000. — 98 с.

Излагаются теоретические и методические вопросы экономического прогнозирования: системный подход к прогнозированию с учетом особен­ностей переходного периода; методы прогнозирования и условия их при­менения; методология разработки экономических прогнозов; информаци­онные и организационные аспекты прогнозирования.

Предназначено для студентов специальности 06.08.00 «Экономика и управление на предприятиях» в качестве учебного пособия по курсу «Со­циальное и экономическое прогнозирование», а также специальности 06.11.00 «Менеджмент» по курсу «Разработка управленческого решения».

Для студентов экономических специальностей, аспирантов, научных работников, практиков, занятых в различных отраслях народного хозяйст­ва.

Рецензенты: А.Н.Янин, заместитель председателя Комитета по эко­номике и финансам Администрации Тюменской области, кандидат эконо­мических наук; Р.Я.Кучумов, зав. кафедрой прикладной математики Тю­менского государственного нефтегазового университета, доктор техниче­ских наук, профессор.

Тюменский государственный

нефтегазовый университет.2000

ВВЕДЕНИЕ

Формирование рыночных механизмов в России в последнее время связано с целым рядом трудностей. Меняются организационные формы функционирования предприятий различных отраслей, усложняются эко­номические и социальные связи и отношения. Поэтому в деятельности ме­неджеров упор приходится делать не на стандартные решения, а на спо­собность достаточно оперативно и правильно изменять хозяйственную си­туацию и искать подход, являющийся оптимальным в конкретных услови­ях.

Основой для такого подхода в принятии управленческих решений является экономическое прогнозирование, призванное выявить общие пер­спективы и эволюции, тенденции организационно-структурного развития, обеспечить сбалансированность краткосрочных и долгосрочных программ. При этом важно суметь обнаружить всю совокупность факторов и причин, определяющих функционирование и развитие исследуемой хозяйственной структуры.

Трансформация системы экономического прогнозирования является одним из важных элементов преобразований, способствующих нормаль­ному функционированию предприятий в изменяющихся организационно-экономических условиях. Она должна быть направлена на коренные пре­образования в прогностике, заключающиеся в развитии способностей ре­шения самых разнообразных задач управления в условиях неустойчивости внешней среды с помощью адекватного инструментария, требующего обоснования и установления сферы его использования.

Однако в условиях усложнения объектов прогнозирования и дина­мичности внешней среды разработка такого инструментария практически невозможна без освоения теоретических основ прогнозирования, которое, принимая в переходный период беспрецедентные масштабы, является пер­воосновой всех процессов управления.

В учебном пособии рассматриваются в системном изложении вопро­сы целевого экономического прогнозирования, исходя из стратегических установок организационно-производственных объектов (включая сложные хозяйственные структуры).

При подготовке пособия авторами были использованы и обобщены исследования крупнейших футурологов, как России, так и зарубежных стран: И.Бестужева-Лады, Е.М.Четыркина, Б.Г.Рябушкина, Г.Тейла, К.Д.Льюиса, Л.В.Канторовича, М.Д.Кендэла, А.Т.Гринберга и многих дру­гих.

Некоторые вопросы, изложенные в пособии, ориентированы не только на потребности учебного процесса, но и на практикующих специа­листов, желающих овладеть методами разработки экономических прогно­зов.

1. НАУЧНЫЕ ОСНОВЫ ЭКОНОМИЧЕСКОГО ПРОГНОЗИРОВАНИЯ

1.1. Цели, задачи и виды прогнозов

В условиях социально-экономических преобразований, свойствен­ных переходной экономике, значительно усложняется процесс управления хозяйственными структурами. Это связано как с расширением их прав и обязанностей, так и с необходимостью более гибкой адаптации в окру­жающей среде. Возникают новые цели и задачи, изменяются формы собст­венности предприятий, налаживаются новые хозяйственные связи, форми­руются рыночные механизмы управления. Все появляющиеся в связи с этим проблемы невозможно решить без профессионального менеджмента, который носит характер непрерывного процесса через реализацию функ­ций управления.

Особую роль в современном менеджменте играет стратегическое управление, включающее:

• выработку главной цели бизнеса;

• прогнозирование как предвидение результатов развития, происхо­дящего под воздействием существующих факторов;

• перспективное планирование в качестве системы мер, необходимых для преодоления отклонения прогнозируемых итогов от установленных параметров.

Органической частью планирования является составление прогнозов, показывающих возможные направления будущего развития хозяйственной структуры, рассматриваемой в тесном взаимодействии с окружающей сре­дой. Вся как плановая, так и практическая работа в организации связана с необходимостью прогнозирования. Каждый менеджер и специалист по планированию должен владеть основными навыками и технологией при­кладного прогнозирования.

Прогнозирование- это способ научного предвидения, в котором ис­пользуется как накопленный в прошлом опыт, так и текущие допущения насчет будущего с целью его определения. Результатом является прогноз, т.е. научно обоснованное суждение о возможных состояниях объекта в бу­дущем, об альтернативных путях и сроках его существования.

Прогнозирование определяет реальность и благоприятность для хо­зяйственной структуры поставленных перед ней целей. Разумеется, что не­которые приемы и средства прогнозирования применяются и в процессе определения целей, особенно долгосрочных, но при выборе целей и опре­делении степени их достижения главную роль играют субъективные фак­торы, в то время когда прогноз опирается на объективные процессы и яв­ления.

Прогнозирование - это система количественных и качественных предплановых изысканий, направленных на выяснение возможного буду­щего состояния и результатов деятельности предприятия в перспективе.

Обычно в прогнозах указывается вероятная степень отклонения от тех или иных целей в зависимости от способа будущих действий и влияния различных объективных факторов (научно-технических, природно-климатических, социально-экономических и политических ) (рис.1.1.).

= Х±У

Рис. 1.1. Вероятный целевой результат (X) и возможные отклонения (У) от желаемого результата

При проведении предплановой работы прогнозы учитывают требо­вания плана, но при этом являются самостоятельной формой предвидения объективного процесса и возможного конечного результата реализации поставленной цели [41].

В предвидении будущего хозяйственной системы прогнозирование, с одной стороны, предшествует планированию, а с другой- является его со­ставной частью, используется на разных стадиях осуществления деятель­ности по планированию:

• применяется на этапе анализа среды и определения предпосылок для формирования стратегии системы;

• осуществляется на стадии реализации планов для оценки возмож­ных результатов и их отклонений от плановых показателей с целью орга­низации дополнительных управляющих воздействий на систему для лик­видации отклонений [9].

Известный отечественный футуролог И. Бестужев—Лада [26] разде­лил прогнозирование и планирование как предсказание и предуказание.

Предсказание, к которому относится прогнозирование, предполагает описание возможных или желательных аспектов, состояний, решений, проблем будущего. Помимо прогнозирования к предсказанию относится предчувствие (описание будущего на основе эрудиции, работы подсозна­ния и предугадывание (использует житейский опыт и знание обстоя­тельств). Предуказание, включающее в себя планирование и его элементы, -целеполагание, программирование, проектирование, основано на принятии решений о проблемах, выявленных на стадии предсказания, на учете всех критических аспектов будущего [41].

В качестве основных отличий прогнозирования от планирования можно назвать следующие:

• прогнозирование осуществляется в условиях с высокой долей неоп­ределенности или случайности;

• объектом прогнозирования чаще всего являются совокупность хозяйственной системы и внешней среды;

• прогнозирование в большей степени ориентировано на исследова­ние развития внешней среды хозяйственной системы, носит системный ха­рактер;

• прогнозирование носит информационный, консультативный харак­тер, принятие решения необязательно, в то время когда планирование но­сит директивный характер;

• при прогнозировании в связи с большим периодом упреждения и неопределенностью используются более общие расчетные или экспертные нормы [9].

Таким образом, прогнозирование по своему составу шире планиро­вания, так как включает не только показатели деятельности хозяйствую­щего субъекта, но и в большей степени учитывает изменяющиеся парамет­ры внешней среды.

Основная функция прогноза — обоснование возможного состояния объекта в будущем или определение альтернативных путей.

Прогноз носит вероятностный характер, но обладает определенной достоверностью. Прогноз на практике - это предплановый документ, фиксирующий вероятную степень достижения поставленной цели в зависимости от масштаба и способа будущих действий [42].

Задачи прогнозирования связаны с тем, что прогноз, помимо анализа возможностей, является основой для разработки стратегии, планирования и управления предприятием. Прогноз должен определять:

- основные технические и организационно-экономические проблемы и сроки их решения;

- материалы, технологические процессы и оборудование, предназна­ченные для изготовления новой перспективной и традиционной продук­ции;

-ожидаемые объемы производства продукции у конкурентов и по­требность в ней на рынках;

- ожидаемую себестоимость разработки и производства этой продук­ции;

- мощность предприятия, необходимую для разработки и изготовле­ния новой продукции;

- потребность в трудовых ресурсах с учетом изменения их структуры, квалификации и ожидаемого роста производительности труда. Прогноз должен включать:

- краткий анализ развития прогнозируемого направления производ­ства и характеристику его современного состояния;

- выявление перспективных технических и экономических проблем, уже решенных, но не получивших практического применения;

- оценку важности проводящихся исследований, требующих внима­ния и затрат для решения будущих проблем [41].

Виды прогнозов можно классифицировать по нескольким призна­кам:

1) По периоду упреждения (временному охвату):

- оперативные, со сроком до 3-6 месяцев от начала прогноза;

- краткосрочные прогнозы - до 1 года;

- среднесрочные прогнозы - до 5 лет;

- долгосрочные прогнозы - более 5 лет.

Как правило, чем длительней период, на который составляется про­гноз, тем значительней может быть отклонение фактических данных от прогнозируемых.

В современных условиях, характеризирующихся неустойчивостью внешней среды, использование фиксированного календарного периода для разработки прогнозов часто затрудняет практическое их использование в менеджменте.

В директивной экономике в основном сложилась практика формиро­вания текущих, кратко-, средне- и долгосрочных прогнозов-программ (со­ответственно на 1 год, 5, 10 и 20 лет). Главным недостатком такого подхо­да является то, что календарный период охватывает различные этапы, от­личающиеся качественными параметрами (например, этапы жизненного цикла товара, разработки месторождений в добывающих отраслях, изме­нения производственной мощности и т.п.). Для обеспечения практического использования прогнозов в условиях нестабильной экономической ситуа­ции в периоде прогнозирования следует выделять различные циклы, эта­пы, фазы развития прогнозируемого объекта. Продолжительность каждого конкретного цикла определяется целевыми установками менеджмента, особенностями объекта прогнозирования (сложной хозяйственной системы или ее подсистем), требованиями к оперативности принимаемых управ­ленческих решений и т.п. При таком подходе прогнозы непосредственно, а не через календарный период, становятся связанным с реальными эконо­мическими процессами [9].

2) В сфере управления народным хозяйством в зависимости от ха­рактерных особенностей объекта прогнозирования прогнозы условно делят на:

- социальные;

- научно-технические;

- экономические.

Экономические прогнозы можно воспринимать как всеобъемлющие, содержащие элементы как социального, так и научно-технического про­гнозирования.

Задачами экономического прогнозирования являются: предвидение возможного распределения ресурсов по различным направлениям; опреде­ление нижних и верхних границ получаемых результатов; оценка макси­мально возможного количества ресурсов, необходимого для решения хо­зяйственных и научно-технических проблем и др.

В отличие от экономического научно-технический прогноз опреде­ляет вероятное натурально- вещественное состояние прогнозируемого объ­екта (системы).

Взаимосвязь экономического и научно-технического прогнозирова­ния показана на рис. 1.2.

Рис. 1.2. Связь научно-технического и экономического прогнозов

Первоначально разрабатываются технические прогнозы, непосредст­венно связанные с объектом экономического прогнозирования, выявляют­ся и конкретизируются потребности рынка в нововведениях, являющиеся составной частью рыночной конъюнктуры. Далее, исходя из потребностей, содержащихся в социально-экономическом заказе и механизме рынка, разрабатываются прогнозы относительно области возможных путей произ­водства и развития самого объекта прогнозирования [42].

3) По типам прогнозирования различают:

-творческое видение, основанное на использование субъективного мнения прогнозиста, его интуиции;

-поисковое прогнозирование, базирующееся на изучении тенденций развития хозяйственной системы и продлении их в будущее.

Этот вид прогноза дает ответ на вопрос, .что вероятнее всего про­изойдет при условии сохранения существующих тенденций. Он может быть основой для стратегического планирования.

Поисковое прогнозирование в свою очередь может быть двух видов:

- традиционным, или экстраполятивным;

- новаторским — альтернативным.

Экстраполятивный прогноз предполагает, что экономическое разви­тие происходит гладко и непрерывно, поэтому прогноз, может быть про­стой проекцией (экстраполяцией) прошлого в будущее.

Альтернативный подход исходит из того, что внешняя и внутренняя среда подвержены постоянным изменениям, и вследствие этого:

- процесс развития происходит не только гладко и непрерывно, но и скачкообразно и прерывисто;

-существует определенное число вариантов будущего развития хо­зяйственной системы.

Таким образом, при альтернативном прогнозировании создаются прогнозы, включающие сочетание различных вариантов развития выбран­ных показателей и явлений. Данный вид прогнозирования может объеди­нить два способа развития — гладкий и скачкообразный, создавая синтети­ческую картину будущего [1].

Нормативное прогнозирование исходит из общих целей и стратеги­ческих ориентиров на будущий период. При данном подходе рассматри­ваются только рациональные варианты прогноза, т.е. варианты поискового прогноза, которые обеспечивают попадание в требуемое конечное состоя­ние из текущего исходного с учетом существующих ограничений на ре­сурсы (в том числе, время).

Сопоставление и согласование прогноза на базе указанных двух под­ходов способствует получению наиболее полного материала для определе­ния политики хозяйственной системы (рис. 1.3.) [41].

4) По возможности воздействия на будущие прогнозы:

- пассивный прогноз - при отсутствии воздействий на среду;

- активный прогноз предполагает активные действия на прогнозиро­вание будущего, реальное воздействие на внешнюю среду.

5) По степени вероятности:

- вариантные, когда имеются несколько вариантов развития системы;

- инвариантные, когда прогноз предполагает только один вариант развития. Такие прогнозы часто основываются на экстраполятивном под­ходе, простом продолжении сложившейся тенденции.

Рис. 1.3. Согласование двух подходов к прогнозированию

6) По способу представления:

- точечный прогноз предполагает, что данный вариант имеет единст­венное значение прогнозируемого показателя;

-интервальный прогноз - это предсказание будущего, в котором предполагается некоторый интервал, диапазон значений прогнозируемого показателя (рис. 1.4).

Социально-экономические прогнозы традиционно разрабатываются поэтапно:

1 этап. Подготовка материалов (сбор, анализ и корректировка) по прогнозируемой проблеме.

2 этап. Разработка (и корректировка) отдельных долгосрочных, среднесрочных и текущих научно-технических и социально-экономических прогнозов:

2.1 .анализ тенденций и проблем;

2.2.разработка прогнозов в составе предполагаемой комплексной программы.

yt

Период наблюдения Период упреждения прогноза t

Рис. 1.4. Точечный и интервальный прогнозы

Условные обозначения:

e - точность прогноза, абсолютная погрешность;

У t - прогнозируемый показатель

Особой сложностью обладают макроэкономические прогнозы, раз­рабатываемые на уровне народного хозяйства и отдельных отраслей (рис.1.5.).

Процесс прогнозирования можно разбить на несколько стадий:

• формулирование задания на разработку прогноза (предпрогнозная ориентация);

• собственно прогнозирование объекта;

• верификация (оценка достоверности прогноза).

Проиллюстрировать последовательность разработки экономического прогноза можно на примере отраслевого подхода, который включает:

• описание и анализ развития отрасли за ретроспективный и настоя­щий периоды, включая оценку результатов;

• прогноз основных направлений развития отрасли на основе поиско­вого подхода;

• постановку целей и основных задач развития отрасли, прогноз ос­новных тенденций развития на основе нормативного метода;

Таким образом, технология построения экономических прогнозов представляет собой сложный многошаговый процесс, который невозможно реализовать без выработки научной теоретико-методологической основы прогностических расчетов.

1.2. Системный подход к экономическому прогнозированию

Овладение системными знаниями и их практическое использование в процессе экономического прогнозирования составляет основу научного подхода к принятию управленческих решений по результатам прогнозного моделирования. Важнейшими инструментами в процессе прогнозирования являются системный анализ и системный подход.

Системный анализ - это совокупность конкретных методов и прак­тических приемов решения различных проблем, возникающих во всех сферах целенаправленной деятельности общества на основе системного подхода и представления объекта прогнозирования в виде системы. Сис­ темный подход позволяет найти вариант решения сложных производственно-хозяйственных проблем в условиях достаточно высокой неопреде­ленности поведения системы и неполноты знаний о ней [25].

Система - это абстракция, которая отражает системные качества, присущие предметам, явлениям и другим объектам прогнозирования. Сис­тему можно рассматривать также как множество взаимодействующих эле­ментов, находящихся в отношениях и связях друг с другом и составляю­щих целостное образование.

Процедура системного анализа в прогнозировании представляет со­бой профамму исследования экономической системы с целью поиска наи­лучшей альтернативы управления. Она включает ряд этапов:

• определение целей и задач исследования и критериев их достиже­ния;

• определение объекта и предмета исследования;

• сбор и обработку информации;

• выявление структуры объекта, описание его свойств;

• определение целей жизнедеятельности объекта;

• построение гипотез о механизме функционирования объекта;

• исследование объекта с помощью моделей и неформальных мето­дов, включающее уточнение целей и гипотезы о механизме функциониро­вания объекта, корректировку моделей, определение перечня возможных альтернатив управления;

• прогнозирование последствий реализации выбранных альтернатив управления и выбор из них наиболее рациональной [37].

По причине усложнения структуры хозяйствующих субъектов в ус­ловиях переходной экономики (например, создания сложных хозяйственных корпоративных структур) достаточно проблематично провести анализ и прогнозирование развития всей системы в целом. В этом случае следует

прибегнуть к декомпозиции - разделению системы на части, и исследовать эти части как самостоятельные объекты.

Декомпозицию сложной хозяйственной структуры можно провести, выделяя входящие в ее состав подсистемы, т.е. крупные составляющие, ко­торые по своему составу также являются сложными системами. Выделен­ные подсистемы должны: оказывать влияние на достижение конечных ре­зультатов системы; быть привязаны к целому с помощью определенных отношений каждой части к общественной характеристике (или характери­стикам), имеющей необходимую и функциональную логическую связь с выполнением задач всей системы; быть созданы по признакам, обнаружи­вающим необходимую функциональную связь друг с другом и с системой в целом; объединять более мелкие подсистемы, позволяющие объяснить и понять поведение системы в целом; быть увязанными с поведением всех элементов системы через ее подсистемы для связи с внешней средой.

Процесс декомпозиции сложной хозяйственной структуры следует начинать с вычленения управляющей и управляемой подсистем. Подобная декомпозиция позволяет выделить объекты и субъекты на каждом уровне управления, причем объект одного уровня одновременно может выступать субъектом другого.

На последующих этапах декомпозиции хозяйственной структуры выделяются и структурируются организационная и функциональная ком­поненты, определяется структура производственного процесса и устанав­ливаются связи между элементами системы.

Декомпозицию можно продолжить с целью более детальной струк­туризации объекта. Тем самым обеспечивается декомпозиционно-синте­тический подход при изучении развития сложных хозяйственных структур.

Усложнение структуры объектов прогнозирования приводит к тому, что утрачивается гибкость реакции в результате изменения параметров внешней среды. В результате затрудняется и замедляется передача инфор­мации, что не может не сказаться на скорости и своевременности принятия решений.

Из всех функций управления практически одна, а именно прогнози­ рование (планирование), позволяет повысить эту гибкость и свести к ми­нимуму все негативные моменты (в частности, повысить оперативность в принятии управленческих решений на основе прогнозов). В процессе про­гнозирования устанавливаются возможные направления развития пред­приятия в будущем на основе анализа тенденций этого развития, опреде­ляются цели, средства, а также разрабатываются методы, наиболее эффек­тивные для управления в конкретных условиях. Прогнозирование тесно связано с другими функциями управления (рис. 1.6.).

Данный цикл является ничем иным, как движением информации, где переход от одной функции к другой есть передача потока информации, а сами функции — это обработка информации с помощью различных способов и методов; документирование; принятие функциональных решений; возникновение новой информации. При этом поток информации, идущий от таких функций, как прогнозирование (планирование), организация, мо­тивация, координация и регулирование, несет в себе воздействие управ­ляющей системы на управляемую, то есть аппарата управления на произ­водственные и функциональные подразделения предприятия. Информация, обрабатываемая на стадиях учета, контроля и анализа, дает аппарату управления сведения о результативности этих воздействий.

	Информация о воздействии на работу предприятия

Приведенная модель процесса управления представляет собой иде­альную конструкцию. Однако в реальной практике такая модель не всегда реализуется полностью. Некоторые функции могут не включаться в цикл управления или включаться изредка. Некоторые выполняются лишь по­верхностно. Иногда функции между собой не имеют четкого разделения и реализуются параллельно.

Следует иметь в виду, что эффективность реализации функций зави­сит не от того, в каком объеме они выполняются, а от того, насколько оп­тимальным будет принято решение, основанное на результатах реализации той или иной функции, и насколько точно оно будет исполнено.

Все управленческие решения, в чем бы ни заключался их смысл, и на реализацию какой функции управления они бы ни были направлены, все­гда связаны с целью приведения объекта управления в желаемое состоя­ние. Это состояние можно оценить качественно и количественно. Для

формирования системы этих показателей первоначально необходимо четко сформулировать цель развития хозяйственной структуры.

Определение целей развития экономических объектов следует начи­нать уже с процесса прогнозирования (а не в ходе планирования, как это обычно делают, превращая прогнозирование лишь в метод поиска основ­ных тенденций, в то время как оно должно являться инструментом управ­ления и принятия решений). Первоначально необходимо сформулировать глобальную (главную, основную) цель, а затем осуществить ее декомпози­цию на подцели. Декомпозиция целей во времени и пространстве в соот­ветствии с организационной структурой предприятия образует иерархиче­скую структуру задач, последовательное и параллельное решение которых должно обеспечить достижение цели (иерархию целей).

Глобальная цель может быть представлена как иерархическая сово­купность множества взаимосогласованных и взаимодействующих целей локальных уровней. Ее можно представить в виде древовидной структуры («дерева целей») - Z.

Z={Z0,Z^k _{l ,} Zⁱ _k ,...,Zⁱ _n }, (1.1)

где Zo - начальный момент (цель, мероприятие, ресурс);

Z ' - множество элементов на i-ом уровне (локальные цели i -го уровня);

I - номер уровня дерева взаимосвязей;

n - количество элементов на i-ом уровне.

Для оценки состояния хозяйственной структуры до и после осущест­вления прогнозирования и управленческого воздействия на его основе не­обходим обоснованный критерий, который выражается как некоторая функция от состояния системы. Критерий выступает в виде признака, по которому функционирование системы признается наилучшим из возмож­ных вариантов. Для сложных хозяйственных структур, в силу их много­гранности, критерий является многомерным фактором, который включает в себя в качестве компонентов параметры эффективности. К параметрам эффективности относят наиболее важные параметры системы, которые по­зволяют оценить качество решения проблемы и достижение поставленных целей. Ими могут выступать стоимость, доход, прибыль (убытки) и т.д. [8]. Результатом системного анализа является создание системной моде­ ли объекта прогнозирования. Модель системы позволяет лучше понять объект. При разработке прогноза желательно создать типовое представле­ние .(абстрактную модель) изучаемого объекта, позволяющее применять при анализе и последующем прогнозном моделировании некоторого абст­рактного типового аналога с унифицированным набором исходных данных и связанных с ним приемов диагностики и прогнозирования.

Типовое представление сложной структуры позволит получить ми­нимальный набор информации об объекте и субъекте, корректно решать задачи управления ими.

В экономической литературе [8,9] типовые представления делят на два класса:

• кибернетические, абстрагирующиеся от структуры представляемого объекта (к этому классу относят модель «параметр-поле допуска»);

• некибернетические, то есть учитывающие структуру объекта.

Некибернетическое представление, в свою очередь, может быть функционально-декомпозиционным, представленным в виде контуров об­служивания, или агрегативно-декомпозиционным.

При функционально-декомпозиционном представлении, исходя из располагаемой информации, составляется функциональный портрет объек­та прогнозирования, где фиксируются участие подсистем в реализации определенных функций цели системы. В состав таких портретов может включаться информация об участии подсистемы в реализации целевой функции, характеристики подсистемы с точки зрения разработки (напри­мер, производственные площади, объемы финансирования и т.п.).

Преимуществом такого представления является небольшой объем исходной информации, что позволяет проводить анализ сверхсложных систем, а также систем на начальных стадиях разработки.

Представление в виде контуров обслуживания основано на опреде­лении набора взаимосвязанных элементов, функционирование которых направлено на решение задач управления процессом в системе, при этом объект рассматривается в виде взаимосвязанной совокупности технологи­ческих процессов.

При агрегативно-декомпозиционном представлении сложная систе­ма рассматривается как агрегат, который в каждый момент времени нахо­дится в определенном состоянии, имеет входные каналы и выходные сиг­налы.

Агрегатное представление более наглядно и может быть рекомендо­вано для использования при типовом представлении объекта исследова­ния. Схематично представление объекта прогнозирования в виде агрегата показано на рис. 1.7.

На выходе типового агрегата находится соответствующий товар с присущими ему качественными характеристиками.

Типовое представление объекта прогнозирования в дальнейшем по­может подобрать адекватный метод разработки прогноза.

Как ранее было отмечено (см. п. 1.1), процедуре прогнозирования предшествует подготовительный исследовательский этап. На этом этапе осознаются, структурируются и четко формируются цели прогноза, то есть из прогнозной среды выделяется объект прогнозирования как целостная система, фиксируется соответствующий цели аспект ее функционирования

и развития, проводится структурная декомпозиция и строится многоуров­невое описание.

Внешняя среда

Вход

Выход Выход

Обратная связь

Рис. 1.7. агрегативно-декомпозиционное представление объекта прогнозирования

Условные обозначения:

1.1 - повышение качества продукции;

1.2 - ресурсосбережение на всех стадиях технологической цепочки;

1.3 - расширение рынка сбыта;

1.4 - организационно-техническое развитие производства (в т.ч. внедрение инноваций);

1.5 - социальное развитие коллектива и охрана окружающей среды;

2.1 - ресурсное обеспечение (сырье, материалы, ввод мощностей);

2.2 - информационное обеспечение;

2.3 - правовое обеспечение;

3.1 - организация процессов основного и вспомогательного производства;

3.2 — мотивация;

3.3 - регулирование;

3.4 - маркетинг;

3.5 - планирование;

3.6 - учет и контроль по центрам ответственности;

4.1 - управление персоналом;

4.2 - разработка и реализация управленческих решений;

4.3 - анализ в принятии решений;

4.4 - прогнозирование в принятии решений.

Описание исходного состояния (анализ) исследуемой системы отра­жает степень информированности к началу прогнозирования и содержит исходную гипотезу о механизме ее функционирования и развития.

Таким образом, на подготовительном этапе создаётся информационная (в широком смысле) база для проведения прогнозных исследований.

Процесс прогнозирования может быть представлен как некоторое операторное преобразование(П) исходной информации об исследуемом объекте в виде её отображения на будущее, ограниченное глубинной прогноза:

П : {I, tyn} →Iyn, (1.2)

где П – оператор прогнозирования;

I – информация об исходном состоянии объекта;

tyn – период упреждения прогноза;

Iyn – результат прогноза.

Зависимость (1.2) для сложных хозяйственных систем может быть представлена в более детальном виде:

П : {I, Ц, U, tyn}→Iyn, (1.3)

при условии, что

Ц ≤ Ц٭; U ٭≤ U ≤ U´٭; tyn ≤ tyn ; I٭ ≤ I ≤ I´٭, (1.4)

Где Ц – область целей системы в пространстве;

U – уровень управления в принятой декомпозиции системы;

Ц٭, U٭, U´٭, I٭, I´٭­

tyn – горизонт прогноза, т.е. максимально возможный период упреждения.

Для хозяйственных многоуровневых систем оператор прогнозирования П представляет собой иерархическую структуру. Например, для трёхуровневой системы

П={Псk,{Пβjk},{Пαijk}}, (1.5)

где Псk – оператор прогнозирования высшего уровня;

{Пβjk} – множество операторов прогнозирования второго уровня;

{Пαijk} – множество операторов прогнозирования третьего уровня;

i,j,k – число параметров, описывающих систему на каждом уровне.

Таким образом, описание рассматриваемой трехуровневой системы реализуется в виде иерархии численных параметров системы и ограничений на области их области их возможных значений.

В рассматриваемой формальной постановке исходная информация о состоянии рассматриваемого объекта (I) отделена от механизма его функ­ционирования (П). Структура этой информации может быть представлена тремя основными составляющими:

Iу - параметры состояния системы, поддающиеся целенаправленному изменению;

Iну - параметры, эволюция которых не поддается управлению, т.е. не зависит от воли людей;

Iвн - параметры внешней среды, не поддающиеся изменению в рам­ках рассматриваемой системы.

В результате получаем

I= {Iу,Iну,Iвн}.

Для прогнозных задач остаточную неопределенность будущего со­стояния исследуемого объекта определяют 1ну и 1вн.

Поэтому для принятия управленческих решений на основе прогноза должен быть определен перечень возможных последствий при определен­ных, возможных в будущем условиях 1ну и 1вн. Это означает, что приня­тию решения должен предшествовать выбор условий, которые, по мнению лица, принимающего решения, наиболее вероятны.

Другим источником неопределенности является неясность и неодно­значность целей функционирования и развития системы. В процессе про­гнозирования цель должна быть сформулирована достаточно конкретно. Задача прогноза - определить границу области реальных (достижимых) це­лей в различных условиях будущего развития системы (при различных Iну и Iвн)[37].

Таким образом, прогнозирование связано с неопределенностью в оценке последствий каждого управленческого решения. Эта неопределен­ность связана также с тем, что за период с момента получения информации об объекте управления (хозяйственной системе) до момента исполнения управляющего воздействия на систему могут происходить:

• старение информации;

• изменение функций, структуры, параметров объекта прогнозирова­ния;

• изменение функций, структуры, параметров внешней среды.

При разработке прогнозов следует иметь в виду, что каждое управ­ленческое решение по своей природе является прогнозным. Эффектив­ность принимаемых решений может быть обеспечена системным единст­вом процессов прогнозирования и планирования, осуществляемых в определенной последовательности: «поисковый прогноз - нормативный про­гноз- стратегическое планирование — бизнес-планирование - перспектив­ное планирование - текущее планирование - оперативное планирование» [9].

Соблюдение системного единства и последовательности этапов по­зволяет раскрывать неопределенности, связанные с внешней средой и со­стоянием самого объекта прогнозирования. Игнорирование отдельных элементов данной системы может привести: к снижению точности прогно­зирования-планирования и эффективности принимаемых управленческих решений; к повышению риска при принятии решений.

Таким образом, квалифицированный, профессионально подготов­ленный экономист-менеджер должен обладать системными знаниями о науке прогнозирования, что поможет ему при разработке обоснованных управленческих решений.

1.3. Инерционность экономических процессов как основа экономического прогнозирования

Принципиальная возможность экономического прогнозирования основывается на закономерном (детерминированном) характере изменения различных показателей и на инерционности технико-экономических про­цессов [39].

Инерционность в развитии хозяйственных структур проявляется двояким образом:

• как инерционность взаимосвязей, т.е. как сохранение в основных чертах механизма формирования явления (инерционность первого рода);

• как инерционность в развитии отдельных сторон процессов, т.е. как некоторая степень сохранения их характера (темпов, направления, ко­леблемости основных количественных показателей) на протяжении срав­нительно длинных хронологических отрезков (инерционность второго ро-да).

Степень инерционности зависит от такого фактора, как размер или масштаб изучаемой хозяйственной структуры или процесса. Если рассмат­ривать производственную систему, то чем ниже уровень в иерархии «предприятие — отрасль - народное хозяйство», тем менее инерционными оказываются соответствующие характеристики.

Последнее обстоятельство можно объяснить тем, что влияние от­дельного фактора (например, внедрение инноваций) на низовом уровне часто оказывается доминирующим. На макроуровне показатели более ус­тойчивы, поскольку на их значение оказывает воздействие уже гораздо большее число факторов. Изменение действия ряда из них (иногда оказы­вающих противоположное влияние) приводит к меньшей потере инерци­онности, чем на микроуровне.

Опыт свидетельствует о том, что чем «моложе» изучаемая система (хозяйственная структура, экономическое явление, процесс) и, соответственно, чем меньше имелось времени для формирования более или менее

устойчивых взаимосвязей и основных тенденций в ее развитии, тем мень­шей инерционностью она обладает.

Наличие инерционности не означает, что экономическая система в своем развитии будет жестко следовать уже наметившейся тенденции. Раз­личные факторы будут в большей или меньшей степени воздействовать на систему, приводя к отклонениям от тенденции.

Прогнозирование инерционных систем осуществляется через анализ области возможного, то есть того, что возможно в будущем. Теория про­гнозирования рассматривает понятие возможности как форму детермина­ции. Различают два типа детерминации [37]:

• внутренняя детерминация, свойственная целостным сложным сис­темам, обладающим внутренним источником саморазвития (социальные системы);

• внешняя детерминация, предполагающая выделение устойчивых, относительно неизменных отношений, когда исследуемая система рассматривается как нечто постоянное, устойчивое. Это более простая форма детерминации.

Принцип внешней детерминации предполагает проверку изучаемой системы на устойчивость. Это означает, что не любая комбинация свойств и состояний элементов, образующих целостную социально- экономиче­скую систему, возможна в будущем, а только та, которая образует опреде­ленную устойчивую форму, отражающую сущность этой системы.

Критерий устойчивости позволяет проводить отбор только тех вари­антов будущего, которые могут реально существовать.

Для определения типа инерционности экономической системы необ­ходимо выяснить, присутствует ли в динамических рядах технико-экономических показателей тенденция (тренд). Выяснение типа инерци­онности позволяет в дальнейшем подобрать адекватный метод прогнози­рования (например, при инерционности первого рода это могут быть рег­рессионные модели, носящие стационарный характер, а при инерционно­сти второго рода - экстаполяционные модели или авторегрессия).

Основная задача анализа временных рядов состоит в выделении детерминированной составляющей (тренда) и случайной составляющей, а также в оценке их характеристик.

В общем виде временной ряд можно представить как

yt = f (t,xt) + εt, t = 1,2,...,T, (1.7)

где у, - значения показателей временного ряда;

f (t,xt) -детерминированная составляющая;

х, — значения детерминированных факторов, влияющих на детер­минированную составляющую f в момент времени t;

εt - случайная составляющая;

T- длина временного ряда.

В экономике часто роль детерминированной составляющей играет результирующий показатель, например, объем производства, обусловлен­ный общей тенденцией экономического роста, темпами и объемами инно­ваций, затратами ресурсов. На этот результат, кроме экономических фак­торов, могут оказывать долговременное влияние также некоторые природ­ные факторы. Случайная составляющая аккумулирует влияние множества не включенных в детерминированную составляющую факторов, каждый из которых отдельно оказывает незначительное влияние на результат.

Многие исследователи [10,21,26,32] при анализе динамических ря­дов выделяют следующие четыре основные составляющие:

• долговременную эволюторно изменяющуюся составляющую, кото­рая является результатом действия факторов, приводящих к постепенному изменению данного экономического показателя. Так, в результате научно-технического прогресса, совершенствования организации и управления производством относительные показатели результативности и эффектив­ности производства растут, а удельные расходы ресурсов на единицу по­лезного эффекта снижаются;

• долговременные циклические колебания проявляются на протяже­нии длительного времени в результате действия факторов, обладающих большими последствиями, либо циклически изменяющихся во времени (кризисы перепроизводства, периодические природные явления);

• кратковременные циклические колебания (сезонная составляющая) показывают колебания факторов в зависимости от времен года (продук­тивность сельского хозяйства, сезонные колебания розничного товарообо­рота);

• случайная составляющая образуется в результате суперпозиции большого числа внешних факторов, не участвующих в формировании детерминированной составляющей и оказывающих незначительное влияние на изменение значений показателей.

Для выявления типа инерционности необходимо проверить зависи­мость показателей от временного фактора. Для этой цели, в частности, можно порекомендовать метод, разработанный Ф.Фостером и А.Стюартом, предложившими по данным исследуемого ряда определять величины и, к I путем последовательного сравнения уровней ряда динамики [39]:

	1, если уt – max из всех yt-1, yt-2, yt-n;

	1, если уt – min из всех yt-1, yt-2, yt-n;

Далее определяется две простые характеристики s и d:

s=∑s_t , (1.10)

d=∑d_t , (1.11)

где: st = ut+lt,

и dt=ut-lt, (1.12)

Суммирование в формулах (1.10) и (1.11) производится по всем чле­нам ряда. Полученные показатели s и d используются для проверки гипо­тезы об отсутствии тенденции (s - б средней, d - в дисперсии) в динамике исследуемого экономического показателя. Проверку гипотезы проводят, применяя t-критерий Стьюдента, то есть определяя:

tн=(d-0)/(σ1), (1.13)

tн=(s-µ)/( σ2), (1.14)

где µ — математическое ожидание величины s;

σ - средние квадратические 0, изменения величин s и d .

Значения, µ, σ1 и σ2 табулированы. Если tн ≥ tкр то гипотеза о нали­чии тенденции отвергается, tкр находят по таблицам критических точек распределения Стьюдента в зависимости от уровня значимости гипотезы а (обычно выбирается на уровне 0,05) и числа степеней свободы k :

k = n – 1, (1.15)

где n — число уровней ряда.

Если же tn < t кр , то гипотеза принимается, и для исследуемого объ­екта характерна инерционность второго рода. Данный метод достаточно прост и легко может применяться в практических разработках.

После проверки типа инерционности экономической системы (объ­екта) необходимо перейти к подбору адекватного метода прогнозирования, а также параметрических моделей в соответствии с алгоритмом, показан­ным к количественным расчетам и верификации результатов.

2. МЕТОДЫ ЭКОНОМИЧЕСКОГО ПРОГНОЗИРОВАНИЯ

2.1. Классификация и область применения методов прогнозирования

Выбор конкретного метода является одной из наиболее важных за­дач прогнозирования. Возрастание актуальности разработки формальных, в том числе логических процедур, при выборе метода прогнозирования отмечает в своих работах Глущенко В.В. [8,9]. При этом можно указать три основные группы причин, влияющих на необходимость выбора метода прогнозирования.

Первая группа состоит в увеличении числа методов прогнозирова­ния, которое и в перспективе будет возрастать в связи с разнообразием практических задач прогнозирования (в настоящее время число методов прогнозирования приближается к двумстам).

Вторая группа причин заключается в том, что в современных неоп­ределенных условиях (переходный период, экономический кризис) суще­ственно возрастает сложность как самих решаемых задач, так и объектов прогнозирования (создание корпоративных групп, холдингов, объедине­ний и других сложных организационно-производственных структур).

Третья группа причин связана с возрастанием динамичности (под­вижности) рыночной среды, ускорением темпов инновационного процесса. Поэтому на выбор конкретного метода прогнозирования влияют:

• существо проблемы, подлежащей решению;

• динамические характеристики объекта прогнозирования;

• вид и характер информационного обеспечения;

• выбранный период упреждения прогноза (и его соотношение с про­должительностью цикла разработки товара или услуги);

• требования к результатам прогнозирования (точности, надежности и достоверности).

Следует иметь в виду, что названные факторы должны рассматри­ваться в системном единстве.

Для выбора наиболее подходящего метода прогнозирования на предпрогнозном этапе необходимо структурировать информацию об объ­екте прогнозирования, проанализировать ее (оценить полноту, непротиво­речивость, сопоставимость и соизмеримость данных, точность и достовер­ность информации).

Первоначально необходимо выделить из числа общеизвестных мето­дов прогнозирования как приемлемые для решения конкретной задачи, так и те, которые применить по тем или иным причинам нельзя. Последние следует исключить из числа рассматриваемых альтернатив.

Условно все существующие методы прогнозирования можно разбить на две большие группы:

• фактографические (формализованные), которые базируются на фактически имеющейся информации об объекте прогнозирования и его прошлом. Они условно подразделяются на

- статистические, основанные на построении и анализе динамиче­ских рядов, либо на данных случайной выборки;

- аналоговые методы, направленные на выявление сходства в закономерностях развития различных систем и процессов.

• экспертные (интуитивные) методы используют мнения специали­стов-экспертов и применяются тогда, когда невозможно формализовать изучаемые процессы или имеет место неопределенность развития хозяйственной системы.

Рис.2.1. Методы экономического прогнозирования.

Обоснованность прогноза в значительной мере зависит от выбора метода прогнозирования(рис.2.1).

Особое место в классификации методов прогнозирования занимают комбинированные методы, которые объединяют различные методы про­гнозирования. Использование комбинированных методов особенно акту­ально для сложных социально-экономических систем, когда при разработ­ке прогноза показателей каждого элемента системы могут быть использо­ваны различные сочетания методов прогнозирования. Разновидностью комбинированных методов можно считать эконометрическое моделирова­ние.

Практическое применение того или иного метода прогнозирования определяется такими факторами, как объект прогноза, сложность и струк­тура системы, наличие исходной информации, квалификация прогнозиста. В таблице 2.1 приведена характеристика различных методов прогнозиро­вания экономических систем и область их применения.

Краткая характеристика методов прогнозирования и область их применения

Важную роль в выборе метода прогнозирования может сыграть ти­повое представление объекта прогнозирования. Это связано с тем, что ка­ждому из типовых представлений объекта можно поставить в соответствие множество элементов методической среды прогнозирования. Это отражает булева (логическая) матрица наличия или отсутствия связи между типо­вым представлением объекта и методом прогнозирования (табл. 2.2) [9]. В этой таблице 0 - отсутствие связи между типовым представлением объекта и искомым методом прогнозирования; 1 - если такая связь существует.

Строки этой матрицы пронумерованы от 0 до 6 и соответствуют:

1 - интуитивному представлению;

2 - предметному представлению (дескриптивные модели);

3 - функционально-декомпозиционному представлению;

4 - представлению в виде контуров обслуживания;

5 - агрегативно-декомпозиционному представлению;

6 - представлению в виде модели «параметр-поле допуска».

Столбцы этой матрицы пронумерованы в соответствии с номерами видов прогнозирования:

1 - экспертное;

2 - функционально-логическое;

3 - структурное;

4 - параметрическое;

5 - прогнозирование по аналогии;

6 - комплексные системы прогнозирования [3].

Таблица 2.2

Булева матрица наличия или отсутствия связи между типовым представ­лением объекта и группой методов прогнозирования

Прогнозист в процессе исследования выбирает вид методов прогно­зирования, а затем в рамках этой группы отбирает наиболее подходящий, адаптирует его к особенностям объекта, при необходимости модифицирует или разрабатывает свой метод. Подбор адекватного метода позволяет обеспечить функциональную полноту, достоверность и точность прогноза, уменьшить затраты времени и ресурсов на прогнозирование.

2.2. Фактографические методы прогнозирования

Как было ранее показано (см. п. 2.1.), фактографические методы про­гнозирования можно условно разделить на две большие группы: статисти­ческие и методы аналогий.

Статистические методы прогнозирования

Статистические методы изучены лучше всего, однако не являются единственно возможными. В ряде случаев прибегают к построению сцена­риев развития, морфологическому анализу, историческим аналогиям. Но­вым подходом к прогнозированию НТП является, в частности, «симптома­тическое» прогнозирование, суть которого заключается в выявлении «предвестников» будущих сдвигов в технике и технологии. Однако в прак­тике экономики преобладающими по-прежнему являются статистические методы (что связано с наличием инерционности). Немаловажным является и то, что статистические методы опираются на аппарат анализа, развитие и практика которого имеют достаточно длительную историю.

Процесс статистического прогнозирования распадается на 2 этапа:

• Индуктивный, заключающийся в обобщении данных, наблюдаемых за более или менее продолжительный период времени, и в представлении соответствующих статистических закономерностей в виде модели. Про­цесс построения модели включает: выбор формы уравнения, описывающе­го динамику или взаимосвязь явлений; оценивание его параметров.

• Дедуктивный — собственно прогноз. На этом этапе определяют ожидаемое значение прогнозируемого показателя.

Не всегда статистические методы используются в чистом виде. Часто их включают в виде важных элементов в комплексные методики, преду­сматривающие сочетание статистических методов с другими, например, экспертными оценками.

Статистические методы основаны на построении и анализе динами­ческих рядов, либо данных случайной выборки. К ним относятся методы прогнозной экстраполяции, корреляционный и регрессионный анализ. В группу статистических методов можно включить метод максимального правдоподобия и ассоциативные методы — имитационное моделирование и логический анализ.

Динамику исследуемых показателей развития хозяйственной систе­мы можно прогнозировать при помощи двух различных групп количест­венных методов: методов однопараметрического и многопараметрического прогнозирования. Общим для обеих групп методов является, прежде всего, то, что применяемые для параметрического прогнозирования математиче­ские функции, основываются на оценке измеряемых значений прошедшего периода (ретроспективы). Однопараметрическое прогнозирование базиру­ется на функциональной зависимости между прогнозируемым параметрам (переменной) и его прошлым значением, либо фактором времени.

ŷ_t+1 =ſ(y_t ,y_t-1 ,…,y_t-n ). (2.1)

При обработке таких прогнозов пользуются методом экстраполяции трендов, экспоненциальным сглаживанием или авторегрессией.

В основе многопараметрических прогнозов лежит предположение о причинной взаимосвязи между прогнозируемым параметром и нескольки­ми другими независимыми переменными:

ŷ_{t +1} =f(x), или; (2.2)

ŷ_{t +1} =f(x₁ , x₂ ,…, x_n ).

Однопараметрические методы следует использовать при кратко­срочном (менее одного года) прогнозирования показателей, изменяющихся еженедельно или ежемесячно. Многопараметрические оправдывают себя для средне- и долгосрочного прогнозирования.

да нет да нет

Нет

Рис.2.2.Схема выбора статистического метода прогнозирования

Выбор конкретного параметрического метода прогнозирования, кроме того, зависит от характера исходной статистической базы. В качест­ве исходных данных могут быть взяты выборочные наблюдения и динами­ческие ряды. В первом случае в качестве инструмента прогноза применя­ется регрессия. Значительно чаще, чем случайная выборка, информацион­ной базой для прогноза являются динамические ряды.

Тогда в качестве инструментов прогноза выступают тренды, авто­регрессия, смешанная авторегрессия и т.п. Выбор адекватного подхода за­висит от того, обнаружены ли экзогенные факторы, влияющие на значение зависимой переменной или нет, влияют ли на зависимую переменную предшествующие значения этой же переменной и т.д. В целом процесс вы­бора конкретного метода статистического параметрического прогнозиро­вания показан на рис. 2.2. [39].

Методы экстраполяции сводятся к обработке имеющихся данных об объекте прогнозирования за прошлое время и распространению обнару­женной в прошлом тенденции на будущее.

Методы моделирования — наиболее сложный метод прогнозирова­ния, состоящий из разнообразных подходов к прогнозированию сложных систем, процессов и явлений. Эти методы могут пересекаться и с эксперт­ными методами.

Экстраполяция трендов

Наиболее распространенными из группы математических методов являются методы прогнозной экстраполяции. Временной ряд при экстра­поляции представляется в виде суммы детерминированной (неслучайной) составляющей, называемой трендом, и стохастической (случайной) со­ставляющей, отражающей случайные колебания или шумы процесса.

Прогнозную экстраполяцию можно разбить на два этапа.

• Выбор оптимального вида функции, описывающей ретроспектив­ный ряд данных. Выбору математической функции для описания тренда предшествует преобразование исходных данных с использованием сгла­живания и аналитического выравнивания динамического ряда.

• Расчет коэффициентов (параметров) функции, выбранной для экст­раполяции.

Для оценки коэффициентов чаще остальных используется метод наименьших квадратов (МНК).

Сущность МНК состоит в отыскании коэффициентов модели тренда, минимизирующих ее отклонение от исходного временного ряда:

S = ∑(y_t - ŷ)² → min, (2.3)

где ŷ, - расчетные (теоретические) значения тренда;

у — фактические значения ретроспективного ряда;

n — число наблюдений.

Подбор модели в каждом конкретном случае осуществляется по це­лому статистически ряду критериев (дисперсии, корреляционному отно­шению и др.). Кроме того, для выбора зависимости

ŷ_t =f(t)

существует несколько подходов. Это метод последовательных разностей, метод характеристик прироста, визуальный (глазомерный) выбор формы. Расчет оценок прироста показателя, дополненный визуальным выбором взаимосвязи, уменьшает риск неправильного выбора модели для прогнози­рования. В частности, могут быть рекомендованы следующие аппрокси­мирующие зависимости:

∆ Y / ∆ t = const → ŷ_t =a₀ + a₁ t, (2.4)

∆ ln y / ∆ t = const → ŷ_t = a₀ t^a , (2.5)

∆ ln y / ∆ ln t = const → ŷ_t = a₀ t^t ₁ , (2.6)

∆ Y² / ∆ X² = const → ŷ_t = a₀ + a₁ t + a₂ t² , (2.7)

∆ (t / y) / ∆ t = const → ŷ_t = t / (a₀ + a₁ t). (2.8)

В Приложении 1 показаны графические зависимости, позволяющие осуществлять визуальный выбор формы зависимости прогнозируемого по­казателя от фактора времени, а в Приложении 2 - системы нормальных уравнений, применяемые для оценки параметров полиномов невысоких степеней.

Для выявления более четкой тенденции уровни, нанесенные на гра­фик, можно сгладить (элиминировать) с помощью трех приемов:

• метода технического выравнивания - когда на графике визуально (на глаз) проводится равнодействующая линия, отражающая на взгляд ис­следователя тенденцию развития;

• метода механического сглаживания - расчет скользящих и экспо­ненциальных средних;

• метода аналитического выравнивания - построение тренда.

Преимущество трендовой модели в более высокой степени надежно­сти. Кроме того, она позволяет экономически интерпретировать параметры уравнения тренда и достаточно наглядно изображает тенденцию и откло­нения от нее на графике.

В рыночной ситуации можно порекомендовать конкретные виды функций, наиболее пригодные для экстраполяции [29].

Спрос на ряд непродовольственных товаров может быть описан сте­пенной функцией или экспонентой (особенно на активных этапах жизнен­ного цикла товаров). Общие закономерности спроса отражаются кривой Гомперца. При изучении влияния фактора времени на спрос может быть использована логистическая (сигмоидальная) кривая. Процесс затухания роста спроса по мере перехода населения к группам населения с более вы­соким доходом отражается полулогарифмической кривой.

В развитии рынка как единого экономического пространства (как и в развитии локальных рынков) могут проявиться определенная повторяе­мость, цикличность, обусловленная как внутренними свойствами рынка, так и внешними причинами.

Рис. 2.3. Моделирование тенденции продажи товара по стадиям жизненного цикла

Условные обозначения:

1 - выведение товара на рынок; 2 - рост; 3 - зрелость; 4 - упадок; 5 - реанимация спроса.

Внутригодовая цикличность носит часто сезонный характер.

При изучении сезонных процессов часто применяется спектральный анализ, который позволяет прогнозировать тенденции, динамика которых содержит колебательные или гармонические составляющие [31].

Сезонные волны можно описать гармоникой ряда Фурье:

ŷ=α₀ +∑^m _k (α_k coskt + b_k sinkt ), (2.9)

где t - номер гармоники ряда Фурье;

а о и а k , bk — определяют по МНК;

k - число гармоник (1,2,...)

В условиях переходной экономики возрастает значимость прогнози­рования жизненного цикла товара (ЖЦТ). Автором концепции ЖЦТ счи­тается известный маркетолог Теодор Левитт, предложивший ее в 1965г.

Суть прогноза заключается в том, чтобы определить, как надолго и насколько интенсивно будет сохраняться спрос на данный товар. Прогноз ЖЦТ - многоплановый процесс, важной составляющей которого является подбор для каждого этапа соответствующей трендовой модели, отражаю­щей не только рост, стабилизацию или спад, но и степень ускорения или замедления этих процессов. Такой прогноз является составным элементом прогнозирования покупательного спроса и рыночной конъюнктуры.

Жизненный цикл товара можно графически смоделировать в виде сложной кривой (рис. 2.3).

Математически смоделировать весь жизненный цикл товара практи­чески невозможно, пришлось бы использовать сложную многочленную функцию, которую трудно интерпретировать. Целесообразно использовать метод линейно-кусочных агрегатов, то есть моделировать и прогнозиро­вать каждый этап ЖЦТ с помощью трендовой и (или) многофакторной мо­дели, отражающей закономерности каждого этапа.

Отмеченные ранее методы механического выравнивания могут так­же выступать в роли самостоятельных методов статистического прогнози­рования.

Прогнозирование на основе адаптивных скользящих средних произ­водится с использованием следующих формул:

M_i = M_i-1 + (y_i - y_i-m ) / (m), (2.10)

где M_i – скользящая средняя, отнесенная к концу интервала.

M_i = ŷ_t = (∑^t+p _i=1 y_i ) / (m). (2.11)

Первый член уравнения (2.10) – М_{i -1} несет «груз прошлого» - инер­цию развития, а второй адаптирует среднюю к новым условиям. Таким об­разом, средняя как бы обновляется, «впитывая» информацию о фактически реализуемом процессе (степень обновления определяется весом 1/т).

Экспоненциальные средние. Влияние прошлых наблюдений должно затухать по мере удаления от момента, для которого определяется средняя. Для этой цели используют экспоненциальное сглаживание, применяемое в краткосрочном прогнозировании (идея Н.Винера):

Q_t = α · y_t + (1+α) · Q_{t -1} , (2.12)

где Q_t - экспоненциальная средняя на момент t ;

а - коэффициент, характеризующий вес текущего наблюдения (параметр сглаживания).

При расчете по формуле (2.12) необходимо выбрать Q_{t -1} . Часто

Q_{t -1} принимают равным y_t .

Применение метода успешно, когда ряд имеет достаточно большое число уровней. Чем меньше а, тем больше роль «фильтра», поглощающего колебания 0< а <1. Практически диапазон а ограничивается величинами 0,1; 0,3. Хорошие результаты дает а = 0,1. При выборе а следует иметь в виду, что для повышения скорости реакции на изменение процесса разви­тия необходимо повысить а, однако это уменьшает «фильтрационные» возможности средней.

Специфика экономических процессов состоит в том, что они обла­дают взаимосвязью и инерционностью (см. п. 1.3). Последнее означает, что значение фактического показателя в момент времени зависит определенным образом от состояния этого показателя в предыдущих периодах, т.е. значения прогнозируемого показателя должны рассматриваться как фак­торные признаки. Уравнение авторегрессионной зависимости в общем имеет вид:

ŷ_t = α₀ + α₁ · y_{t -1} + α₂ · y_{t -2} +...+ α_k · y_{t - k} , (2.13)

где ŷ_t – прогнозируемые значения показателя в момент времени t;

y_{t -1 –} значения показателя y в момент времени (t-i);

α₁ – i-тый коэффициент регрессии.

Часто прогнозируемый показатель зависит не только от предшествующих состояний, но и от других факторов x. Тогда говорят о смешанной авторегрессии:

ŷ_t = α₁ · y_{t -1} + α₂ · y_{t -2} +...+ α_k · y_{t - k} + b₁ · x₁ + b₂ · x₂ +...+ b_m · x_m =

= ∑^k _i=1 α_i · y_t-I + ∑^m _j=1 b_j · x_j . (2.14)

Оценки α_i и b_j находят по МНК.

Все приведенные выше модели позволяют получить точечные оценки. Для определения наиболее вероятных интервалов варьирования прогнозных показателей необходимо найти доверительные оценки. В общем виде расчет доверительного интервала может быть представлен следующим образом:

ŷ_t+a ± t_a Sŷ, (2.15)

где ŷ_{t + a} - точечный прогноз;

Sŷ – средняя квадратическая ошибка прогноза;

t_{a –} t-статистика Стьюдента;

α – период упреждения прогноза.

В общем виде для полиномов различных степеней:

Sŷ_{t +2} = Sy √T`<sub>α</sub> (T` · T)^-1 · T_α , (2.16)

где (T` · T) – матрица системы нормальных уравнений;

Sy – среднее квадратическое отклонение фактических значений от расчётных.

В частности, для линейного тренда:

Sŷ = Sy √1 + 1 : n + (t_α - t)² : ∑(t')² , (2.17)

Где t_{α –} заданное на период упреждения значение переменной t,

t – среднее значение t, т.е. значение порядкового номера уровня, стоящего в середине ряда;

∑(t')² – сумма квадратов отклонений значений независимой переменной от их средней.

Важно иметь в виду, что экстраполяция в рядах динамики носит приближенный и условный характер. Поэтому применение методов экст­раполяции не должно становиться самоцелью, а при разработке социально-экономических прогнозов должна привлекаться дополнительная информа­ция, на основе которой в полученные методом экстраполяции количест­венные оценки вносятся соответствующие коррективы.

Экономико-математическое моделирование

Методы экономико-математического моделирования применяются преимущественно в" среднесрочном, а также в долгосрочном прогнозиро­вании.

В данной группе методов можно выделить корреляционно-регрессионное моделирование, которое используется для объектов, имею­щих сложную многофакторную природу (объем инвестиций, затраты, при­быль, объемы продаж и т.п.). Для осуществления регрессионного модели­рования необходимо [30]:

- наличие ежегодных данных по исследуемым показателям;

- наличие одноразовых прогнозов, то есть таких, которые не коррек­тируются с поступлением новых данных.

Наиболее разработанной в теории прогнозирования является мето­дология так называемой парной корреляции, рассматривающей влияние факторного признака х на результативный у. Методы оценки параметров уравнения регрессии аналогичны приемам при экстраполяции (т.к. фактор времени ? можно рассматривать как частный случай параметра х). На прак­тике же гораздо чаще приходится исследовать зависимость результативно­го признака от нескольких факторных. В этом случае статистическая мо­дель является многофакторной. Например, линейная регрессия с т незави­симыми переменными имеет вид:

ŷ_i = α₀ · x₀ + α₁ · x₁ + α₂ · x₂ +...+ α_m · x_m . (2.18)

Оценки параметров находят по МНК.

Отбор факторов для построения многофакторных моделей произво­дится на основе качественного и количественного анализа социально-экономических явлений с использованием статистических и математиче­ских критериев.

Общепринятым является трехстадийный отбор факторов:

1. На первой стадии осуществляется априорный анализ, и на факто­ры, включаемые в состав модели, не накладываются ограничения.

2. Нг второй стадии производится оценка и отсев части факторов. Это достигается путем анализа парных коэффициентов корреляции и оценкой их значимости. Для этого составляется матрица парных коэффи­циентов корреляции (табл. 2.3).

Анализ таблицы ведется с использованием следующих критериев:

r_yi > r_ij ; r_yj > r_ij ; r_ij > 0,8 , (2.19)

где r_ij — парные коэффициенты корреляции.

3. На заключительной стадии производят окончательный отбор фак­торов путем анализа значимости вектора оценок параметров различных вариантов уравнений множественной регрессии с использованием крите­рия Стьюдента:

t_расч > t_{k , a} , (2.20)

где k - число степеней свободы,

а- уровень значимости.

В процессе анализа решается проблема мультиколлинеарности, ко­торая заключается в том, что между факторными признаками может суще­ствовать значительная линейная связь, что приводит к росту ошибок оце­нок параметров регрессии.

Таблица 2.3

Матрица парных коэффициентов корреляции множественной модели регрессии

Приемы построения регрессионных и авторегрессионных моделей достаточно хорошо описаны в экономико-статистической литературе [11, 14, 24, 26, 30, 38, 39] и не являются предметом описания настоящего учебного пособия. Наличие прогрессивных информационных технологий по­зволяет достаточно оперативно рассчитывать параметры этих моделей. Во внутрипроизводственном прогнозировании используются:

• модели внутренней среды фирмы, так называемые корпоративные модели;

• макроэкономические модели, к которым относят эконометрические модели, модели «затраты-выпуск» [1].

Корпоративные модели обычно представляют набор формул (урав­нений), которые отражают отношение ряда переменных к определенному объекту, например к объему продаж.

Большая часть математических моделей имеет форму компьютерных программ (например, АРМ СтОД (автоматизированное рабочее место для статистической обработки данных), ОЛИМП, МЕЗОЗАВР, СИГАМД и др.) [13], Такие программы позволяют придать моделям динамический харак­тер.

К недостаткам применения методов экономико-математического моделирования в рамках прогнозирования можно отнести:

• необходимость серьезных затрат на организацию прогнозирования;

• невозможность охватить в моделях все наиболее существенные тенденции развития;

• высокая вероятность внезапных изменений, разрушительных собы­тий, существенно снижающих полезный эффект модели.

Следует иметь в виду, что в условиях переходной экономики проис­ходят кардинальные изменения в организационно-производственных сис­темах и структурах (спроса, потребностей, цен и т.п.), а следовательно, достаточно проблематично сделать вывод о том, можно ли доверять ре­зультатам математического параметрического прогнозирования, так как эти методы целесообразно применять тогда, когда за время упреждения не изменяются ни функции, ни структура объекта прогнозирования. В этой ситуации параметрические методы могут применяться:

• при краткосрочном прогнозировании, когда вероятность структур­ных изменений невелика;

• при условии соответствия исходных статистических данных требо­ваниям, предъявляемым математическим методам;

• при дополнительной верификации результата прогноза другим мето­дом.

Структурное прогнозирование

Методы структурного прогнозирования позволяют найти решение проблемы при сохранении функций, но при изменении структуры и (или) значений параметров объекта прогнозирования за время упреждения.

Структурные методы основаны на использовании теории графов.

Рис.2.3. Вариант построения дерева целей

Графом называют фигуру, состоящую из точек, называемых верши­нами, и соединяющих их отрезков, называемых ребрами. Выбор структуры графа определяется существом тех отношений между элементами системы, которые он должен выразить.

Деревом называется сводный ориентированный граф, не содержащий петель. Каждая пара его вершин соединяется ребром.

Деревом целей называется граф-дерево, выражающее отношения ме­жду вершинами, являющимися этапами или проблемами, подлежащими решению при достижении некоторой цели (рис. 2.3).

Дерево целей, вершины которого ранжированы, т.е. выражены количественными оценками их важности, может быть использовано для количественной оценки приоритета различных направлений развития.

Построение дерева целей требует решения многих прогнозных задач, таких, как:

• прогноз развития объекта в целом;

• формулировка сценария достижения прогнозируемой цели;

• формулировка уровня цели;

• формулировка критерия и весов, ранжирование вершин. Дерево целей обычно строится на нескольких уровнях:

1. Понятийном (аспектом, параметрическом), где основная цель имеет скорее качественное, чем количественное выражение.

2. Продуктовом (предметном), где процесс достижения цели разби­вается на решение задач по отдельным видам продукции.

3. Технологическом - процесс достижения цели разбивается по от­дельным стадиям производственного процесса и стадиям жизненного цик­ла товара (товаром при этом может считаться как сама добываемая нефть, так и нефтяное месторождение).

4. Ресурсном ~ цели делятся по видам ресурсов, необходимых для производства.

Иерархическое дерево целей строится на логической основе сверху вниз, исходя из сценария, поэтапно, уровень за уровнем, так, чтобы меро­приятия предыдущего уровня обеспечивали задачи последующего.

Для каждого уровня дерева целей эксперты должны устанавливать коэффициенты относительной важности всех его этапов. Расчет коэффи­циента относительной важности вдоль ветви дерева цели учитывает связи элемента данного уровня с одним или несколькими элементами выше­стоящего уровня и определяется как сумма произведений соответствую­щих коэффициентов относительной важности.

При разработке подсистем (задач), входящих в данное дерево целей, принимаются во внимание возможности частичного использования результатов одних подсистем для других, характеризуемые коэффициентами взаимной полезности. Эти коэффициенты экспортно оцениваются специалистами и выражают относительное снижение затрат времени и других ре­сурсов.

Прогнозирование по аналогии

Прогнозирование по аналогии - это достаточно часто применяемый тип прогнозирования. Следует иметь в виду, что прогнозирование по ана­логии корректно только тогда, когда установлена, доказана аналогия меж­ду: объектами управления, типами менеджмента, реакциями внешней и внутренней среды в случае, имеющем место ранее на практике, в конкрет­ном случае прогнозирования.

Понятие аналогии связано с понятием адекватности, при этом объект прогнозирования может рассматриваться как модель другого объекта -аналога, а цели и задачи его прогнозирования должны соответствовать та­ким же целям и задачам объекта аналога. Таким образом, понятие аналога включает схожесть объектов прогнозирования, а также целей и последст­вий прогнозирования.

В процессе прогнозирования по аналогии должны рассматриваться следующие направления аналогии:

• объекта протезирования и объекта, выбранного в качестве аналога;

• типов и целей менеджмента;

• реакции внутренней среды на управляющие воздействия;

• реакции внешней среды на изменении состояния объекта прогнози­рования.

В процессе предпрогнозного анализа возможно установление коли­чественной и (или) качественной аналогии.

Одним из методов качественного доказательства аналогии является логика предположений [7]. Формальная логика устанавливает общие мето­ды и схемы правильных умозаключений.

Для установления аналогии могут быть также использованы методы распознавания образов [26]. Процедура прогнозирования состоит в том, что выбираются классы состояний исследуемых объектов, заданные как диапазоном изменения некоторых параметров, так и определенными каче­ственными характеристиками. По совокупности признаков, определяющих состояние объектов, находится соответствие принадлежности каждого но­вого объекта или объекта в будущем времени к определенному классу. Это позволяет дать прогноз состояния объекта или указать диапазон изменения параметров, характеризующих его на прогнозируемый период [9].

2.3. Экспертные методы прогнозирования

В случае чрезвычайной сложности системы (объекта прогнозирова­ния), его новизны, неопределенности формирования некоторых существенных признаков, недостаточной полноты информации и невозможности полной математической формализации процесса решения поставленной задачи приходится обращаться к рекомендациям компетентных специали­стов, прекрасно знающим проблему экспертам.

Их решение задачи, аргументация, подход, формирование количест­венных оценок результатов, обработка последних формальными методами получили название метода экспертных оценок.

Этот метод включает три составляющие:

• интуитивно-логический анализ задачи или ее фрагмента;

• решение и выдачу количественной или качественной характери­ стики (оценка, результат решения);

• обработку результатов решения - полученных от экспертов оце­нок.

Интуитивно-логический анализ строится на логическом мышлении и интуиции экспертов и базируется на их знаниях и опыте. Это индивиду­альный процесс. Каждый из экспертов не только моделирует, но и произ­водит сравнительный анализ альтернатив решения, их количественные из­мерения. Часто этот процесс осуществляется в условиях недостаточности и недостоверности данных об исследуемом объекте, условиях, в которых он функционирует и будет развиваться. Это обусловливает уровень требова­ний, предъявляемых к экспертам.

Принятие экспертом решения по рассматриваемой проблеме и оцен­ ка ожидаемого результата - завершающая часть индивидуальной работы эксперта.

Полученные от эксперта решения используются для обобщения и формирования результирующего показателя - итоговой оценки явления, проблемы. Это очень трудоемкий процесс, поскольку в зависимости от по­ставленной цели (определение согласованности мнений экспертов, по­строение обобщенной оценки объекта, явления, процесса на основе инди­видуальных оценок экспертов и др.) изменяется количество выполненных расчетных и логических процедур, набор учитываемых показателей. По­этому для оперативности получения результата и минимизации ошибок целесообразно использовать ЭВМ. Несмотря на то, что это требует форма­лизации процессов обработки экспертной информации (для алгоритмиза­ции и программирования), выигрыш столь существенен, что данный путь вполне оправдан.

Методами экспертных оценок решается целый ряд задач планирова­ния и прогнозирования. Основными являются: распределение различных видов ресурсов с установлением приоритетности; формирование целей и задач планирования по уровням управления и их ранжирование по важно­сти; определение возможных вариантов решения задач с оценкой предпочтительности каждого из вариантов; оценка степени влияния на объект раз­личных факторов; определение перспективных направлений развития производственной системы, организационно-функциональной структуры; оценка деятельности предприятий или подразделений (когда оценка производится по множеству показателей, большинство из которых - качественные); определение очередности выполнения работ; оценка качества вы­пускаемой продукции; научно-техническое и экономическое прогнозиро­вание; формирование тематики НИОКР; выбор вариантов технического и социально-экономического развития предприятия; определение перспективных направлений развития производственных систем, организационно-функциональных структур; прочие задачи.

Экспертные оценки делятся на индивидуальные и коллективные. К индивидуальным относят сценарии, метод «интервью», аналитические докладные записки.

«Интервью» предполагает беседу организатора прогнозной деятель­ности с прогнозистом - экспертом, которая включает вопросы о будущем состоянии системы и ее среды.

Метод аналитических докладных записок означает самостоятельную работу эксперта над анализом деловой ситуации и возможных путей ее развития.

Коллективные экспертные оценки (метод «комиссий», метод «моз­гового штурма», метод Дельфи и др.) включают:

• подготовку и сбор индивидуальных экспертных оценок;

• статистические методы обработки полученных материалов.

Метод «комиссий» может означать организацию «круглого стола» и других подобных мероприятий, где происходит согласование мнений экс­пертов.

Для метода «мозгового штурма (атаки)» характерна коллективная генерация идей и творческое решение проблем. Мозговая атака представ­ляет собой свободный, неструктурированный процесс генерирования лю­бых идей (включая самые невероятные) по избранной теме, которые спон­танно высказываются участниками встречи [5, 12].

Сущность метода состоит в разделении решения двух задач:

• генерирование новых идей;

• анализ и оценка предложенных идей.

Соответственно образуются две группы: группа генераторов идей и группа аналитиков. Группа генераторов идей состоит из 4-15 человек, но может быть и больше.

При проведении экспертизы должны соблюдаться следующие пра­вила:

• любые критические высказывания или оценки ценности предло­женной мысли, идеи недопустимы;

• должно быть достаточное количество и многообразие высказанных идей;

• необходимо «свободное парение» мысли: чем необычнее идея, тем лучше;

• мысли, идеи должны подхватываться, развиваться, комбинировать­ся, результатом должна быть лавина идей.

В завершении «мозгового штурма» производится тщательный ана­лиз, критика высказанных точек зрения и отбор наиболее ценных из них. Первоначально отбрасываются предположения, явно не представляющие ценности, оставшиеся классифицируют на группы по категориям, завися­щим от сущности проблемы, а затем производят оценку как внутри груп­пы, так и межгрупповую.

Отделение этапа анализа от этапа генерирования идей лишь способ­ствует углубленно анализа, усилению критики и делает ее более объектив­ной и разносторонней.

Метод «мозгового штурма (атаки)» целесообразно использовать в критических ситуациях дефицита творческих решений, новых идей, све­жих концепций в качестве одного из этапов системы поиска путей реше­ния поставленной проблемы [12].

Метод Дельфи был разработан известным экспертом из исследова­тельской корпорации «РЭНД» Олафом Хельмером.

Суть метода - проведение анкетных опросов специалистов в выбран­ной области знаний. Основными особенностями этого метода являются:

• полный отказ от личных контактов экспертов и коллективных об­суждений;

• многоуровневая процедура опроса экспертов;

• обеспечение экспертов информацией, включая и обмен информаци­ей между ними после каждого тура опроса, при сохранении анонимности оценок, аргументации и критики;

• обоснование ответов экспертов по запросу организаторов.

Обычно после первого тура опроса наблюдается значительный раз­брос мнений. Поэтому процедура осуществления метода Дельфи предпо­лагает проведение 3-4 опросов, в преддверии которых каждого из экспер­тов знакомят с итогами предыдущих туров для того, чтобы эксперт мог получить предварительную информацию о предмете опроса.

Чаще всего после третьего или четвертого тура опроса ответы экс­пертов перестают изменяться; что и является сигналом к прекращению оп­росов.

Организация экспертизы по методу Дельфи включает следующие этапы [12]:

• предварительную ориентировку экспертов, включающую формули­рование проблемы и инструктаж экспертов;

• формулирование вопросов экспертам в виде, требующем четких ко­личественных и качественных оценок;

• разработку способов и порядка информационного обеспечения экс­пертов, включая обмен аргументаций;

• разработку алгоритмов и порядка промежуточной и окончательной обработки результатов.

Метод Дельфи обладает определенными недостатками: большими затратами времени на многотуровую экспертизу, полным исключением прямого столкновения мнений экспертов, необходимостью неоднократно­го пересмотра оценок.

Отмеченные недостатки могут быть устранены путем создания автоматизированной системы сбора и обработки мнений экспертов и их ин­формационного обеспечения на основе ЭВМ, а также использованием раз­личных модификаций метода Дельфи.

Метод построения сценариев

Особое место среди экспертных оценок занимает построение сцена­риев, так как помимо традиционной экспертизы этот метод включает це­лый ряд параметрических подходов и тяготеет к комбинированным мето­дам.

Впервые термин «сценарий» был употреблен футурологом Х.Каном в 1960 г. при разработке картин будущего, необходимых для решения во­енных стратегических вопросов.

Сценарий — это описание (гипотетическая картина) будущего, со­ставленное с учетом наиболее правдоподобных предположений.

Сценарии разрабатываются для определения рамок будущего разви­тия технологии, рыночных сегментов, стран, регионов, отдельных фирм и т.д. Экономические организации со сложной структурой и разноплановой деятельностью в меньшей степени поддаются прогнозированию в рамках сценария.

Для прогнозируемой ситуации характерно существование опреде­ленного количества вероятных вариантов развития системы (рис. 2.4). По­этому прогноз включает в себя несколько сценариев («трубку сценариев»). В большинстве случаев это три сценария: оптимистический, пессимисти­ческий и средний - реалистичный (наиболее вероятный).

При построении сценариев принято отвечать на три основных во­проса [37]:

• каковы тенденции развития системы в различных условиях и каки­ми факторами они определяются?

• с какими проблемными ситуациями и «узкими» местами может встретиться развитие системы в будущем и как это повлияет на прогнози­рование состояния системы?

• какие управленческие решения и в какой степени влияют на траек­торию будущего развития прогнозируемой системы, каковы последствия различных альтернатив рассматриваемого решения?

Конкретная формулировка поставленных вопросов определяет целе­вую установку исследования.

Диапазон изменений

Пространство будущих возможностей

Разрушительные события

Сценарии

Прогнозируемый период

Рис. 2.4. Модель сценариев

Вся совокупность причин, определяющих функционирование и раз­витие исследуемого объекта, называется факторами:

• внутренние (эндогенные) факторы обусловлены закономерностями развития отдельных элементов и системы как целого, возникают в резуль­тате саморазвития системы;

• внешние (экзогенные) факторы определяются взаимодействием сис­темы между собой и внешней средой, то есть с более широкой системой, в которую прогнозируемая система входит как один из элементов.

Влияние внешней среды называют прогнозным фоном, а параметры, описывающие влияние фоновых факторов, - фоновыми переменными.

Факторы, с помощью которых осуществляется целенаправленное воздействие на систему в целом и ее элементы, называются управляющими параметрами.

Факторы, значение которых объективно непредсказуемо и составля­ет систему предположений об условиях будущего развития хозяйственной системы, называются сценарными параметрами.

При построении сценариев следует учитывать воздействие двух ос­новных групп ограничений:

1 группа - это ограничения, накладываемые законами природы (на­пример, по ресурсам). Такие ограничения являются естественными, и но­сят постоянный характер;

2 группа связана с процессами жизнедеятельности систем (особенно социальных). Их называют ограничениями по состоянию системы, в ре­альных системах такие ограничения принимают форму нормативных огра­ничений. Они закрепляются в законодательном порядке, то есть носят праковой характер и с помощью нормативных ограничений обеспечивается динамическое равновесие системы.

Эти ограничения меняются с развитием системы, и одной из наибо­лее сложных задач прогнозирования является предсказание этих измене­ний.

Одним из приемов разрешения неопределенности, связанной с не­точным знанием границ состояния прогнозируемой системы, является вве­дение индикаторов состояния.

Индикатор - это критический к предельным состояниям системы параметр, который должен измеряться количественно. В качестве индика­торов обычно выбираются объективно измеряемые параметры системы с известными предельными значениями, выход за пределы которых вызыва­ет неустойчивость системы и возможность ее перехода в другое качест­венное состояние или ведет к гибели. Например, цена на товар - индикатор состояния рынка; темпы инвестиций - показатель экономической активно­сти.

Важной и сложной проблемой является выбор методов варьирования значений сценарных параметров. Одним из таких методов является гаран­ тированный прогноз. Процедура гарантируемого прогноза включает сле­дующие шаги:

1) задаются максимально возможные значения параметров, характе­ризующих факторы, положительно влияющие на развитие исследуемой системы, и минимальные значения тех факторов, которые препятствуют ее развитию. Таким образом, выбирается «идеальное», то есть наилучшее со­стояние системы;

2) для определения нижнего предела поступают наоборот;

3) получают «трубку сценариев» развития системы, которая подвер­гается дальнейшему анализу.

Процесс построения сценариев можно разбить на два больших этапа:

• предсценарный предназначен для содержательного и формального исследования и описания прогнозируемых процессов, построения моделей системы и подготовки всей необходимой информации для синтеза сцена­риев;

• сценарный этап как конечный результат прогнозирования, когда проводятся расчеты по всем базовым сценариям и даются рекомендации по результатам прогнозирования с подробным описанием последствий реализаций каждой из предложенных альтернатив.

На предсценарном этапе формулируется исходная гипотеза о целе­направленном развитии рассматриваемой системы, которая оформляется в виде рабочего документа, содержание которого максимально структуриро­вано и отвечает принципам системного описания объекта прогнозирова­ния. На данном этапе определяется объект и предмет прогнозирования.

Системное описание объекта начинается с его декомпозиции на эле­менты, и строится первая матричная схема целостной системы. Далее от­бираются и фиксируются факторы, определяющие эволюцию системы, т.е. возможности перехода из одного состояния в другие. По результатам этой работы строится матрица «Состояния-факторы» (рис. 2.5). За каждым фак­тором или группой факторов стоит конкретный объект или явление, кото­рые являются или элементами рассматриваемой системы, или элементами более высокого порядка (внешней среды). Это означает, что каждому со­держанию матрицы «Состояния-факторы» соответствует определенная де­композиция прогнозируемой системы.

После формирования матрицы выбирается минимальное число па­раметров, характеризующих состояние системы относительно целей про­гнозирования. Параметры могут быть как количественными, так и качест­венными. Качественные параметры можно представить шкалой качествен­ных значений (баллов). Если число параметров велико, то из них выбирают индикаторы, доминирующие показатели, по которым судят о состоянии системы.

Рис. 2.5. Матрица «Состояния-факторы»

После построения матрицы «Состояния-факторы» переходят к этапу ее анализа и уточнения. Все факторы ранжируются по степени влияния на состояние прогнозируемого объекта, для чего может быть использована шкала оценок от 0 до 5 (0 - отсутствие влияния, 5 - наибольшее влияние).

В матрице оставляют только «главные факторы» (не менее 3 по принятой шкале), а остальные переносятся на другие уровни представления системы.

Классификация состояний системы и факторов сужает первоначаль­ную неопределенность и позволяет построить «трубку» возможных траек­торий развития объекта.

Затем ищется «идеальное» управление, ведущее к достижению целей исследуемой системы. Данная процедура позволяет получить базовый сце­нарий {а в ряде случаев - несколько базовых сценариев), что завершает предсценарный этап.

Построение сценариев развития системы как конечного результата прогнозирования (рис. 2.6) предполагает проведение расчетов по всем ба­зовым сценариям на системе математических моделей. Цель расчетов - проверка содержательных базовых сценариев на допустимость и реализуе­мость, уточнение исходных фоновых переменных и суммарных парамет­ров, а также количественно-качественный анализ сценариев.

Расчеты удобно начинать снизу, т.е. на моделях нижнего уровня, а по мере отработки базовых сценариев двигаться вверх по иерархии систе­мы моделей. На этом этапе прогнозирования возможно сочетание различ­ных математических методов параметрического прогнозирования и моде­лирования, методов оптимизации, экстраполяции и т.п. и эвристических методов {экспертных оценок), что позволяет получить относительно точ­ный и надежный прогноз.

Анализ схемы показывает, что построение сценариев представляет собой многошаговый процесс. Особый интерес представляют третий и четвертый шаги. Если на третьем шаге фирма определяет будущее состоя­ние среды и ее влияния, исходя из собственных целей, то на четвертом этапе возможное развитие сфер влияния определяется исходя из их совре­менного состояния и возможных изменений. На пятом этапе сопоставля­ются результаты третьего и четвертого шагов, повышенные или занижен­ные показатели состояния среды корректируются при помощи данных, по­лученных на четвертом шаге.

Введение на шестом шаге разрушительных событий объясняется тем, что в реальной ситуации могут иметь место инциденты, которые не были спрогнозированы, но при этом могли изменить направление тенден­ции. Разрушительные события могут иметь как определенный результат (катастрофы, аварии и т.п.), так и положительный (политические примире­ния, технологические прорывы, открытие месторождений и т.п.). Из воз­можных разрушительных событий выделяются те, которые оказывают наибольшее влияние и учитывают их при составлении сценариев.

На заключительных шагах сопоставляются стратегические проблемы фирмы и выбранные варианты развития среды, определяется характер и степень воздействия тех или иных вариантов развития на стратегические области действий фирмы и рекомендуются конкретные меры по преодолению возможных проблем..

Рис. 2.6. Логическая схема построения сценариев развития объекта прогнозирования

Построение прогнозных сценариев используется в практике прогнозирования, как самостоятельный метод, так и как элемент прогнозирования с использованием других методов (т.е. может выступать элементом ком­плексной системы прогнозирования) [1].

При прогнозировании для минимизации расходов на прогноз необ­ходимо привлекать минимальное число экспертов при условии обеспече­ния ошибки прогнозирования не более Ь, где 0<Ь<1. Минимальное число экспертов определяют по формуле

(2.21)

При этом должна наблюдаться стабилизация средней оценки прогно­зируемой характеристики. При подборе экспертов, входящих в состав экс­пертной группы, должны быть учтены следующие их характеристики: компетентность, креативность (способность к творчеству), отношение к экспертизе, конформизм (неустойчивость мнения), аналитичность и широ­та мышления, конструктивность мышления (прагматизм), коллективизм и самокритичность.

Для оценки согласованности мнений экспертов можно использовать дисперсионный коэффициент конкордации:

(2-22)

где

(2-23)

В формулах (2.22) и (2.23) Т j — показатель связанных (одинаковых) рангов в j - ou ран жировке, Н j - число групп равных рангов в j - ou ранжировке; h_k - число равных рангов в k -ой группе связанных рангов при ран­жировке j -ым экспертом, п - число объектов, от - число экспертов (./ = 1,...,1я; / = !,..., и).

(2.24)

где r_tj - ранг, присваиваемый j -ым экспертом i -ому объекту; г - средний ранг, равный:

(2.25)

Если коэффициент конкордации равен 1, то все ранжировки экспер­тов одинаковы, W = 0, если все ранжировки различны, то есть совершенно нет совпадений. Мнения экспертов согласованы, если W > 0,6.

Применение экспертных оценок позволяет решать сложные нефор­мализуемые проблемы. Знание научно обоснованного подхода к примене­нию этого метода в технологии функционального управления является не­обходимым условием эффективной работы руководителей разного уровня.

2.4. Комплексные системы прогнозирования

Практическое использование такие системы находят на высших уровнях управления крупных экономических систем: страны, отрасли, ре­гиона, холдинга, транснациональной компании и т.п.

Необходимость в создании комплексных систем возникает в связи со сложностью современных организационно-производственных систем и не­возможностью их единообразного описания и прогнозирования С исполь­зованием только одного метода.

Разработку комплексных систем прогнозирования ведут исходя из структуры прогнозируемого объекта или процесса.

При разработке и анализе комплексных систем прогнозирования к основным операциям относят определение состава и процедур сингуляр­ных (простых) методов прогнозирования, входящих в систему, а также ло­гические правила их объединения в систему. Простые процедуры исполь­зуют для прогнозирования подсистем и блоков, входящих в структуру про­гнозируемого процесса или объекта.

Примерами использования комплексных систем прогнозирования являются: метод прогнозного графа, система ПАТТЕРН и др.

Метод прогнозного графа

Разработан группой киевских специалистов института кибернетики под руководством академика В.М.Глушкова [12]. Основой метода являют­ся экспертные и формально-математические процедуры построения и ана­лиза опорного графа, отражающего обобщенное суждение широкого круга специалистов о потребностях, возможных путях и ресурсах, необходимых для достижения поставленной цели.

Комплексная система, построенная в соответствии с этим методом, реализует следующие процедуры: выбор объектов прогноза; исследование фона (среды); классификация событий; формирование задач и генеральной цели прогноза; анализ иерархии; формирование событий; принятие внут­ренней и внешней структуры объекта прогноза; анкетирование экспертов, математическая обработка данных анкетного опроса; количественная оценка структуры; верификация полученных результатов.

Опорный граф строится сверху от события, являющегося конечной целью, до самого нижнего уровня, содержащего события, свершение кото­рых обеспечивают уже имеющиеся научно-технические достижения. Такие события можно считать реализованными («заземленными»).

На каждом уровне группа экспертов формулирует события-цели и условия их достижения. Обработка информации на ЭВМ позволяет опре­делить важность различных событий для свершения конечной цели, найти оптимальные пути и оценить по разным критериям варианты решений.

Программа работы ЭВМ обеспечивает также перестройку графа, его упорядочение, в том числе и ликвидацию тупиков и петель, то есть возвра­та к уже совершенным событиям, а также перераспределение и обновление информации.

Достоинством метода является возможность работы с графом в ре­жиме диалога «человек - информационная система» для проверки некото­рых ситуаций, то есть возможность проигрывать разные ситуации.

Граф является динамической системой, и при поступлении от экс­пертов новой информации производится пере смотр-ревизия оценок, вари­антов прогноза и принятых решений.

В результате этой ревизии ЭВМ может сформулировать запросы к принимающим решение о целесообразности пересмотра тех или иных дей­ствий или обсуждения экспертами и принимающими решение вновь сло­жившейся ситуации. Такие способности прогнозного графа к совершенст­вованию и «самоанализу» открывают возможности новой методологии планирования и управления.

На рисунке 2.7. представлена структурная схема прогнозирующей подсистемы. Ее функционирование происходит следующим образом. Группа синтеза и интерпретации данных (СИД) формирует поток данных, содержащих результаты анализа и прогнозирования развития интересую­щей области.

Математическое обеспечение системы (МО) является набором стан­дартных и специальных программ, которые обеспечивают построение и перестройку прогнозного графа.

Группа задач и методов решения (ЗМР) обеспечивает прием потока задач и запросов. Эта группа тесно связана с деятельностью группы систе­матизации и координирования данных (СКД), формирующей банк данных (БД) системы и обеспечивающей его рациональное использование.

Поток новой информации в систему происходит по трем каналам. Центральное место занимают идеи и оценки коллектива экспертов (КЭ), с которым в режиме диалога работает группа экспертных оценок (ЭО). При этом КЭ анализирует компетентность и отношение каждого эксперта к ра­боте.

Второй канал потока информации реализуется группой патентного анализа (ПА), которая анализирует материалы патентного фонда (ПФ), от­носящиеся к объекту прогнозирования.

			Группа ПА

Рис. 2.7. Структурная схема прогнозируемой подсистемы

Третий канал - научно-техническая информация (НТИ). Группа ана­лиза научно-технической информации (АНТИ) собирает и анализирует об­зоры, прогнозы, выдвинутые в литературе или поступившие непосредственно от специалистов принципы и идеи. При помощи группы ЭО резуль­таты этого анализа используются так же, как и результаты деятельности группы ПА.

Круг организаций, использующих систему, построенную по типу прогнозного графа, достаточно широк и включает официальные инстанции и органы управления, а также генеральных и главных инструкторов и дру­гих специалистов, ответственных за НИОКР и их разделов.

Система ПАТТЕРН

Разработана в США в 1964 г. для обоснования планирования и управления научными исследованиями и опытно-конструкторскими разра­ботками. Используется для обоснования прогнозов и планов посредством научно-технической оценки количественных данных.

Рис. 2.8. Структура представления метода ПАТТЕРН

Метод как элемент включает построение сценария (динамической картины будущего). Выявленная в сценарии главная цель детализируется на отдельные подцели, каждая из которых разделяется на более частные задачи (производится декомпозиция цели) и т.д.

«Дерево целей» содержит только те проблемы, которые требуют на­учно-технической разработки, остальные исключаются из рассмотрения.

Для каждого уровня дерева целей устанавливаются коэффициенты относительной важности всех его элементов, выраженные в долях едини­цы.

Важное значение имеет определение состояния и возможных сроков завершения работ, характеризуемых коэффициентами состояния разработ­ки и сроков. В основу их расчета положена следующая классификация эта­пов разработки:

• производственная готовность - это этап разработки, когда требо­вания, предъявляемые к изделию, могут быть удовлетворены имеющимися техническими возможностями промышленности;

• техническое проектирование соответствует случаю, когда проблема технически решена, доказана возможность изготовления изделия на имеющемся оборудовании;

• перспективная разработка отражает этап, когда доказана принци­пиальная возможность создания изделия и изготавливается опытный обра­зец;

• поисковая разработка - соответствует этапу, когда проводятся работы для доказательства возможности технического решения проблемы и удовлетворения условиям эксплуатации, проверяются в лабораторных ус­ловиях возможные конструктивные решения;

• теоретические исследования являются начальным этапом разра­ботки.

Рис. 2.9. Этапы разработки

Условные обозначения:

3-1 - производственная готовность; 1-2 - техническое проектирование; 2-3 -перспективная разработка; 3-4 - поисковая разработка; 4-5 - теоретические исследования.

Определение состояния, возможных сроков реализации разработок, а также необходимых затрат производится экспертами. Эти данные используются, прежде всего, для исключения из рассмотрения тех задач, которые близки к завершению, т.е. находящихся на стадии технического проекти­рования или производственной готовности.

Материалы экспертных оценок служат для построения характери­стики изменения денежных затрат по этапам цикла разработки (рис. 2.9.).

Общая площадь под рассматриваемой кривой соответствует суммар­ным расходам и может быть разделена на две части: завершенную часть (без штриховки) и часть, подлежащую разработке (заштрихованная пло­щадка). Отношение предстоящих затрат к суммарным расходам представ­ляет собой коэффициент состояния разработки.

При разработке подсистем (задач), входящих в «дерево целей», при­нимаются во внимание возможности частичного использования результа­тов разработок одних подсистем для других, характеризуемые коэффици­ентами взаимной полезности. Эти коэффициенты экспертно оцениваются специалистами и выражают относительное снижение затрат времени и других ресурсов.

Принципы, заложенные в систему ПАТТЕРН, позволяют осущест­вить прогноз и провести анализ в любой области деятельности. Рассматри­ваемая система позволяет: выбрать объект прогноза; выявить внутренние закономерности его развития; написать сценарий; сформулировать задачи и главную цель прогноза; провести анализ иерархии и декомпозицию це­лей; понять внутреннюю и внешнюю структуры объекта прогнозирования; провести анкетирование экспертов; выполнить математическую обработку данных анкетирования; количественно оценить структуры; верифициро­вать результаты; разработать алгоритм распределения ресурсов; провести распределение ресурсов; оценить распределение ресурсов.

Сравнение методов прогнозного графа и метода ПАТТЕРН показы­вает, что основное преимущество последнего состоит в наличии механизма реализации прогноза.

Метод ПАТТЕРН можно назвать комбинацией методов прогнозиро­вания и стратегического планирования.

3. ПРОВЕРКА АДЕКВАТНОСТИ И СРЕДСТВА ВЕРИФИКАЦИИ ПРОГНОЗНЫХ МОДЕЛЕЙ

Для обеспечения точности и достоверности результатов прогнозиро­вания необходима проверка адекватности или верификация прогнозной модели.

Проверка адекватности модели выполняется с использованием формальных статистических критериев. Однако такая проверка возможна при наличии надежных статистических параметров как оригинала (объекта прогнозирования), так и модели. Если по каким-то причинам такие оценки отсутствуют, то осуществляют сравнение отдельных свойств оригинала и модели. При этом первоначально должна проверяться истинность реали­зуемых функций, затем истинность структуры и, наконец, истинность дос­тигаемых при этом значений параметров. Для этого помимо модели необ­ходимо иметь функционирующий оригинал, то есть проводить сопровож­дающее моделирование.

Таблица 3.1. Методы верификации прогнозных моделей

Верификация модели - оценка ее функциональной полноты, точно­сти и достоверности с использованием всей доступной информации в тех случаях, когда проверка адекватности по тем или иным причинам невоз­можна.

В прогнозировании чаще используют верификацию, так как в боль­шинстве случаев реальный объект отсутствует или разрабатываются новые (еще не существующие) функции объекта прогнозирования. В таблице 3.1 представлены наиболее часто используемые методы верификации.

В прогнозировании случай совершенного прогноза достигается крайне редко, поэтому проблема верификации прогнозной модели является одной из важнейших в прогностике. Степень совершенства прогнозов вы­ражают через различные измерители точности прогнозирования. Точность точечного прогноза в момент f, определяется разностью между прогнозом Р, и фактическим значением F_h прогнозируемого показателя в этот момент времени. Отдельный точечный прогноз не определяет точность конкрет­ной процедуры прогнозирования в целом, то есть потребуется некоторая выборка {( Pj , fj )}, на основе которой рассчитывается значение некоторого измерителя точности прогнозирования.

Важность проблемы точности прогнозирования определяет важность анализа различных ее измерителей. В настоящее время нет достаточно полного исследования всевозможных критериев точности, что затрудняет оценивание возможностей различных моделей и опыта их применения в прикладных работах по прогнозированию конкретных процессов [10].

Для измерения точности прогнозирования можно использовать лю­бой коэффициент парной корреляции между последовательностями про­гнозных и фактических значений. Классический критерий точности про­гнозирования - коэффициент корреляции Пирсона.

Максимальное значение r = 1 достигается при наличии линейной связи

(3.1)

между Р и F , т.е. когда существуют такие а₀ и а/>0, что Р = oq + a_t F .

Однако при а₀ £ 0 и а, = 1 прогноз не будет совершенным, хотя кор­реляция полная и положительная; только при Р = F коэффициент корреля­ции может характеризовать совершенный прогноз.

Коэффициент ранговой корреляции Спирмэна также может быть ис­пользован в качестве измерителя точности прогнозирования. Для этого вычисляются ранги { x } и {у} элементов соответствующих последователь­ностей { PJ и { F_t }. Очевидно, что

(3.2)

Если несколько элементов из Pi или Ft имеют одинаковые ранги, то им определяется ранг, равный среднему арифметическому значений мест элементов в данной ранжировке. В этом случае последнее соотношение останется верным. Вычисляются корректирующие множители для связей соответственно для последовательностей x_i и у _i :

(3.3)

где г,- и /, равно числу повторений i-го ранга в соответствующих по­следовательностях. Вычисляют сумму квадратов разностей рангов

(3.4)

Если T_f или Т_у равно нулю, то коэффициент ранговой корреляции Спирмэна равен:

(3.5)

Коэффициент ранговой корреляции р позволяет характеризовать ка­чественную сторону последовательности прогнозов {Р/ j, а именно способ­ность предсказывать точки поворота. Коэффициент ранговой корреляции можно рассматривать как дополнительный измеритель точности прогнози­рования при Pi= Fi и г, близким к 1, так как критерий р инвариантен отно­сительно линейной вариации, причем р= 1 прогноз может быть далеко не совершенным, так как для этого достаточно лишь совпадения рангов.

В качестве измерителей точности прогнозирования могут быть ис­пользованы и другие коэффициенты парной корреляции, например коэф­фициент ранговой корреляции Кендэлла. Однако для характеристики ко­эффициентов парной корреляции как некоторого класса измерителей точ­ности прогнозирования достаточно провести анализ этих двух наиболее часто используемых коэффициентов, чтобы выделить общие для этого класса свойства. Во-первых, инвариантность относительно линейной ва­риации, а во-вторых, полная корреляция еще fie определяют совершенный прогноз. Еще одним важным свойством коэффициентов парной корреля­ции является возможность проверки их на значимость, так как определены соответствующие законы распределения этих статистик. Например, для коэффициента ранговой корреляции Спирмэна значимость проверяется с п-2 степенями свободы по следующей t-статистике:

(3.6)

Наиболее распространенными оценками точности прогнозирования также являются средняя ошибка аппроксимации

(3.7)

и средняя квадратическая ошибка прогнозов

(3.8)

Точность прогнозирования тем выше, чем меньше значения е или S соответственно. Совершенный прогноз достигается при e= S=0.

Одним из исследователей проблем экономического прогнозирова­ния, Г. Тейлом [10], предложен в качестве меры качества прогнозов коэф­фициент расхождения V (или коэффициент несоответствия), числителем которого является среднеквадратическая ошибка прогноза, а знаменатель равен квадратному корню из среднего квадрата реализации:

(3.9)

Если У=0, то прогноз абсолютно точен (случай «идеального» прогнозирования). Если F=l, то это означает, что прогноз близок к простой (и наивной) экстраполяции. Если У>1, то прогноз дает худший результат, чем предположение о неизменности тенденций исследуемого явления.

Коэффициент расхождения может быть использован при сопостав­лении качества прогнозов, получаемых на основе различных методов и моделей. В этом его несомненное достоинство. Величина V поддается разложению на составляющие (частные коэффициенты расхождения), харак­теризующие влияние ряда факторов (это достигается разложением числи­теля, представляющего собой средний квадрат ошибки прогноза).

В некоторых случаях более важное значение имеют распознающие способности моделей прогнозирования, особенно при краткосрочном про­гнозировании. Например, при прогнозировании выполнения месячных планов предприятий отрасли по особо учитываемой номенклатуре в начале месяца в первую очередь интерес представляет более точная оценка воз­можности выполнения плана, чем прогнозная информация о величине от­клонения от плана. В данном случае целесообразно использовать следую­щую меру точности прогнозирования:

(3.10)

где q - число подтвержденных прогнозов; р - число неподтвержденных прогнозов.

Если £~\, то имеет место случай «идеального» прогнозирования.

Таким образом, измерители точности прогнозирования по отноше­нию к инвариантности относительно линейной вариации делятся на инва­риантные и не инвариантные. Инвариантные измерители (S и коэффициен­ты парной корреляции), хотя и не позволяют сравнивать точность прогно­зирования различных процессов, могут использоваться для определения точности прогнозирования различных последовательностей прогнозных значений { Pi } при фиксированной последовательности { Ft }. Например, по­добная ситуация возникает при моделировании, когда необходимо выби­рать между несколькими моделями прогнозирования, генерирующими со­ответствующие последовательности { Ft }. Инвариантные измерители могут быть проверены на статистическую значимость, то есть с определенной доверительной вероятностью конкретное значение измерителя является обоснованным. Однако особый интерес при построении моделей прогно­зирования имеет критерий Г. Тейла, так как позволяет определить, в чем состоит расхождение: имеет место дрейф среднего или дрейф дисперсии. С другой стороны, критерий У не является инвариантным, и есть возмож­ность оценивать применимость модели для совокупности различных про­гнозируемых процессов в целом. Например, для прогнозирования по одной модели поведения отдельных предприятий или отрасли в целом.

Средняя ошибка аппроксимации е является наиболее наглядным из­мерителем точности прогнозирования, что вместе с неинвариантностью приводит к тому, что требование к точности задач прогнозирования фор­мулируется по этому критерию.

Определить точность точечного прогноза по данным формулам можно при ретроспективности прогнозирования, когда апробируется мо­дель, а также для прогнозов с малым периодом упреждения {краткосроч­ные прогнозы).

Точность и надежность прогнозов - широко распространенные в прогностической литературе термины, смысл которых, как это представля­ется на первый взгляд, вполне очевиден. Однако содержание этих терми­нов часто толкуется достаточно субъективно. Нередки случаи, когда одно понятие подменяется другим ввиду отсутствия строгого определения дан­ных категорий [39].

О точности прогноза принято судить по величине погрешности (ошибки) прогноза - разности между прогнозируемым и фактическим зна­чением (реализацией) исследуемой переменной. Однако такой подход к оценке точности возможен только в двух случаях. Во-первых, когда пери­од упреждения уже окончился и исследователь имеет фактические значе­ния переменной. При краткосрочном прогнозировании это вполне реально. Во-вторых, когда прогноз разрабатывается ретроспективно, то есть про­гнозирование осуществляется для некоторого момента времени в про­шлом, для которого уже имеются фактические данные. Так поступают в тех случаях, когда проверяется разработанная методика прогноза.

При этом имеющаяся информация делится на две части. Одна из них, охватывающая более ранние данные, служит для оценивания пара­метров прогностической модели, а более поздние данные рассматриваются как реализации соответствующих прогностических оценок. Полученные ретроспективно ошибки прогноза в какой-то мере характеризуют точность примененной методики прогнозирования и могут оказаться полезными при сопоставлении нескольких методов. В то же время величину ошибки рет­роспективного прогноза нельзя рассматривать как окончательное доказа­тельство пригодности или, наоборот, непригодности применяемого метода прогнозирования. К ней следует относиться с известной осторожностью и при ее применении в качестве меры точности необходимо учитывать, что она получена при использовании лишь части имеющихся данных. Однако эта мера точности обладает большей наглядностью и уж во всяком случае, более надежна, чем погрешность прогноза, исчисленная для периода, ха­рактеристики которого уже были использованы при оценивании парамет­ров модели. В последнем случае погрешности, как правило, будут незна­чительны и мало зависимы от теоретической обоснованности примененной для прогнозирования модели. Точность же прогнозов будет преувеличен­ной и в известном смысле иллюзорной.

Если для ретроспективного прогнозирования применяется модель, содержащая одну или несколько экзогенных переменных, то точность про­гноза будет в значительной мере зависеть от того, насколько точно опреде­лены значения этих переменных на период упреждения. При этом возможны два пути: воспользоваться фактическими значениями экзогенных пере­менных (так называемый прогноз ex post) и ожидаемыми их значениями (так называемый прогноз ex ante). Естественно, что точность прогноза ех post будет выше, чем прогноза ex ante, так как в первом случае будет ис­ключено искажающее влияние погрешности в значении экзогенных пере­менных. О степени погрешности прогноза можно судить по относительной ошибке - отношению абсолютной погрешности прогноза к ожидаемому (или фактическому) значению признака. Проверка точности единичного прогноза, как правило, мало, что может сказать исследователю. В самом деле, на формирование исследуемого явления влияет множество разнооб­разных факторов, поэтому полное совпадение или значительное расхожде­ние прогноза и его реализации может быть следствием просто особо благо­приятных (или неблагоприятных) стечении обстоятельств. Хороший единичный прогноз может быть получен и по плохой модели, и наоборот. От­сюда следует, что о качестве прогнозов применяемых методик и моделей можно судить лишь по совокупности сопоставлений прогнозов и их реали­зации.

Измерители качества прогнозов (их точности) рассматривались вы­ше при условии, что исследователь располагает информацией об истинных значениях величин, которые он оценивал в ходе разработки прогнозов. Та­кие меры качества, несомненно, представляют ценность при изучении раз­личных методик прогнозирования. Однако в практической работе пробле­му точности прогноза надо решать тогда, когда период упреждения еще не прошел и истинное значение прогнозируемой переменной неизвестно. В этом случае проблема точности может рассматриваться в плане сопостав­ления априорных качеств, свойств, присущих альтернативным прогности­ческим моделям. Так, если прогнозирование осуществляется статистиче­скими методами, то, вероятно, понятие точности прогноза можно сделать более узким, а именно связав априорную точность прогноза с размером доверительного интервала. Модель, дающая более узкий доверительный интервал при одной и той же доверительной вероятности, и является более точной (при этом теоретическая обоснованность сравниваемых моделей является примерно равной).

Очевидно, что надежность прогноза определяется вероятностью на­ступления прогнозируемого события, - т. е. реализации соответствующей прогностической оценки. Чем она выше, тем выше надежность. Вероят­ность реализации может быть оценена субъективно (экспертное прогнози­рование) или может быть связана с доверительными интервалами прогно­за, если последний основывается на статистической модели.

Рассмотренные понятия априорной точности и надежности прогно­зов, связанные с доверительными интервалами, являются в значительной мере условными показателями. Они могут использоваться в практической работе лишь при условии, что принятая для получения прогнозов модель имеет серьезное теоретическое обоснование и спецификация модели кор­ректна. В противном случае полученные доверительные интервалы лишь создают иллюзию точности. Практика разработки экономических прогно­зов опирается на целую систему методов, среди которых статистические методы прогнозирования занимают важное место. Решающую роль при статистическом подходе к прогнозированию играет выбор соответствую­щей модели, которая, будучи наполненной числовыми параметрами, ста­новится непосредственным инструментом прогнозирования - так называе­мым предиктором. Располагая предиктором, можно получить варианты прогноза, отвечающие определенным условиям и гипотезам, учтенным при его построении. Вместе с тем необходимо помнить, что механическое ис­пользование предиктора может стать причиной серьезных погрешностей.

Экономическое прогнозирование слишком ответственное дело, для того чтобы можно было ограничиться одними формальными построениями и расчетами. Цель модели - не заменить суждения и опыт специалиста, а дать ему в руки инструмент, позволяющий более глубоко проникнуть в существо исследуемых явлений, инструмент, в котором специфическим образом обобщена и приведена в систему разнообразная статистическая информация. Получаемые на основе предикторов прогнозы имеют смысл только в рамках тех условий, гипотез и предположений, которые были уч­тены при разработке соответствующих статистических моделей и при их применении для прогнозирования. Таким образом, разработка и примене­ние моделей в прогностических целях предполагают углубленный эконо­мический и экономико-статистический анализ.

4. ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ПРОЦЕССА ПРОГНОЗИРОВАНИЯ

Для реализации прогнозных моделей необходимо не только распола­гать своевременной и точной информацией, но и уметь осмысливать ее, делать выводы и результативно воплощать в принимаемых управленче­ских решениях. Необходимость присутствия информационной составляю­щей в процессе прогнозирования очевидна, поскольку она является осно­вой всего управленческого процесса. Реализация любой цели в процессе деятельности всегда связана с проблемой выбора из имеющихся прогноз­ных альтернатив наиболее оптимальных и рациональных, что вносит эле­мент неопределенности в прогнозную модель. Снижение неопределенно­сти возможно на базе использования информации, обеспечивающей менеджеров определенными сведениями.

Информация - это совокупность сведений, сообщений, данных, ма­териалов, определяющих меру потенциальных знаний менеджера об опре­деленных процессах, происходящих на предприятии в их взаимосвязи. Суть информации составляют только те сведения, которые уменьшают не­определенность интересующих менеджера событий.

Информация в менеджменте и, следовательно, в процессе разработки и реализации прогнозов - сумма нужных, воспринятых и осознанных све­дений, необходимых для анализа конкретной ситуации, дающая возмож­ность комплексной оценки причин ее возникновения и развития, позво­ляющая определить ряд альтернативных прогнозных решений, из которых реально (исходя из конкретной ситуации) найти оптимальное управленче­ское решение, осуществить контроль за его исполнением.

На характеристики информации влияет целый ряд факторов: объем, способы приема и методы обработки информации, скорость обработки первичных данных и их предоставления менеджеру, степень устаревания данных, актуальность информации в определенный момент времени, дос­товерность состояния отражаемого объекта, полнота данных, комплект­ность информации. Особую роль играют используемые средства обработки информации и информационные технологии, применяемые в работе ме­неджера.

Характер информации для осуществления процесса прогнозирования зависит от условий, в которых осуществляется прогноз. Эти условия мож­но разделить на детерминированные {определенные}, случайные и неопре­деленные [34].

• Детерминированные, или определенные, имеют место тогда, когда известен результат каждого из альтернативных вариантов прогноза и вы­бора на его основе варианта решения. Такая ситуация в реальных эконо­мических процессах достаточно редка. По результатам анализа факторов, влияющих на параметры объекта прогнозирования лишь часть параметров

можно считать жестко детерминированными. При этом считается, что су­ществует лишь один вариант значения или изменения параметров.

• Случайные условия имеют место тогда, когда представляется воз­можность определить вероятность появления каждого результата.

• Вероятность определяют как степень возможности совершения данного события,
и она изменяется от 0 до 1. Сумма вероятностей всех альтернатив должна
быть равна единице (так как они образуют полную группу событий). Вероятность появления событий можно оценить как частоту его появления на
практике или при фиктивном разыгрывании, моделировании ситуации. Вероятности могут быть оценены с помощью экспертных оценок или на основе статистических наблюдений в ретроспективе.

• Неопределенные условия имеют место тогда, когда невозможно
оценить вероятность потенциальных результатов прогноза. Такая ситуация
возникает при противодействии разумного противника (конкурента), из­
пользовании им тайны или конфиденциальности, а также в силу новизны и
сложности требующихся для разработки прогнозной модели факторов, по
которым практически невозможно получить исходную информацию.

По характеру отражения свойств располагаемая об объекте про­гнозирования информация может быть отнесена к трем видам.

• Подсознательная или интуитивная, источниками которой может
быть опыт предыдущих лет, знания менеджера, его квалификация, интуиция и т.п.

• Предметная информация - описание процесса или состояния объ­екта прогнозирования естественным языком с использованием приемов
формальной логики. Результат прогнозирования при этом имеет только качественный характер.

• Количественная, в том числе статистическая информация. Такая
информация получается на этапе ретроспекции при анализе объекта прогнозирования. Результаты прогноза при этом имеют количественные оценки.

По степени достоверности информацию можно разделить на досто­ верную (полученную из официальных источников), относительно досто­ верную (из случайных источников) и информацию с возможным умышлен­ ным искажением данных.

По отношению объекта управления к субъекту информацию можно классифицировать на обмен между хозяйственной структурой и внешней средой, между подразделениями фирмы, между руководителем и исполни­телем и т.п.

Существуют также многообразные классификации информации по следующим признакам:

• по способу передачи (электронная, телефонная, спутниковая, письменная и др.);

• по изменчивости во времени (условно-постоянная и условно-переменная (недолговечная);

• по режиму передачи (в не регламентируемые сроки, по запросу и принудительно в определенные сроки);

• по назначению (экономическая, техническая, организационная, со­циальная и др.);

• по форме передачи (вербальная (словесная) и невербальная).
Практически все перечисленные виды информации могут быть в той или иной степени задействованы как в процессе разработки прогнозной модели, так и при ее реализации.

Возможности покрытия информационных потребностей при разра­ботке прогнозов зависят от имеющейся на предприятии информационной базы, накопленной за предыдущие периоды деятельности.

Для большинства хозяйствующих субъектов информационные по­требности приблизительно одинаковы и их можно сгруппировать следую­щим образом (рис. 4.1) [17].

Экономическая информация последовательно и полно отражает про­изводственно-хозяйственную деятельность предприятия.

Плановая информация служит для выбора действий, которые могут быть приняты в будущем. Сюда можно отнести информацию, содержа­щуюся в сметах, бюджетах, показатели производственной программы, экономические нормативы для контроля плановых цифр и т.п.

Рис. 4.1. Классификация информационных потребностей

Нормативно-справочная информация - связующее звено между ос­тальными видами экономической информации. Ее состав определяется ти­пом производства, номенклатурой продукции, сложностью технологиче­ского процесса, уровнем развития хозяйственных внутренних связей.

Учетная информация имеет общие черты, принципы и объекты с нормативно-справочной и плановой информацией. Именно эта информация используется как для оперативного управления, так и для разработки долгосрочных и краткосрочных прогнозов.

Первичная информация обеспечивает данными финансовый и управ­ленческий учет. Это текущая оперативная информация о результатах дея­тельности всех производственных подразделений (цехов, участков, бригад) и даже отдельных работников.

Финансовый учет готовит информацию для внутренних и внешних пользователей, используя при этом для всех предприятий общие правила ведения.

Управленческая учетная информация - это информация, специально подготовленная для руководителей разных уровней и помогающая реали­зовывать им свои функции. Именно этот вид учета позволяет создать ин­формационную базу, специально подготовленную для прогнозных расче­тов.

Как ранее отмечалось (см. п.1.1.), прогнозирование может быть опе­ративным (ежедневное, недельное, месячное, квартальное), годовым и долгосрочным (свыше одного года). Наиболее часто реализуемое - это ежедневное прогнозирование, выполняемое руководителями низшего уровня управления скорее подсознательно (интуитивно). Оно касается со­поставления возможностей, основанных на результатах прошедших дней, с суточными данными. Так, например, прогнозируют суточный объем про­изводства продукции, принимают решения о незапланированных меро­приятиях. Такой прогноз, чаще всего, осуществляется с помощью метода индивидуальных экспертных оценок, базирующегося на опыте и интуиции руководителя. Однако эти прогнозы часто лишены экономической оценки последствий, их влияния на результаты деятельности предприятия и на­правлены на выполнение плана только по объемным натуральным показа­телям (носят разовый характер).

В рыночной среде основополагающими становятся прогнозы сбыта и производства, а также прогноз предприятия в капитале (прогноз инвести­ций). При этом этапы процесса прогнозирования (рис. 4.2) базируются на определенной, только им присущей информации, разделяющей всю необ­ходимую информационную базу на три составляющие: информацию о внешней среде, информацию о хозяйственной деятельности предприятия и информацию о финансовой деятельности.

Большинство показателей при прогнозе объемов производства опре­деляются путем экстраполяции тенденций развития процессов и явлений из прошлого в будущее. Глубина используемой информации при построе­нии тренда зависит, во-первых, от начала развития тенденций (роста или снижения) и, во-вторых, от переломного периода в общей тенденции (на­пример, начала экономических преобразований в стране). Кроме экстрапо­лируемых данных, в прогнозе используются удельные показатели и норма­тивы.

Потребности в информации на каждом этапе прогнозирования пред­ставлены в таблице 4.1. Разработка прогноза начинается с изучения рынка, определения прогнозных цен на продукцию и установления возможностей предприятия по сбыту.

Рис. 4.2. Стадии реализации процесса прогнозирования

Следует учитывать, что прогноз есть вероятность наступления тех или иных событий и практически всегда в нем присутствует ошибка неоп­ределенности и случайного влияния на показатель неучтенных и редко происходящих фактов. Это означает, что «идеальный прогноз» часто не­возможен. Прогнозировать можно только область возможных состояний, дополняя экстраполируемое значение доверительным интервалом прогно­за. При прогнозировании деятельности предприятия наименее детермини­рованным событием является тенденция развития внешней среды, особен­но цен, так как они зачастую не зависят от деятельности самой хозяйст­венной структуры. Поэтому именно для прогноза ценовых индексов-дефляторов определяется область возможных значений, границы которой представляют собой пессимистический и оптимистический варианты раз­вития. Таким образом, дальнейшие расчеты ведутся по трем вариантам, добавляя к уже названным двум наиболее вероятный, соответствующий значениям линии тренда (т.е. средний вариант прогноза).

На динамику некоторых стоимостных показателей (затрат по стать­ям, капитальных вложений, отвлечений из прибыли) большое влияние ока­зывает инфляция. В результате того, что в последние годы уровень инфля­ции изменяется в больших пределах, ее влияние часто скрывало тенденции происходящих на предприятиях процессов.

Поэтому для учета инфляции всю, накопленную за предыдущие периоды стоимостную информацию приводят сначала в сопоставимый вид, освобождая ее от влияния инфляционных процессов (то есть к единым це­нам). Сопоставимыми ценами при этом выбирают цены, действующие в период разработки прогноза, связывая прошлые и будущие значения в те­кущем периоде, что позволяет предварительно оценить текущее состояние предприятия. Затем сопоставимые показатели экстраполируются, и полу­ченные прогнозные значения приводят к действующим в прогнозном пе­риоде ценам.

Анализ состава данных, применяемых для разработки прогнозной модели, позволяет сделать вывод о детерминированности (причинно-следственной обусловленности) между объемом производства и практиче­ски всеми показателями, отражающими деятельность хозяйственной структуры. Экономические результаты в большей степени зависят от влияния внешних факторов, часто носящих случайный характер (цены, темпы инфляции и т.п.).

Таблица 4.1 Характер информации для разработки прогнозной модели

При разработке долгосрочных прогнозов объем информации может быть несколько сокращен в силу большой степени инерционности показа­телей и эволюторного характера их развития. Внимание при прогнозиро­вании при этом должно уделяться количественной оценке влияния «фоно­вых» параметров, формирующих внешнюю среду. В краткосрочном пе­риоде все больше возрастает зависимость результатов прогноза от объема информации.

С информационным обеспечением прогнозного моделирования свя­зан ряд проблем, которые во многом объясняются Действующей в настоя­щее время практикой учета и отчетности.

Во-первых, действующая государственная отчетность, ориентиро­ванная в основном на внешних пользователей, имеет периодический ха­рактер, где отсутствует информация по более мелким интервалам времени. Для получения более точных и надежных прогнозов необходимым являет­ся отслеживание устойчивой сопоставимой динамики, охватывающей как минимум 7-8 интервалов. Эта проблема особенно актуальна для информа­ции о стоимостных показателях, которая наиболее подвержена влиянию факторов неопределенности и зачастую трудно сопоставима.

Во-вторых, использование данных первичного учета для разработки прогнозов и принятия на их основе управленческих решений осложняется из-за отсутствия единообразия форм первичного учета, большого объема оперативной информации, которая зачастую носит разрозненный характер и не всегда систематизирована.

В-третьих, на предприятиях часто слабо организован сам процесс сбора и подготовки информации для последующих управленческих реше­ний, носящих перспективный характер, практически отсутствует ответст­венность за подачу несвоевременной и неточной информации со стороны лиц, исполняющих учетные функции.

Для сведения к минимуму отмеченных недостатков в информацион­ном обеспечении системы управления деятельностью предприятий и, осо­бенно сложных интегрированных структур, можно предложить использо­вание элементов управленческого (производственного) учета, широко ис­пользуемого в зарубежной практике [17].

Управленческий учет в отличие от финансового, имеющего ориента­цию на внешних пользователей, обеспечивает информацией лиц, ответст­венных за принятие перспективных решений.

При разработке экономических прогнозов на уровне хозяйственных структур информация может быть запрошена администрацией (дирекцией) немедленно, по мере необходимости. Учитывая, что принимаемые реше­ния носят прогностический характер, менеджеры нуждаются в детальной информации о предполагаемых объемных показателях, затратах и доходах.

Если в настоящее время данные об объемах производимой и реали­зуемой продукции подаются менеджерам достаточно оперативно, то про производственные затраты этого сказать нельзя, хотя эффективное управ­ление производством на предприятиях невозможно без развитой, хорошо отлаженной системы учета производственных затрат.

Отмеченные ранее недостатки в системе учета приводят к тому, что прогноз затрат становится очень приближенным и не учитывает реальную экономическую ситуацию на местах возникновения затрат. Отсутствие персональной заинтересованности менеджеров центров ответственности за понесенные затраты приводит к частым сбоям в подаче информации, к ис­кажению подлинного уровня затрат {преуменьшению или, наоборот, «раз­дуванию» расходов структурных подразделений). Особенно сложным ста­новится формирование репрезентативной выборки по затратам и их эле­ментам в краткосрочные периоды времени (недели, месяцы), что затрудня­ет вычисление сметных уравнений, широко применяемых в западной прак­тике учета для прогнозирования характера поведения затрат (особенно при оптимизационном прогнозировании). Расчет сметных уравнений для каж­дого элемента затрат необходим в силу того, что затраты по отдельным элементам и статьям изменяются неравномерно в зависимости от объемов производства: одни носят ярко выраженный переменный характер (мате­риалы, топливо, энергия); другие - постоянный (общецеховые и общепро­изводственные расходы, амортизация); третьи являются смешанными, по­лупеременными (расходы на содержание и эксплуатацию оборудования). С помощью сметных уравнений определяют вид, тесноту связи между затра­тами, долю постоянных затрат в их общей сумме и прогнозируют поведе­ние себестоимости и отдельных элементов на определенный период с дос­таточной степенью точностью. Имея сметные уравнения, легко можно при прогнозировании вносить поправки на инфляцию (так как разные состав­ляющие затрат инфлируют неравномерно), что также повышает качество прогнозов.

В нашу задачу не входит описание всех методов деления затрат на постоянные и переменные. Они хорошо изучены, им посвящено множест­во книг и монографий [3, 17, 18], Из числа наиболее часто используемых можно назвать метод высшей и низшей точки, метод наименьших квадра­тов, метод корреляции и т.п. Надежность использования этих методов

можно повысить, проводя тщательный качественный предварительный анализ данных. Исследовать поведение различных видов затрат в зависи­мости от объемов производства можно при помощи вычислительной тех­ники и стандартных статистических программ. Вводя дополнительную информацию о меняющихся затратах, можно с помощью таких программ легко корректировать параметры прогнозных уравнений и подсчитывать ожидаемые расходы. Применение средств вычислительной техники при решении прогностических задач обеспечивает, с одной стороны, оператив­ное, нетрудоемкое их решение, а с другой - хорошее качество информации, получаемой для перспективного анализа и проведение на его основе прогноза.

Кроме внедрения в производственную и учетную практику хозяйст­вующих субъектов элементов управленческого учета, необходимым явля­ется создание системы раннего предупреждения, то есть особой информа­ционной системы, благодаря которой руководство предприятия должно получать сведения о потенциальных опасностях, грозящих от внешней среды и (или) внутренней среды самого предприятия, с тем, чтобы свое­временно и целенаправленно реагировать на «угрозы» соответствующими мероприятиями.

Данные раннего предупреждения выступают в роли своеобразных индикаторов и показывают их влияние на динамику оборота и прибыли в случае, когда менеджерами не принимаются никакие меры. По сути, речь идет о комбинированной прогнозно-аналитической информации, которая исходит из, во многом, скрытых явлений и позволяет спрогнозировать их воздействие с высокой заданной вероятностью.

Процесс создания системы раннего предупреждения должен вклю­чать следующие этапы [36]:

1. Определение области наблюдения. При этом в соответствии с целями предприятия определяются потенциальные источники опасности, ко­торые могут служить причиной кризисного развития предприятия. Внеш­ними областями наблюдения могут быть специфические рынки (местный, региональный, внешний), технологические сферы; внутренними - продук­товые программы. Схематично внешние и внутренние области наблюдения
показаны на рис. 4.3.

2. Определение индикаторов раннего предупреждения (об объемах заказа, ценах на рынках снабжения и сбыта, об инвестициях и т.п.).

3. Определение целевых показателей и интервалов их изменения по каждому индикатору.

Определение задач для центров обработки информации. При этом периферийными элементами (датчиками), которые улавливают изменение индикаторов, могут быть менеджеры всех подразделений хозяйственной структуры. В ряде случаев возможна децентрализованная оценка сигналов раннего предупреждения, а централизованная обработка может быть возложена на службы маркетинга и планово-экономический отдел, группу прогнозирования.

Рис. 43. Области наблюдения в системе раннего предупреждения

5. Формирование информационных каналов. Речь идет о структури­ровании информационных связей между внешней средой, структурными подразделениями и системой раннего предупреждения, а также между этой системой и ее пользователями - руководителями всех уровней.

Сбор, документирование и обработку информации раннего преду­преждения следует осуществлять при помощи компьютерной техники и современных информационных технологий. Новые информационные технологии включают: •

• новые технологии коммуникаций на основе локальных и распределительных сетей ЭВМ;

• новые технологии обработки информации на основе персональных компьютеров (ПЭВМ) и специализированных рабочих мест;

• технологии, исключающие бумагу как основной носитель инфор­мации; ,

• новые технологии принятия решений на основе средств искусст­венного интеллекта - баз знаний, экспертных систем, систем моделирова­ния с различными формами представления моделируемых ситуаций и т.п.

Внедрение новых информационных технологий в управленческую и прогностическую деятельность преследует не только автоматизацию ру­тинных методов обработки информации, но и организацию информацион­но-коммуникационного процесса прогнозирования на качественно новом уровне.

Создание ориентированной на результат системы раннего предупре­ждения требует полной автоматизации обработки информации, что обу­словлено большим объемом данных, которые должны быть обработаны и сохранены, необходимостью обращения к различным целям и исходным данным, большим количеством расчетных операций, которые необходимо выполнить в короткое время, чтобы своевременно подготовить текущую проблемно структурированную управленческую информацию.

В сложной хозяйственной структуре такая автоматизация возможна на основе создания интегрированной информационно-управленческой сис­темы (УИС), которая позволит:

• получать машинное представление широкого спектра управленческой информации (плановой, оперативной, контрольной, прогнозной) в до­кументированной форме:

• обсчитывать на ЭВМ и представлять программируемые виды (про­цессы) управленческой деятельности.

Достоинство такой системы - ее ориентация не только на прошлые периоды, но и на будущее. В отличие от автоматизированных систем пла­новых расчетов (которые в настоящее время используются на большинстве предприятий) в системе УИС должна учитываться прогнозная информа­ция, подготовленная на базе расчетных моделей, в соответствии с принци­пом замкнутого контура управления, а на базе прогнозных, контрольных показателей и Данных раннего предупреждения формироваться информа­ция для регулирующих воздействий.

Во многих хозяйственных структурах, учитывая их системную сложность, создать всеобъемлющую информационно-коммуникационную сеть предприятия практически невозможно. Однако, если первоначально нельзя достичь полной интеграции, то возможно создать локальные субсистемы (например, по центрам ответственности), которые формируются в отдельности, а в дальнейшем могут быть объединены в замкнутую информационную сеть, где получают большое количество информации и прово­дят машинную подготовку принимаемых прогнозных решений. В связи с этим функциональные связи между субсистемами должны быть учтены уже на первой фазе реализации, и должна существовать единая концепция создания глобальной системы. Внедрение такой системы позволит упоря­дочить документооборот, исключить несогласованность документов, уско­рить процесс их формирования, улучшить качество принимаемых реше­ний.

Работоспособность информационной системы во многом будет зави­сеть от характера данных, поступающих из различных подразделений предприятия. Новый подход к прогнозированию (прежде всего кратко­срочному) приведет к увеличению информационных потребностей и рас­ширению перечня исходных данных, необходимых для осуществления прогноза.

В результате формируется новая информация о доходности и рента­бельности подразделений предприятий и видов продукции, составляются модели трендов объемных показателей, сметные уравнения ожидаемых за­трат по центрам ответственности, информация о минимально необходи­мых выплатах из прибыли, о портфеле заказов по поставщикам, подрядчи­кам, покупателям и заказчикам и т.д.

Вся перечисленная информация, включая традиционные учетные данные, содержащиеся в официальной статистической и финансовой от­четности, составляют банк базовых данных, являющихся входной инфор­мацией для банка моделей. Для получения на основе этих данных управ­ленческой информации их следует подвергнуть обработке специальными программами обобщения данных, и тогда они уже в обобщенном виде по­служат материалом для управления на различных ступенях иерархии.

При создании интегрированной УИС устраняется негативное воз­действие искусственных границ между подразделениями. Информацион­ные потоки в интегрированной системе становятся естественным отраже­нием действительных взаимосвязей всех процессов в рамках предприятия и позволяют создать имитационную модель сложной хозяйственной струк­туры.

Используя имитационные и оптимизационные модели из банка управленческих моделей (например, балансовые модели, экстраполяционные модели, сметные уравнения), можно определить воздействие измене­ний в производственной программе и потенциале предприятия или влия­ние изменения стоимостных параметров на высшие конкретные (стоимо­стные) цели предприятия, что может служить основой для принятия необ­ходимых решений руководством предприятия.

4. ОРГАНИЗАЦИЯ И ЭТАПЫ РАЗРАБОТКИ ЭКОНОМИЧЕСКИХ ПРОГНОЗОВ

Организация работ по прогнозированию представляет собой ком­плекс взаимосвязанных мероприятий, направленных на создание условий для прогнозирования полезного эффекта и элементов совокупных затрат по продукции с целью подготовки информации для принятия оперативных и стратегических решений. Задачами организации работ по прогнозирова­нию являются:

• сбор и систематизация необходимой для прогнозирования информации;

• подготовка специалистов, владеющих основными приемами и методами прогнозирования;

• формирование и организация функционирования рабочих органов
программирования, интегрированных с существующими службами управ­ления.

Рациональная организация работ по прогнозированию должна обес­печивать оперативное получение вариантов качественных характеристик изучаемого объекта, тенденций его изменения, также сокращение средств и трудозатрат на проведение прогнозирования. Выполнение этих требова­ний возможно при соблюдении определенных принципов организации ра­бот по прогнозированию, представленных в табл. 5.1.

Для реализации всех перечисленных принципов в хозяйственной структуре должно существовать специализированное подразделение, рабо­ту в котором должен координировать и возглавлять один из высших руко­водителей, так как в противном случае эта работа «затухает» и оказывается недостаточно эффективной.

При решении организационных вопросов необходимо установить, будет ли весь прогнозный расчет выполняться штатными сотрудниками или будет принято решение по привлечению специализированной консал­тинговой организации.

При разработке долгосрочных и среднесрочных стратегических про­гнозов в ряде случаев целесообразно привлекать внешних консультантов. Для такого привлечения существует ряд аргументов:

1. Прогнозирование требует профессионализма: специалист лучше
владеет сложной методологией исследования, включающей разнообразные
методы.

2. Выполняя прогнозные работы в различных областях деятельности,
консультант лучше ощущает связи между элементами целого, поэтому он
может лучше реализовать системный подход как основу прогнозирования.

Не являясь штатным сотрудником, внешний консультант больше
заинтересован в объективности и эффективности прогноза и более объективен, так как не зависит от мнений других членов и руководителей хозяй­ственной структуры (с чем вынужден считаться штатный сотрудник).

Таблица 5.1.

Принципы организации работ по прогнозированию

Привлечение консультантов-экспертов при разработке прогнозов обосновано на стадии сценарного прогнозирования, где требуется большое число экспертных оценок, аналитических расчетов.

Если же принято решение о прогнозировании силами штатных со­трудников, то руководитель должен определить:

- перечень и характер участия подразделений в этой работе;

- методику, формы, сроки выполнения работы;

- ответственных за выполнение различных операций;

- порядок принятия и реализации прогноза.

Прогнозные разработки являются неотъемлемой составной частью комплексных целевых программ. При разработке прогнозов можно выде­лить следующие этапы (см. п.п. 1.1, 1.3): сбор, анализ и корректировка материалов по прогнозированию; анализ сложившихся тенденций и про­блем повышения качества продукции; разработку прогнозов в составе предполагаемой комплексной программы.

Структура прогноза обусловлена сроками, на которые он разрабаты­вается, а также основными направлениями научно-технического прогресса, которые зависят от «срока жизни» тенденций, сложившихся в период, предшествующий их разработке. Чем более устойчивый характер имеют тенденции, тем шире может быть горизонт прогнозирования.

Рис. 5.1. Вариант структурной схемы цикла прогнозировании

Прогноз является предплановым документом и поэтому его внедре­ние на практике означает разработку научно обоснованного, оптимального плана повышения эффективности производства на основе использования вариантов прогноза показателей качества и затрат на его достижение.

Таким образом, на практике имеет место прогнозный цикл (рис. 5.1) [8], включающий осознание проблемы, определение цели прогнозирова­ния, критериев оценки прогноза, прогнозирование и принятие решений на

основе прогноза, распределение ресурсов, мотивацию участников процес­са, практическую реализацию прогноза, контроль и оценку результатов.

Общая логическая последовательность важнейших операций разра­ботки прогноза сводится к следующим основным этапам:

• предпрогнозная ориентация (программа исследования). Уточнение
задания на прогноз: характер, масштабы, объект, периоды обоснования и
упреждения и т.д. Формулирование общей цели, декомпозиция целей;

• анализ объекта прогнозирования и среды, динамических рядов по­казателей;

• разработка сценария развития среды и определение прогнозного го­ризонта;

• разработка типового представления объекта прогнозирования;

• построение серии гипотетических (предварительных) поисковых
или нормативных моделей прогнозируемого объекта;

• проведение прогнозного моделирования;

• оценка достоверности и точности, а также обоснованности (верификации) прогноза;

• анализ результатов прогнозирования;

• выработка по результатам анализа рекомендаций для принятия решений в сфере управления;

• экспертное обсуждение прогноза (экспертиза) и рекомендаций, их
доработка с учетом замечаний экспертов.

Структура прогноза обусловлена сроками, на которые он разрабаты­вается, а также основными направлениями научно-технического прогресса, которые зависят от «срока жизни» тенденций, сложившихся в период, предшествующий их разработке. Чем более устойчивый характер имеют тенденции, тем шире может быть горизонт прогнозирования.

Прогноз является предплановым документом и поэтому его внедре­ние на практике означает разработку научно обоснованного оптимального плана повышения эффективности производства на основе использования вариантов прогноза показателей качества и затрат на его достижение.

6. КРАТКИЙ СЛОВАРЬ ТЕРМИНОВ

Анализ ретроспективный — метод изучения сложившихся в прошлом тенденций технического, социального, экономическо­го развития объекта для формирования стратегии
его развития.

Верификация - проверка истинности (адекватности) прогнозной модели.

Вероятность - степень возможности свершения данного собы­тия (изменяется от 0 до 1).

‘’Дерево целей’’ - структурированная, построенная по иерархиче­скому принципу (ранжированная по уровням) совокупность целей системы, программы, плана.

Динамический ряд - временная последовательность ретроспективных значений переменной объекта прогнозирования.

Задание на прогноз - документ, определяющий цели и задачи прогно­за и регламентирующий порядок его разработки.

Значащая переменная объекта прогнозирования - переменная объекта прогнозирования, прини­маемая для описания объекта в соответствии с за­дачей прогноза.

Корреляционное поле - графическое изображение зависимости функции от фактора с целью предварительного определе­ния тесноты и формы связи между функцией и
каждым фактором.

Критерий Стьюдента — математический критерий, характеризующий существенность факторов, входящих в модель.

Метод прогнозирования — способ исследования объекта прогнозирования, направленный на разработку прогнозов.

Методика прогнозирования - совокупность оригинальных правил использова­ния приемов прогнозирования при разработке конкретного прогноза.

Методы параметрические - методы прогнозирования элементов полезного эффекта, затрат и других, основанные на установ­лении зависимости между параметрами объекта и
организационно- технического уровня производ­ства, с одной стороны, и полезным эффектом или элементами затрат - с другой.

Методы экономико-математические — методы анализа и оптимизации, которые применяются для выбора наилучших, оптимальных ва­риантов, определяющих хозяйственные решения в сложившихся или планируемых экономических условиях.

Методы экспертные - методы прогнозирования, заключающиеся в выработке коллективного мнения группы специалистов в данной области.

Методы экстраполяции -1) методы, основанные на прогнозировании, из­делия, необходимого для реализации того или иного аспекта программы.

-2) методы, основанные на прогнозировании по­ведения или развития объекта в будущем по тенденциям (трендам) его поведения в прошлом.

Модуль - упрощенное представление объекта, используемая для прогнозирования возможных состояний объекта в будущем.

Неопределённые условия - возникают тогда, тогда невозможно оценить вероятность потенциальных результатов.

Нормативный прогноз — прогноз, устанавливающий пути и сроки дости­жения определенных состояний объекта прогно­зирования.

Период упреждения - это период, на который разрабатывается прогноз.

План -это решение, директивное определение перечня и сроков действий, исходя из определенных целей и ресурсов.

Поисковый прогноз - это прогноз, устанавливающий возможные со­ стояния объекта прогнозирования.

Показатель - величина, измеритель, позволяющий судить о состоянии объекта.

Предвидение - опережающее отображение действительности, основанное на познании законов развития объекта или процесса (включает прогноз и предсказание).

Предсказание - достоверное, основанное на логической последовательности суждений заключение о состояниях какого-либо объекта или процесса в будущем.

Приём прогнозирования - одна или несколько логических или математических операций, направленных на получение конкретного объекта в определенные сроки.

Прогноз - вероятностное суждение о состояниях объекта в будущем или об альтернативных путях достижения этого состояния.

Прогнозная ретроспекция - этап прогнозирования, на котором исследуется история объекта прогнозирования и прогнозного фона с целью получения их систематизированного описания.

Прогнозный горизонт - это максимальный период упреждения, при котором обеспечивается заданная точность и надеж­ность прогноза.

Прогнозный диагноз - этап прогнозирования, на котором исследуется
история объекта, прогнозного фона с целью выявления проблем, тенденций их развития и выбора метода прогнозирования.

Прогностика (футурология ) - научная дисциплина о закономерностях разра­ботки прогнозов.

Проект - решение относительно конкретного мероприятия, сооружения.

Проспекция - этап прогнозирования, на котором с использованием выбранных методов разрабатываются прогнозы объекта прогнозирования, прогнозного фона, производится их верификация.

Системный подход к менеджменту - подход, при котором любая система (объект)
рассматривается как совокупность взаимосвязанных элементов.

Структура - способ сочетания составных частей (компонентов) системы для наилучшего выполнения главной ее цели.

Тренд - аналитическое или графическое представление изменений переменной во времени, полученное в результате выделения регулярной составляющей динамического ряда.

Управленческое решение - результат анализа, прогнозирования, оптимизации, экономического обоснования и выбора альтернативы из множества вариантов достижения конкретной цели системы менеджмента.

Фактор - частный показатель объекта или процессов, про­текающих в системе, оказывающих влияние на функцию.

Формальные статистические данные - получают на этапе ретроспекции при анализе
объекта прогнозирования или используя данные официальной статистики.

Функция - результативный признак, прогнозная величина, рассчитанная по уравнению регрессии.

Характеристика объекта прогнозирования - качественное или количественное отражение какого-либо свойства объекта прогнозирования.

Целевой прогноз - гипотетическая картина последовательного раз­вития во времени и пространстве событий, составляющих в совокупности эволюцию системы.

Экзогенная переменная объекта прогнозирования - значащая переменная объекта прогнозирования, отражающая свойства прогнозного фона (внешней среды).

Эндогенная переменная объекта прогнозирования - значащая переменная объекта прогнозирования, отражающая его собственные свойства.

Энтропия - величина, характеризующая степень неопределенности объекта.

Этап прогнозирования - часть процесса разработки прогноза, характеризующаяся своими задачами, методами и результа­тами.

ЛИТЕРАТУРА

1. Алексеева М.М. Планирование деятельности фирмы: Учебно-методическое пособие. - М.: Финансы и статистика, 1997. - 248 с.

2. Анташов В.А., Уварова Г.В. Экономический советник менеджера: Учебно-практическое пособие. - М.: Финансы, учет, аудит, 1996. – 318 с.

3. Баканов М.И., Шеремет А.Д. Теория экономического анализа: Учебник. — 3-е изд., перераб. — М.: Финансы и статистика, 1995. — 288 с.

4. Балабанов И.Т. Риск-менеджмент. - М.: Финансы и статистика, 1996. - 192 с.

5. Бешелев С.Д., Гурвич Ф.Г. Экспертные оценки в принятии плановых решений. - М.: Экономика, 1976.

6. Виханский О.С. Стратегическое управление: Учебник. - 2-е изд., пере­раб. и доп. - М.: Гардарика, 1998. - 296 с.

7. Гжегорчик Е.Д. Популярная логика (Краткий очерк логики предполо­жений). - М.: Наука, 1980. - 179 с.

8. Глущенко В.В. Менеджмент: системные основы: 2-е изд., доп. и испр. - Железнодорожный, Моск.обл.: ТОО НПЦ «Крылья», 1998. - 224 с.

9. Глущенко В.В., Глущенко И.И. Разработка управленческого решения. Прогнозирование-планирование. Теория проектирования эксперимен­тов. - Железнодорожный, Моск.обл.: ТОО НПЦ «Крылья», 1997. – 400 с.

10. Тейл Г. Экономические прогнозы и принятие решений. - М.: Статисти­ка, 1977.-282 с.

11.Джонстон Дж. Экономические методы: Пер. с англ, и пред. А.А.Рывкина. - М.: Статистика, 1990. - 444 с.

12.Евланов Л.Г., Кутузов В.А. Экспертные оценки в управлении. - М.: Экономика, 1978. - 136 с.

13.Информатика в статистике: Словарь-справочник. — М.: Финансы и ста­тистика, 1994.-208с.

14.Карасев А.И., Крамер Н.Ш., Савельева Т.Н. Математические методы и модели в планировании. - М.: Экономика, 1987. - 239 с.

15.Карданская Н.Л. Основы принятия решений: Учебное пособие. - М.: Русская Деловая Литература, 1998. - 288 с.

16.Карлоф Б. Деловая стратегия: Пер. с англ. / Науч. ред. и авт. послесл. В.А.Приписнов. - М.: Экономика, 1991. - 239 с.

17.Карпова Т.П. Основы управленческого учета: Учебное пособие. - М.: ИНФРА-М, 1997. - 392 с.

18.Ковалев В.В. Финансовый анализ: Управление капиталом. Выбор инве­стиций. Анализ отчетности. - М.: Финансы и статистика, 1996. - 432 с.

19.Козлов Н.А., Бочаров Е.П. Перспективный экономический анализ. -М.: Финансы и статистика, 1987. - 256 с.

20.Лобаяова Б. Стратегическое планирование и прогнозирование на пред­приятии // Российский экономический журнал. - 1992. — №№ 3-5.

21. Льюис К.Д. Методы прогнозирования экономических показателей. - М.: Финансы и статистика, 1986. - 3 18 с.

22.Менеджмент организации: Учебное пособие./ Румянцева З.П., Саломатин Н.А., Акбердин Р.З. и др. - М.: ИНФРА-М, 1997. - 432 с.

23.Нанивская В.Г., Пленкина В.В., Тонышева Л.Л. Управление предпри­ятиями в рыночной экономической системе: Учебное пособие. - Тю­мень, 1995.-80 с.

24.Перспективное отраслевое планирование: экономико-математические методы и модели / Под ред. А.Г. Аганбегяна. - Новосибирск: Наука, 1986.-358с.

25.Планирование в сложных хозяйственных системах / В.Г.Нанивская, В.В. Пленкина, Л. Л. Тонышева, Г.А.Чистякова, И.В.Андронова, Е.М.Дебердиева. Под ред. В.Г.Нанивской. Учебное пособие. - Тюмень: ТюмГНГУ, 1998.-80 с.

26.Рабочая книга по прогнозированию / Редкол.: И.В.Бестужев-Л а да (отв. ред.).-М.: Мысль, 1982.-430с.

27.Рябушкин Б.Г. Применение статистических методов в экономическом анализе и прогнозировании. - М.: Финансы и статистика, 1990. - 345 с.

28.Саркисян С.А. Теория прогнозирования И принятия решений. - М.: Высшая школа, 1977.— 351 с.

29.Статистика рынка товаров и услуг: Учебник/ Беляевский И.К., Кулагина Г.Д., Короткое А.В. и др.; Под ред. И.К. Беляевского. - М.: Финансы и статистика, 1995.-432 с. 30.Статистическое моделирование и прогнозирование / Под ред. А.Т.Гринберга. - М.: Финансы и статистика, 1990. - 285 с.

31.Теория вероятностей и математическая статистика: Учебное пособие для экономических специальностей ВУЗов/ В.А. Колемаев, О.В. Старо­веров, В.Б. Турундаевский; Под ред. В.А. Колемаева. - М.: Высшая школа, 1991.-400 с.

32.Теория и практика статистического моделирования экономики / Под ред. Е.М.Четыркина, А.Класса. - М.: Финансы и статистика, 1986. - 272 с.

33.Уткин Э.А. Управление фирмой.— М.: Акалис, 1996.-516 с.

34.Фатхутдинов Р.А. Разработка управленческого решения: Учебное посо­бие.-М.: ЗАО

Бизнес-школа «Интел-Синтез», 1997. -208 с.

35.Фатхутдинов Р.А. Система менеджмента: Учебно-практическое посо­бие, 2-е изд. - М.: ЗАО Бизнес-школа «Интел-Синтез», 1997. - 352 с.

36.Хан Д. Планирование и контроль: концепция контроллинга: Пер. с нем./ Под ред. и предисл. А.А.Турчака, Л.Г.Головача, М.Л.Лукашевича. - М.: Финансы и статистика, 1997. - 800 с.

37. Цыгичко В.Н. Руководителю - о принятии решений. - 2-е изд., испр. И доп. - М.: ИНФРА-М, 1996. - 272 с.

38.Четыркин Е.М. Методы финансовых и коммерческих расчетов. 2-е изд., испр. И доп.-М: Дело, 1995.-348с.

39.Четыркин Е.М. Статистические методы прогнозирования. - 2-е изд. перераб.- и доп.-М.:Статиспоэд,,1997.-200с.

40.Эддоус М., Стендсфилд Р. Методы принятия решений / Пер. с англ., под ред. И. И. Елисеевой. - М.: Банки и биржи, 1994,-198 с.

41.Экономика предприятия: Учебник / Под ред. проф. О.И. Волкова. – М.: ИНФРА-М, 1997. -416 с.

СОДЕРЖАНИЕ

Введение……………………………………………………………………………………………………….3

1. Научные основы экономического прогнозирования………………………………..………………………3

1.1 Цели, задачи и виды прогнозов………………………………………………………………………………3

1.2 Системный подход к экономическому прогнозированию…………………………………………………...11

1.3 Инерционность экономических процессов как основа экономи­ческого прогнозирования………………..17

2. Методы экономического прогнозирования………………………………………………………………….20

2.1 Классификация и область применения методов прогнозирова­ния……………………………………..…20

2.2 Фактографические методы прогнозирования……………………………………………………………….24

2.3 Экспертные методы прогнозирования……………………………………………………………………….34

2.4 Комплексные системы прогнозирования……………………………………………………………………41

3. Проверка адекватности и средства верификации прогнозных моделей……………………………………45

4. Информационное обеспечение процесса прогнозирования………………………………………………..51

5. Организация и этапы разработки экономических прогнозов……………………………………………….61

6. Краткий словарь терминов……………………………………………………………………………………65
Литература…………………………………………………………………………………………………67
Приложения……………………………………………………………………………………………………70

Визуальный выбор формы взаимосвязи при поисковом моделировании

Приложение 2

Системы линейных уравнений

Для оценки параметров полиномов по МНК