Смекни!
smekni.com
Экономика

Особенности применения формализованных методов прогнозирования (стр. 1 из 5)

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ УКРАИНЫ

НАЦИОНАЛЬНАЯ АКАДЕМИЯ ПРИРОДООХРАННОГО И

КУРОРТНОГО СТРОИТЕЛЬСТВА

Факультет экономики и менеджмента

Кафедра экономики предприятия

КОНТРОЛЬНАЯ РАБОТА

по дисциплине: Экономическое прогнозирование

Симферополь 2008


СОДЕРЖАНИЕ

1. Формализованные методы прогнозирования

Методы экстраполяции

Методы моделирования

2. Практическое задание

Литература


1. ФОРМАЛИЗОВАННЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ

К формализованным методам относятся методы экстраполяции и методы моделирования. Они базируются на математической теории.

Среди методов экстраполяции широкое распространение получил метод подбора функций, основанный на методе наименьших квадратов (МНК). В современных условиях все большее значение стали придавать модификациям МНК: методу экспоненциального сглаживания с регулируемым трендом и методу адаптивного сглаживания.

Методы моделирования предполагают использование в процессе прогнозирования и планирования различного рода экономико-математических моделей, представивших собой формализованное описание исследуемого экономического процесса (объекта) в виде математических зависимостей и отношений. Различают следующие модели: матричные, модели оптимального планирования, экономико-статистические (трендовые, факторные, эконометрические), имитационные модели, модели принятия решений. Для реализации экономико-математический моделей применяются экономико-математические методы.

МЕТОДЫ ЭКСТРАПОЛЯЦИИ

В методическом плане основным инструментом любого прогноза является схема экстраполяции. Сущность экстраполяции заключается в изучении сложившихся в прошлом и настоящем устойчивых тенденций развития объекта прогноза и переносе их на будущее. Различают формальную и прогнозную экстраполяцию. Формальная базируется на предположении о сохранении в будущем прошлых и настоящих тенденций развития объекта прогноза. При прогнозной экстраполяции фактическое развитие увязывается с гипотезами о динамике исследуемого процесса с учетом изменений влияния различных факторов в перспективе. Методы экстраполяции являются наиболее распространенными и проработанными. Основу экстраполяционных методов прогнозирования составляет изучение динамических рядов. Динамический ряд – это множество наблюдений, полученных последовательно по времени. В экономическом прогнозировании широко применяется метод математической экстраполяции. В математическом смысле он означает распространение закона изменения функций из области ее наблюдения на область, лежащую вне отрезка наблюдения. Тенденция, описанная некоторой функцией от времени, называется трендом. Тренд – это длительная тенденция изменения экономических показателей. Функция представляет собой простейшую математико-статистическую (трендовую) модель изучаемого явления. Следует отметить, что методы экстраполяции необходимо применять на начальном этапе прогнозирования для выявления тенденций. Рассмотрим методы экстраполяции, которые целесообразно применять при переходе к рыночным отношениям в условиях функционирования экономики. Метод подбора функций – один из распространенных методов экстраполяции. Главным этапом экстраполяции тренда является выбор оптимального вида функции, описывающей эмпирический ряд. Для этого проводятся предварительная обработка и преобразование исходных данных с целью облегчения выбора вида тренда путем сглаживания и выравнивания временного ряда. Задача выбора функции заключается в подборе по фактическим данным (xi,yi) формі зависимости (линии) так, чтобы отклонения (Δi) данных исходного ряда yiот соответствующих расчетных yi\ , находящихся на линии, были наименьшими (рис. 1.1.1). После этого можно продолжить эту линию и получить прогноз.


Рис. 1.1.1. – Графическое представление динамического ряда.

Расчет параметров (a, b) для конкретной функциональной зависимости осуществляется методом наименьших квадратов (МНК) и его модификацией. Суть МНК состоит в отыскании параметров модели тренда, минимизирующих отклонения расчетных значений от соответствующих значений исходного ряда, т. е. искомые параметры должны удовлетворять условию

,

где n – число наблюдений

Выбор модели осуществляется с помощью специально разработанных программ. Есть программы, предусматривающие возможность моделирования экономических рядов по 16 – ти функциям: линейной (y = a + bx), гиперболической различных типов (y = a + b / x), экспоненциальной, степенной, логарифмической и др. Каждая из функций может иметь свою специфическую область применения при прогнозировании экономических явлений.

Так, линейная функция (y = a + bx) (рис. 1.1.2.) применяется для описания процессов, равномерно развивающихся во времени. Параметр b (коэффициент регрессии) показывает скорость изменения прогнозируемого y при изменении х.

а
х

Рис. 1.1.2. – Линейная зависимость.

Гиперболы (рис. 1.1.3) хорошо описывают процессы, которые характеризуются насыщением, когда существует фактор, сдерживающий рост прогнозируемого показателя.

Рис. 1.1.3. Гиперболическая зависимость.

Модель выбирается, во-первых, визуально исходя из сопоставления вида кривой и ее специфических свойств и качественной характеристики тенденции экономического явления; во-вторых, исходя из значения критерия. В качестве критерия чаще всего используется сумма квадратов отклонений (S). Из совокупности функций выбирается та, которой соответствует минимальное значение S. Прогноз предполагает продление тенденции прошлого, выражаемой выбранной функцией, в будущее, т.е. экстраполяцию динамического ряда. Программным путем на ЭВМ определяется значение прогнозируемого показателя. Для этого в формулу, описывающую процесс, подставляется величина периода, на который необходимо получить прогноз.

В связи с тем, что этот метод исходит из инерционности экономических явлений и предпосылок, что общие условия, определяющие развитие в прошлом не претерпят существенных изменений в будущем, его целесообразно использовать при разработке краткосрочных прогнозов и обязательно в сочетании с методами экспертных оценок. Причем динамический ряд может строиться на основании данных не по годам, а по месяцам, кварталам. Экстраполяция методом подбора функций учитывает все данные исходного ряда с одинаковым «весом». Классический метод наименьших квадратов предполагает равноценность исходной информации в модели. Однако, как показывает опыт, экономические показатели имеют тенденцию «старения». Влияние более поздних наблюдений на развитие процесса в будущем существеннее, чем более ранних. Проблему «старения» данных динамических рядов решает метод экспоненциального сглаживания с регулируемым трендом. Он позволяет построить такое описание процесса (динамического ряда), при котором долее поздним наблюдениям придаются большие «веса» по сравнению с ранними наблюдениями, причем веса наблюдений убывают по экспоненте. В результате создается возможность получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения.

 
читать дальше
1
2
3
4
5
НАПИШИТЕ НАМ
Copyright © Smekni.com. All rigths reserved.