Методы количественного прогноза

Количественные методы прогнозирования используются, когда есть основания считать, что деятельность в прошлом имела определенную тенденцию, которая может продолжиться и в будущем, и когда достаточно информации для выявления таких тенденций.

Количественные методы прогнозирования базируются на численных математических процедурах. Результаты прогнозирования на основе количественных методов используются во всех сферах бизнес-планирования, включая общее стратегическое планирование, финансовое планирование, планирование производства и управления запасами, маркетинговое планирование и т. п.

Количественные методы представляют собой довольно развитую область, поэтому в данном пособии рассматриваются только некоторые модели, наиболее часто включаемые в базовые системы и пакеты прикладных программ. Все они основаны на временных рядах, полученных путём измерений в определённых временных периодах.

Применение таких методов целесообразно в случаях устойчивой экстраполяционной направленности исследуемого явления. Экстраполяция - предложение о повторении в будущем тенденции, имевшей место в прошлом. Иначе говоря, лишь тогда, когда можно предположить, что деятельность в прошлом имела определенную тенденцию, которую можно ожидать и в перспективе, имеющейся информации достаточно для внесения возможных корректив и выявления статистически достоверных зависимостей.

Для прогнозирования таких явлений, как динамика спроса на товары, потребности в запасах, структура сбыта, изменения потребности в кадрах и т.д., чаще всего используют анализ временных рядов. Временные ряды (ряды динамики) - последовательность множества чисел, характеризующих изменение во времени величины явления. Выявление процесса развития явления, основного пути, тенденции и темпов развития в результате сглаживания кривой временного ряда и приведения ее к какой-либо математической функции, называется анализом временных рядов.

Причинно-следственное моделирование - наиболее сложное и используется для прогнозирования явлений с несколькими (хотя бы двумя) независимыми переменными. Например, при исследовании перспектив изменения спроса на односемейные дома в зависимости от изменений уровня личных доходов, демографических изменений, ставки процента на закладные, прочих воздействующих изменений. Такое моделирование строится на основе корреляционных и регрессионных зависимостей и анализа. Наиболее часто встречающиеся методы причинно-следственного анализа следующие:

. Регрессионные модели - статистическая оценка, используемая для выяснения влияния независимых переменных, значения которых известны, на искомую величину.

. Эконометрические модели - статистическая оценка на основе системы регрессионных уравнений, используемая для расчета состояния экономики и основных экономических тенденций (например, прогноз состояния платежного баланса).

. Эконометрические индикаторы - регулярно повторяющаяся регрессионная оценка, направленная на прогнозирование изменения основных экономических показателей.

Одна из центральных проблем - оценка и повышение точности прогнозов. Фактическая точность может быть оценена только путём сравнения прогностических и фактических данных. Если точность модели недостаточна, то метод модифицируется или заменяется.

Хотя внешне результаты измерений (особенно долгосрочных) могут выглядеть хаотичными, в них можно выявить довольно простые составляющие.

Циклическая составляющая описывает ту часть процесса, которая повторяется с низкой частотой.

Сезонная составляющая описывает циклы, повторяющиеся с высокой частотой раз в течение года.

Периоды циклической и сезонной составляющих могут находиться между собой в определённых отношениях.

Случайная флуктуация представляет собой случайное отклонение временного рада от неслучайной функции, описываемой трендом, циклической и сезонной составляющими.

При исследовании и анализе рынка количественные методы прогнозирования применяются для решения следующих основных задач:

прогнозирования спроса;

прогнозирования емкости рынка;

прогнозирования объемов продаж фирмы и др.

К группе количественных методов относятся:

анализ временных рядов;

экономико-математическое моделирование;

метод аналогий;

нормативный метод;

метод стандартного распределения вероятностей.

Анализ временных рядов необходим для учета временных колебаний исследуемых величин. Включает в себя следующие основные методы:

анализ тенденций (экстраполяция и корреляция трендов);

анализ цикличности;

анализ сезонности;

регрессионный анализ.

Методы экстраполяции трендов основаны на статистическом наблюдении динамики определенного показателя, определении показателя, определении тенденции его развития и продолжении этой тенденции в будущем периоде. Иначе говоря, при помощи методов экстраполяции трендов закономерности прошлого развития объекта переносятся в будущее.