Статистические методы прогнозирования

Пользуясь этим методом, следует помнить, что экстраполяция динамического ряда на основе уравнения, полученного при выравнивании, только тогда может дать оценки, близкие к реальным значениям, когда в эмпирическом ряду невелики случайные колебания, измеряемые средним квадратическим отклонением разности (у -- У,), и между случайными отклонениями отсутствует автокорреляция.

Иногда при прогнозировании можно экстраполировать авторегрессионную функцию уровней ряда. При этом методе изучаемый ряд динамики анализируют с точки зрения автокорреляции.

Очевидно, что чем больше автокорреляция между уровнями ряда, тем больше оснований для расчета будущих показателей на основе имеющихся. При этом автокорреляция должна быть исчислена для разных лагов между уровнями. Установив наличие автокорреляции между уровнями ряда (с определенным лагом), можно найти уравнение, выражающее эту автокорреляционную зависимость, и, пользуясь им, экстраполировать ряд.

Данный перечень методов прогнозирования не является исчерпывающим, приведены лишь простейшие методы экстраполяции. Однако хорошо известно, что те или иные «предсказания» статистики иногда не только не подтверждаются, но прямо противоположны действительному ходу изменения изучаемых показателей. Это доказывает, что прогнозирование, основанное только на обработке данных наблюдения, слишком рискованно, если оно не учитывает множества взаимосвязанных фактов и моментов, которые способны изменить тенденцию развития в будущем.

Прогнозы могут строиться на длительный период (долгосрочные прогнозы) и на небольшие отрезки времени (краткосрочные прогнозы). Естественно, что и методы прогнозирования при этом могут и должны различаться. Так, при долгосрочном прогнозе урожайности (на 5--10 лет) следует исходить из динамики средней многолетней урожайности и экстраполировать найденную для нее аппроксимирующую функцию. Для краткосрочных же прогнозов более важно исследовать влияние факторов, определяющих изучаемый показатель. Например, при прогнозировании урожайности в текущем году важно изучить состояние на определенный момент многих факторов, влияющих на урожайность (количество влаги в почве весной, количество внесенных удобрений, качество семян и т.п.), и, зная зависимость урожайности от них в виде уравнения связи, установленного по данным наблюдения в прошлом, строить прогноз. В этом случае прогноз базируется как бы на фак- торах-симптомах, т.е. по состоянию отдельных факторов на данный период определяется состояние изучаемого показателя в будущем.

Экономическое прогнозирование невозможно без хорошего знания изучаемого явления и владения различными методами обработки динамических рядов, которые в каждом отдельном случае помогли бы обнаружить общую закономерность изменения, периодичность в повышении или снижении уровней (если она имеет место), случайные колебания, автокорреляцию и корреляцию между отдельными рядами.

В недалеком прошлом прогнозирование как специфический вид научного анализа находило более или менее широкое применение в области естественных явлений (прогноз погоды, паводков, урожайности и т.д.), ныне оно охватило самые различные сферы деятельности людей: политику, международные отношения, экономику, научно-технический прогресс, демографические и социальные процессы, образование и т.д. Формируется новое научное направление - прогностика, в котором на основе синтеза методов, заимствованных из философии, социологии, статистики, математики, и собственных методов разрабатываются перспективные оценки развития общественных процессов и явлений.

Необходимость предвидения вероятностного исхода событий в будущем никогда прежде не была столь насущной, как сейчас. Это, прежде всего, связано с бурным развитием мирового революционного процесса, высокими темпами научно-технического прогресса и многими другими явлениями современности. Предвидение событий дает возможность заблаговременно приготовиться к ним, учесть их положительные и отрицательные последствия, а если это возможно - вмешаться в ход развития, контролировать его, и что более важно - работать для претворения в жизнь одной из выявленных альтернатив будущего. Предстоящие крупные сдвиги в области науки, техники, социальных отношений, отдаленные от нас на десятки лет, в той или иной мере коренятся в событиях сегодняшнего дня. Решения, принимаемые сегодня, опираются на оценки развития явлений в будущем; в свою очередь они в большей или меньшей степени воздействуют на это будущее.

Плановое ведение хозяйства вовсе не устраняет необходимость в прогнозах. Всякий народнохозяйственный план осуществляется в обстановке, отдельными элементами которой мы не можем полностью (погода) или частично (некоторые явления международной жизни, демографические процессы) управлять, т.е. изменять в соответствии с целями и задачами своей деятельности. Таким образом, имеется целый ряд явлений и процессов, непосредственно не охватываемых народнохозяйственными планами и вместе с тем существенно влияющих на развитие народного хозяйства.

Прогноз и прогнозирование

Прежде чем перейти к изложению существа дела, сделаем несколько замечаний о содержании некоторых терминов, употребляемых в экономической прогностике. Дело в том, что развивающийся и еще не установившийся характер прогностического подхода к общественным явлениям, самой прогностики как совокупности методологических представлений и методических приемов в рамках такого подхода обусловил значительную неопределенность, а иногда и субъективность содержания, которое вкладывается различными исследователями в эти термины.

Под прогнозированием мы понимаем научное (т.е. основанное на системе фактов и доказательств, установленных причинно-следственных связей) выявление вероятностных путей и результатов предстоящего развития явлений и процессов, оценку показателей, характеризующих эти явления и процессы для более или менее отдаленного будущего. Таким образом, прогнозирование - это научная деятельность, направленная на выявление и изучение возможных альтернатив будущего развития и структуры его вероятных траекторий. Каждая альтернативная траектория развития связывается с наличием комплекса внешних относительно исследуемой системы (явлений) условий.

Объектами прогнозирования, естественно, не могут являться любые явления или процессы. Если результат процесса однозначен, то его прогнозирование не имеет смысла. Напротив, если имеется множество возможных альтернатив для реализации процесса, то прогноз дает новую информацию.

Таким образом, прогнозирование распространяется на такие процессы, управление которыми и тем более планирование их развития (во всяком случае, в момент выработки прогноза) либо возможно в весьма малом диапазоне, либо совсем невозможно, исходя из современного уровня знаний или наличия инструментов управления, или, наконец, оно вполне возможно в принципе, но требует учета действия таких факторов, влияние которых не может быть полностью или однозначно определено.

В формулировке ООН предлагается термин проектировка для обозначения гипотетической оценки значения некоторого показателя, которое может реализоваться в будущем, если наступят некоторые оговоренные условия. Иначе говоря, проектировка - ожидаемый результат реализации какого-либо условного утверждения, которое в явном виде с помощью формальной математической модели или качественных неформальных обоснований связывается с этими условиями. Термином прогноз обозначается возможное будущее значение некоторого показателя (условное утверждение), однако в отличие от проектировки он связывается не с любыми условиями, а лишь с теми, которые будут превалировать в будущем, т.е. с условиями, имеющими наибольшую вероятность. Таким образом, прогноз в данной системе терминов можно рассматривать как наиболее вероятностную проектировку.

Периодом упреждения при прогнозировании мы называем отрезок времени от момента, для которого имеются последние статистические данные об изучаемом объекте, до момента, к которому относится прогноз. По длительности периода упреждения общепринято различать три вида прогнозов: краткосрочные - период упреждения от нескольких дней до года, полутора лет; среднесрочные - свыше года до 3-5 лет; долгосрочные - от 6 лет и выше. Указанные виды прогнозов, естественно, различаются по своему существу. Долгосрочные и, в известной мере, среднесрочные прогнозы нацелены на выявление общей тенденции развития экономической характеристики. Обычно предполагается , что в будущем в силу воздействия кратковременных, в том числе случайных факторов, будут наблюдаться некоторые отклонения от этой тенденции. Краткосрочные прогнозы предназначены для выполнения другой функции. С их помощью пытаются уловить конкретные реализации изучаемого процесса, иначе говоря, краткосрочные прогнозы оценивают влияние тех факторов, которые и приводят к отклонениям от долговременных тенденций.

Итак, прогнозирование является в нашем представлении специфическим видом научно-прикладного анализа. Главная его особенность заключается в том, что он нацелен на будущее; вторая важная черта - учет неопределенности, связанной с этим будущим. Неопределенность обусловлена отсутствием знаний о точном значении тех или иных экономических параметров, отражающих влияние основных или дополнительных факторов, о действительных условиях, в которых будет развиваться изучаемый процесс, и т.д. На наш взгляд, нельзя рассматривать перспективный анализ как прогнозирование, если он не учитывает формально (с помощью теории вероятностей) или неформально (если для применения теории вероятностей нет достаточных оснований) различного влияния неопределенности. В последнем случае экспертным путем устанавливается некоторая область ожидаемых значений прогнозируемой переменной. При этом, естественно, принимается во внимание значительно большее число качественных особенностей (и, в частности, учитывается возможность изменения окружающих условий, влияющих на формирование явления, и т.д.), чем это представляется возможным при формализованном подходе к разработке прогноза. Так или иначе, прогноз, по-видимому, должен быть представлен в такой форме, которая отражает неопределенность в процессе формирования явления, поскольку нет способа однозначного определения того, что будет на самом деле. Вероятностный (стохастический) подход к прогнозированию, по-видимому, является наиболее строгим, но в практике он может быть применен далеко не всегда.

По характеру исследовательской работы прогнозирование нельзя полностью противопоставлять историческому анализу. И тот и другой виды анализа исследуют тенденции и закономерности развития явлений, вскрывают причинно-следственные связи, выявляют механизмы действия изучаемых процессов. Прогнозирование, так же как и исторический анализ, обязательно предполагает систему научных доказательств, использование ряда методов и приемов, характеризующихся известным уровнем формализации, и увязку (приведение к согласованности) отдельных суждений и оценок, хотя последние и относятся к будущему.

Как известно, прогнозы экономических явлений и процессов могут быть разработаны в виде качественных характеристик развития (общее описание тенденции и ожидаемого характера изменений, а в самом простом случае - утверждение о возможности или невозможности наступления каких-либо событий) и количественных (точечных или интервальных) оценок, характеризующих будущие числовые значения прогнозируемых показателей и величины вероятностей достижения этих значений. Разумеется, что каждый научно разрабатываемый прогноз охватывает обе стороны развития перспективно оцениваемых явлений и процессов - количественную и качественную. Соотношение характеристик этих сторон в прогнозе зависит от специфики объекта прогноза и целей прогнозирования, от степени совершенства методики прогностических исследований.

Система обоснования и доказательства качественных и количественных характеристик будущего развития может включить в себя самые различные подходы - применение математических методов вовсе не является обязательным. Структура этой системы зависит от целей прогноза, наличия информации, продолжительности периода упреждения, конкретных особенностей изучаемых процессов, сроков подготовки прогноза и т.д.

Основой системы доказательств является качественный (содержательный) анализ процесса, т.е. вскрытие и обоснование причинно-следственных отношений, формирование общих гипотез и концепций будущего развития, оценка характера влияния основных составляющих этого процесса и т.д. Качественный анализ является отправным и заключительным этапом процесса прогнозирования. Количественный анализ, дающий возможность получить прогностические оценки в числовом выражении, в том числе и то его направление, которое рассматривается в настоящей работе, не только исходит из результатов изучения процессов по существу, но в свою очередь обогащает и подкрепляет содержательный анализ, делает его более доказательным, сокращает область неопределенности прогноза, в частности, отсекая явно невозможные и противоречивые выводы.

Кардинальное значение при разработке прогнозов в области социально-экономических явлений и процессов имеет, таким образом, теория их развития, которая охватывает характеристику сущности основных причинно-следственных связей и закономерностей и экономических, социальных и политических последствий развития объекта прогноза. Правильность исходных теоретических предпосылок, методологической основы прогноза решающим образом влияет на его результаты и возможность их практического использования. Теория развития, в конечном счете, определяет содержание системы доказательств и концепций развития, закладываемых в прогноз, а, следовательно, в значительной мере влияет на выбор применяемых для прогнозирования методов.

Методами социально-экономического прогнозирования мы именуем совокупность приемов мышления, позволяющих на основе анализа ретроспективных внешних и внутренних связей, присущих объекту, а также их измерений в рамках рассматриваемого явления или процесса вынести суждения определенной достоверности относительно его будущего развития. Таким образом, если методологической основой прогнозирования служит теория развития объекта, которая раскрывает существо закономерностей, содержание основных причинно-следственных связей рассматриваемого процесса, то методы прогнозирования позволяют найти меру влияния отдельных закономерностей и причин развития, представить объект прогноза как динамическую систему измеренных с определенной степенью достоверности взаимодействий реальных явлений, факторов, сил общественной деятельности и тем самым дать возможность воспроизвести с определенной степенью вероятности поведение этой системы в будущем.

Инерционность и статистические закономерности

Процессы развития в экономике носят диалектический характер, который, в частности, проявляется в сочетании черт устойчивости и изменчивости этого развития. Соотношение этих черт, их удельный вес в характеристике развития за определенные хронологические интервалы весьма важны для экономического прогнозирования. Так, если изучаемые и прогнозируемые процессы имеют достаточно длительную историю и накоплен материал, позволяющий вскрыть закономерность и тенденции в их развитии и взаимосвязях с другими явлениями, а сами процессы обладают большой инерционностью, то гипотеза о будущем развитии этих процессов в значительной мере, хотя и не исключительно, может базироваться на анализе прошлого. Инерционность в социально-экономических процессах проявляется двояким образом: во-первых, как инерционность взаимосвязей, т.е. как сохранение в основных чертах механизма формирования явления (иначе говоря, сохранение зависимости, корреляции прогнозируемой переменной от совокупности переменных-аргументов); во-вторых, как инерционность в развитии отдельных сторон процессов, т.е. как некоторая степень сохранения их характера - темпов, направления, колеблемости основных количественных показателей на протяжении сравнительно длительных хронологических отрезков.

Инерционность развития экономики страны связана с длительно воздействующими факторами, например, такими, как структура основных фондов, их возраст и эффективность, размеры инвестиций прошлых лет, степень устойчивости технологических взаимосвязей отраслей производства, исторически сложившаяся структура потребления и т.д. Следует также учесть, что научно-технический прогресс в основном материлизуется путем постепенного накапливания небольших улучшений, усовершенствований, новшеств, относительно медленным вытеснением старого. …новые факторы, пришедшие на смену старым, в свою очередь способны оказывать более или менее длительное инерционное воздействие.

По-видимому, степень инерционности зависит и от такого фактора, как размер или масштаб изучаемой системы или процесса. Если рассматривать производственную систему, то чем ниже ее уровень в иерархии “предприятие - отрасль- народное хозяйство”, тем менее инерционными оказываются соответствующие характеристики. Последнее обстоятельство можно объяснить и тем, что влияние отдельного фактора (например, внедрение новой технологии) 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. Инерционную тенденцию можно уподобить равнодействующей системе сил в механике. При большом числе составляющих изменение одной из них не окажет серьезного влияния на положение и размер равнодействующей в рамках всего хозяйства.

Опыт свидетельствует также и о том, что чем “моложе” изучаемая система (экономическое явление, процесс, отрасль) и соответственно чем меньше имелось времени для формирования более или менее устойчивых взаимосвязей и основных тенденций в ее развитии, тем меньшей инерционностью она обладает.

Итак, при значительной инерционности рассматриваемых экономических процессов и взаимосвязей и сохранении в будущем важных внешних причин и условий их развития правомерно с достаточной степенью вероятности ожидать сохранения уже выявившихся черт и характера этого процесса. Причем наличие инерционности нисколько не означает, что явление в своем развитии будет жестко следовать уже наметившейся тенденции. Несомненно, различные факторы будут в большей или меньшей степени воздействовать на явления, приводя к отклонениям от тенденции. В этих условиях становится целесообразным применять разнообразные методы обнаружения и экстраполяции преобладающей тенденции развития анализируемого объекта, использовать для прогнозирования найденные взаимосвязи экономических показателей и закономерности их изменения. При этом естественным является применение статистических подходов к прогнозированию.

Статистические методы прогнозирования

Статистические методы прогнозирования, которым посвящена настоящая работа, не являются единственно возможными. Известны и другие. Например, в последнее время в прогнозировании научно-технического прогресса интенсивно используются различные нормативные (т.е. основанные на изучении возможных будущих потребностей в технических новшествах) и статистические методы. Широкое применение получили прогнозы, основанные на экспертных оценках. В ряде случаев прибегают к разработке так называемых сценариев развития, морфологическому анализу, историческим аналогиям и т.д. Новым подходом к прогнозированию научно-технического прогресса является “симптоматическое прогнозирование”, суть которого заключается в выявлении “предвестников” будущих сдвигов в технике и технологии. Большие возможности для прогнозирования кроются в применении имитационных моделей. В практике прогнозирования экономики, однако, преобладающими, по крайней мере, до сего времени, являются статистические методы. Как уже говорилось выше, это связано главным образом с наличием инерционности в развитии экономических явлений и объектов. Немаловажным для практической работы является и то, что статистические методы опираются на аппарат анализа, развитие и практика применения которого, имеют достаточно длительную историю.

Процесс прогнозирования, опирающийся на статистические методы, распадается на два этапа. Первый, индуктивный, заключается в обобщении данных, наблюдаемых за более или менее продолжительный период времени, и в представлении соответствующих статистических закономерностей в виде модели. Статистическую модель получают или в виде аналитически выраженной тенденции развития, или же в виде уравнения зависимости от одного или нескольких факторов-аргументов. В ряде случаев - при изучении сложных комплексов экономических показателей - прибегают к разработке так называемых взаимозависимых систем уравнений, состоящих в основном опять-таки из уровнений, характризующих статистические зависимости. Процесс построения и применения статистической модели для прогнозирования, какой бы вид последняя не имела, обязательно включает выбор формы уравнения, описывающего динамику или взаимосвязь явлений, и оценивание его параметров с помощью того или иного метода. Второй этап, собственно прогноз, является дедуктивным. На этом этапе на основе найденных статистических закономерностей определяют ожидаемое значение прогнозируемого признака.

Следует подчеркнуть, что полученные результаты не могут рассматриваться как нечто окончательное. При их оценке и использовании должны приниматься во внимание факторы, условия или ограничения, которые не были учтены при разработке статистической модели, должна осуществляться корректировка обнаруженных статистических характеристик в соответствии с ожидаемым изменением обстоятельств их формирования. Короче говоря, найденные с помощью статистических методов прогностические оценки являются важным материалом, который, однако, должен быть критически осмыслен. При этом главным является учет возможных изменений в самих тенденциях развития экономических явлений и объектов.

Известная условность в получаемых выводах связана с тем, что целый ряд статистических методов базируется на довольно жестких требованиях к качеству обрабатываемых данных (например, к их однородности) и строгих гипотезах о характере поведения анализируемых величин (их распределениях). На практике же экономист зачастую, особенно если исследуются динамические ряды, имеет дело с информацией, качество которой в отношении выдвинутых требований оставляет желать лучшего или просто неизвестно. Обычно неизвестен и тип распределения переменных. Таким образом, для практика остаются две альтернативы: или вообще отказаться от применения большинства методов и довольствоваться достаточно скудным инструментарием, или применять разнообразные статистические методы обработки данных, не забывая о соответствующих этим методам требованиях. Очевидно, что в последнем случае, если существуют сомнения в “чистоте эксперимента”, не следует придавать получаемым статистическим выводам чрезмерно строгий смысл. В то же время эти выводы, как правило, оказываются полезными для практической деятельности и прогнозирования. Так, например, статистическая проверка гипотез основывается на предположении о существовании нормального распределения соответствующих переменных. На практике же мы в лучшем случае сталкиваемся с асимптотически нормальными распределениями (т.е. с распределениями, стремящимися к нормальным с ростом объема выборки). Вместе с тем проверка гипотез и в этих обстоятельствах дает практически приемлемые результаты, исключая разве такие ситуации, когда значения, скажем, t-статистики Стьюдента близки к критическому (ta). В последнем случае вывод, естественно, нельзя признать надежным.

Далеко не всегда статистические методы прогнозирования применяются самостоятельно, так сказать, в чистом виде. Часто их включают в виде важных элементов в комплексные методики, предусматривающие сочетание статистических методов с другими методами прогнозирования, например с экспертными оценками, различного рода экономико-математическими моделями и т.д. Такой комплексный подход к прогнозированию представляется наиболее плодотворным. Из сказанного выше вытекает, что статистические методы занимают важное место в системе методов прогнозирования, однако они ни в коей мере не должны рассматриваться как некий универсальный метод, как “золотой ключик”, открывающий любую дверь.

В ряде случаев собственно статистическая обработка экономической информации непосредственно не приводит к получению прогноза, однако является важным звеном в общей системе из разработки. Такая обработка данных наблюдения, нацеленная на вскрытие различного рода конкретных статистических закономерностей, представляет собой, по сути дела, первый шаг на пути осмысливания информации и построения более сложных моделей, отображающих взаимодействие множества факторов. В Связи с этим необходимо подчеркнуть важную роль статистической методологии в рамках построения имитационных моделей, которые все больше привлекают внимание экономистов. Потенциальные возможности имитационных моделей в отношении прогнозирования поведения изучаемых (моделируемых) систем еще далеки от полного раскрытия. Но уже сейчас очевидно, что успешность прогнозов, получаемых на основе имитационных моделей, существенно будет зависеть от качества статистического анализа эмпирического материала, от того, насколько такой анализ сможет выявить и обобщить закономерности развития изучаемых объектов во времени.

В настоящее время нельзя серьезно говорить о прогнозировании, исключая разве самые простые методы сбора и обработки экспертных оценок, не предполагая интенсивное использование ЭВМ. Дело, прежде всего в том, что если применение ЭВМ не предусматривается, то тем самым резко ограничивается набор возможных инструментов анализа и сужается круг применяемых для прогноза подходов - исследователь должен будет исключать методики, предполагающие осуществление трудоемких расчетов или расчеты, которые вообще не могут быть выполнены ручным способом или на счетно-вычислительных машинах. Таким образом, быстродействие ЭВМ, возможность с их помощью охватить большой объем информации, выполнить сложные и трудоемкие расчеты и тем самым повысить реалистичность описания исследуемых процессов и явлений представляет собой главную причину, определяющую необходимость применения ЭВМ при прогнозировании.

Очень важное преимущество заключается в расширении возможности проведения с помощью ЭВМ разнообразных расчетных экспериментов. Как инструмент экспериментирования ЭВМ позволяет оценить и повысить адекватность разработанной прогностической модели реальным условиям в прошлом (путем улучшения выбора форм взаимосвязи, выбора независимых переменных модели и т.д.), выявить в ходе испытаний ее прогностические свойства и на основе соответствующих коррективов улучшать эти свойства. Достаточно сказать, что при построении прогностической регрессионной модели приходится разрабатывать, по крайней мере, десятки ее вариантов, прежде чем будет приемлемый результат. Однако главное заключается в том, что с помощью ЭВМ имеется возможность испытать широкий диапазон альтернативных допущений, принимаемых при разработке тех или иных вариантов прогноза, проверить влияние начальных условий (обычно значения исходных данных, относящиеся к моменту разработки прогноза, точно не известны), оценить влияние различных гипотез о возможном характере развития и т.д.

Современная экономическая ситуация в Российской Федерации в целом характеризуется как переходная от состояния централизованной плановой управляемости к состоянию автоматического рыночного регулирования экономических отношений при государственной координации общих условий производственной и коммерческой деятельности субъектов рыночного хозяйства с целью защиты общенациональных интересов. В настоящее время сам переход от плановой к рыночной системе экономических отношений требует квалифицированного государственного регулирования макроэкономических процессов , которое, в свою очередь, невозможно без постоянного проведения глубокой аналитической и прогнозной работы на внутрироссийских и внешних рынках по основным потребительским товарам.

Теоретической и методологической основой исследования послужили труды отечественных и зарубежных ученых по вопросам статистического изучения потребления населения, экономико-статистического анализа, моделирования и прогнозирования динамических рядов.

При решении поставленных задач использовались математико-статистические методы, необходимые для достижения цели исследования: графический метод, статистические методы выявления основной тенденции и прогнозирования рядов динамики, методы моделирования сезонной компоненты, корреляционный и pei-рессионный анализ.

Обработка данных проводилась с использованием современных средств вычислительной техники на базе персональных ЭВМ IBM PC, пакетов прикладных программ по статистическому анализу и прогнозированию «OLYMP», «MESOSAUR», «Microsoft Excel 7.0», «Microsoft Word 7.0».

Научная новизна работы состоит в разработке методологии моделирования и прогнозирования на фактических данных выборочных обследований потребления населением продовольственных товаров на основе воссоединения компонентов ряда динамики.

Прогнозирование представляет собой научно обоснованное суждение о будущих состояниях объекта прогнозирования и (или) об альтернативных путях достижения этого состояния. Необходимость прогнозирования вызвана тем обстоятельством, что будущие состояния объекта имеют большое значение для решений, принимаемых в настоящий момент. Имеет место неопределенность, связанная с будущей ситуацией, которую полностью устранить невозможно. Основной задачей субъекта, принимающего решение при наличии неопределенностей, является нахождение оптимального решения из ряда альтернатив. Прогнозирование выступает как один из инструментов поиска такого решения, которое должно приниматься на основе научно обоснованного, объективного анализа проблемы.

С прогнозированием связывают два понятия: forecasting (прогнозирование) и prediction (предсказание). Глагол to predict означает сказать заранее, а глагол to forecast - бросать вперед. Можно предположить наличие «чего то», что можно было бы «бросить вперед». При прогнозировании роль этого «чего-то» выполняют имеющиеся сведения о процессе. Функция «бросить вперед» может отрабатываться в пространстве независимо от времени, во времени независимо от пространства, в очередности событий, ситуаций или обстоятельств независимо от времени и пространства и в более сложных композициях. Словом, там, где существуют, определяются или задаются некие «отношения порядка» (очередности, последовательности).

Р. Браун (1963)[187] использует понятие предсказание (prediction) для обозначения субъективных оценок будущего и понятие прогноз (forecast) для обозначения результатов объективных вычислений.

Д.М. Гвишиани и В.А. Лисичкин (1968)[188] определяют понятия предсказание и прогноз более прагматично. Предсказание - как предвидение таких событий, количественная характеристика которых либо невозможна (на данном уровне познания), либо затруднена. Прогноз - как высказывание, фиксирующее в терминах какой-либо языковой системы ненаблюдаемое событие и удовлетворяющее следующим условиям:

- в момент высказывания сомнительна возможность его истинности или ложности;

- оно содержит указание на пространственный или временной конечный интервал, внутри которого произойдет прогнозируемое событие;

- в момент высказывания необходимо располагать способами проверки метода прогнозирования, априорной оценки шансов появления прогнозируемого события и проверки осуществления прогнозируемого события.

Э. Янч (1974)[189]вкладывает в эти понятия несколько другое содержание: в прогноз (forecast) - вероятное утверждение о будущем с относительно высокой степенью достоверности; в предсказание (prediction) - аподиктическое (не вероятностное) утверждение о будущем, основанное на абсолютной достоверности. В общем, в ретроспективном плане понятия предсказание, прогнозирование и прогнозирующая система наделяются следующим смыслом. Под предсказанием обычно понимают искусство суждения о будущем состоянии объекта, основанное на субъективном взвешивании большого количества качественных и количественных факторов, под прогнозированием - некоторый исследовательский процесс, в результате которого устанавливаются возможностные (например, вероятностные) данные о будущем состоянии прогнозируемого объекта.

Прогнозирующая система, как правило, - это некая организационно-техническая система, обрабатывающая поступающие на вход данные о прогнозирующем объекте с целью получения на выходе данных о будущем состоянии этого объекта, то есть с целью получения прогноза.

Прогноз может быть качественным и количественным. Качественный прогноз можно получить как через цепь дедуктивных или индуктивных выводов, так и посредством количественного анализа. Количественный прогноз связан с «возможностями», с которыми происходит то или иное событие в будущем, а также с некоторыми количественными характеристиками этого события (например, его математическим ожиданием, наиболее вероятным значением и т.д.). Различают участок наблюдения, где процесс изучается в течение некоторого времени, и точку упреждения, в которой оценивается как математическое ожидание процесса (точечный прогноз) и величина интервала, в который с заданной вероятностью попадет будущее значение процесса (интервальный прогноз).

Естественным требованием к качеству данных, полученных в результате прогнозирования, является их точность. Однако данные даже самых совершенных прогнозирующих систем могут совпасть с количественными данными об объекте в будущем лишь с некоторой вероятностью. Если неправомерно требовать точного совпадения величины прогнозируемого значения с его будущим значением, то вполне законным является требование попадания будущего значения в некоторую область значений, определяемую при прогнозировании. Прогнозирующая система, дающая меньшую величину области, в которой будет находиться будущее значение параметра объекта, обычно предполагается более точной (предпочтительной).

Важным требованием к изучаемой системе является способность к реагированию на изменения, происходящие в изучаемом объекте прогнозирования с целью устранения ошибок прогнозирования, которые могут быть вызваны следующими причинами.

Во-первых, существованием неопределенности будущей ситуации. При получении новой информации об объекте мы не можем с уверенностью сказать, что ошибка прогнозирования вызвана только влиянием неопределенностей, так же как это, например, имело место в предыдущих наблюдениях за этим объектом. Задачей прогнозирующей системы является максимальное уменьшение уровня неопределенности (например, фильтрация помех в технических системах).

Во-вторых, может возникнуть ситуация, когда ошибки прогнозирования вызваны изменениями в закономерностях функционирования самого объекта или изучаемого процесса. Прогнозирующая система должна как можно быстрее «распознать» это изменение и производить дальнейшее прогнозирование с учетом этого изменения.

Наконец, в-третьих, в самом общем случае ошибки прогнозирования вызываются одновременно теми и другими причинами, т.е. прогнозирующая система должна «уметь» своевременно отличать «полезные» изменения в объекте прогнозирования от результата влияния неопределенностей, уровень которых необходимо уменьшить. В системах управления эта задача аналогична задаче прогнозирования величины полезного сигнала при одновременном осуществлении фильтрации помех. Приведенные требования являются общими для любой прогнозирующей системы.

В некоторых случаях к прогнозирующей системе можно предъявлять и другие требования, вытекающие из специфики решаемой задачи. Например, требование повышения «быстродействия» при уменьшении интервала времени поступления информации, что происходит, например, в системах управления техническими объектами. В этом случае задачу прогнозирования можно решать только при применении ЭВМ. В некоторых случаях существенными могут являться требования простоты и минимальной стоимости получения прогноза.

Схема прогнозирования

Любое прогнозирование строится на основе имеющейся информации об изучаемом объекте. Эта информация связана: с поведением данного объекта в прошлом и настоящем, с ранее установленными научными положениями о поведении подобных объектов в подобных ситуациях (прошлый опыт). Само «предвидение есть по своему существу операция над прошлым» (У. Эшби, [рис. 64])[190].

Возможны, вероятно, различные «операции» «над прошлым». В первую очередь, «прошлое» должно позволить найти общие закономерности (если таковые вообще имеются) в поведении подобных объектов в подобных ситуациях. Рубеж научного прогнозирования лежит там, где исчерпывается возможность обосновать развитие объекта, опираясь на эти закономерности.

Нахождение закономерности в поведении прогнозируемого объекта позволяет построить его математическую модель, которая вследствие возможности некоего морфизма позволяет исследовать реальные физические процессы путем их математического моделирования. На выбор модели оказывают влияние цель и задачи прогнозирования и величина того интервала, на который оно производится.

После выбора модели прогнозируемого объекта определяются ее неизвестные параметры. Затем производится прогнозирование состояния объекта в интересующий нас будущий момент времени, который может быть задан неявно, например, другой независимой переменной. При определении параметров модели, в частности, может эффективно использоваться метод наименьших квадратов.

При заданных цели прогноза и интервала упреждения условия получения точного прогноза могут обуславливаться следующими факторами.

Во-первых, имеющаяся информация об объекте прогнозирования должна соответствовать (или могла быть приведена к соответствию) цели и задачам прогнозирования. Например, информация о начальных условиях при прогнозировании траектории полета шарика должна быть выше по точности, чем требуемая точность прогноза. Очистка исходных статистических данных является важной и далеко не всегда тривиальной задачей. Даже при правильно выбранной модели и производстве всех вычислений с необходимой точностью, неочищенный статистический материал не позволит сделать хороший прогноз.

Во-вторых, выбранная модель должна правильно учитывать особенности функционирования объекта прогнозирования. Правильное выявление законов его развития является гарантией успешного выбора модели при прогнозировании. Любой закон, научная гипотеза или модель имеют определенную область применения. Границы этой области не всегда являются достаточно четко очерченными. При неправильном выборе модели или области ее применения сомнительно получение реальных результатов прогнозирования.

В-третьих, необходимым условием точности прогнозирования является правильный выбор метода идентификации неизвестных параметров модели. При выборе метода идентификации необходимо, как правило, учитывать: прошлый опыт работы с подобными объектами, результаты исследования поведения объекта прогнозирования в прошлом и настоящем, вид выбранной модели.

В-четвертых, прогнозирующая система не должна быть разомкнутой по отношению к получаемым результатам. Подвергаясь логическому анализу, результаты прогнозирования могут служить основой для внесения поправок и изменений в элементы прогнозирующей системы.

Размещено на Allbest.ru